Cos'è il speech-to-text? È un software che converte il linguaggio parlato in un audio in testo scritto. Il programma taglia il suono in brevi fotogrammi, li associa ai suoni del parlato e costruisce le parole più probabili. La stessa idea va sotto i nomi di riconoscimento vocale e ASR.
Trascrivi una registrazione
Invia il tuo messaggio vocale, audio o video a @potok_now_bot su Telegram e il testo ti torna nella chat.
Apri @potok_now_bot in Telegram
File fino a 2 GB · esportazione in TXT, MD, DOCX, PDF, SRT e VTT · etichette dei parlanti e marcatori temporali · circa 30 lingue
Punti chiave
- I sistemi moderni usano reti neurali addestrate su grandi raccolte di registrazioni abbinate al testo corretto, non regole scritte a mano.
- La misura di qualità abituale è il tasso di errore sulle parole, la quota di parole sostituite, mancate o aggiunte rispetto a una trascrizione corretta.
- Accenti, gergo, crosstalk e rumore aumentano il tasso di errore, e lo stesso vale per una lingua di cui il sistema ha visto poco in addestramento.
- L'output grezzo non sa chi ha parlato né dove finiscono le frasi, quindi passaggi aggiuntivi aggiungono etichette dei parlanti, punteggiatura e timestamp.
- Il speech-to-text trasforma il suono in parole nella stessa lingua; non traduce da una lingua a un'altra.
Che aspetto ha
// input
talk.m4a (spoken: "send the invoice on friday")
// pipeline
audio -> frames -> speech sounds -> likely words -> text
// output
send the invoice on friday
Altro
Vedi l'elenco completo delle lingue, gli strumenti e il glossario.
Domande frequenti
Il speech-to-text è la stessa cosa della dettatura?
La dettatura è un suo uso: parli e il testo compare in un documento. La trascrizione di una registrazione è un altro uso della stessa tecnologia.
È la stessa cosa del riconoscimento vocale?
Sì, i termini sono usati in modo intercambiabile. ASR, abbreviazione di riconoscimento vocale automatico, è il nome tecnico.
Quanto è accurato?
Dipende dall'audio, dalla voce e dalla lingua. I dati pubblicati sul tasso di errore sulle parole mostrano cosa aspettarsi, e una registrazione chiara aiuta di più.
Come converto una registrazione in testo con Potok?
Apri il bot, invia il messaggio vocale, l'audio o il video, oppure incolla un link YouTube, e il testo torna nella chat o come file.
Posso esportare il risultato?
Sì. Le esportazioni includono TXT, MD, DOCX, PDF, SRT e VTT. I risultati brevi arrivano come testo nella chat e quelli lunghi come file.
Fonti
Ogni fonte è stata aperta a mano alla data indicata. Le pagine cambiano, quindi apri la fonte se un dettaglio è importante per te.
- Speech recognition (Wikipedia), Wikipedia · verificata
- Word error rate (Wikipedia), Wikipedia · verificata
Provalo sulla tua registrazione
Invia il tuo messaggio vocale, audio o video a @potok_now_bot su Telegram e il testo ti torna nella chat.
Apri @potok_now_bot in Telegram