O que é fala para texto? É um software que converte a língua falada em um áudio em texto escrito. O programa corta o som em quadros curtos, associa cada um a sons da fala e monta as palavras mais prováveis. A mesma ideia também se chama reconhecimento de fala e ASR.
Transcreva uma gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram
Arquivos de até 2 GB · exportação em TXT, MD, DOCX, PDF, SRT e VTT · identificação de falantes e marcação de tempo · cerca de 30 idiomas
Pontos principais
- Os sistemas modernos usam redes neurais treinadas com grandes coleções de gravações pareadas com o texto correto, e não regras escritas à mão.
- A medida de qualidade mais usada é a taxa de erro de palavras, a parcela de palavras trocadas, perdidas ou acrescentadas em comparação com uma transcrição correta.
- Sotaques, jargão, falas cruzadas e ruído aumentam a taxa de erro, assim como um idioma que o sistema viu pouco no treinamento.
- A saída bruta não sabe quem falou nem onde as frases terminam, então etapas extras acrescentam rótulos de falantes, pontuação e marcações de tempo.
- Fala para texto transforma som em palavras no mesmo idioma; não converte um idioma em outro.
Como fica
// input
talk.m4a (spoken: "send the invoice on friday")
// pipeline
audio -> frames -> speech sounds -> likely words -> text
// output
send the invoice on friday
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Fala para texto é o mesmo que ditado?
O ditado é um uso dela: você fala e o texto aparece em um documento. A transcrição de uma gravação é outro uso da mesma tecnologia.
É o mesmo que reconhecimento de fala?
Sim, os termos são usados como sinônimos. ASR, sigla de reconhecimento automático de fala, é o nome técnico.
Qual é a precisão?
Depende do áudio, da voz e do idioma. Os números publicados de taxa de erro de palavras mostram o que esperar, e uma gravação clara ajuda mais do que tudo.
Como converto uma gravação em texto com o Potok?
Abra o bot, envie a mensagem de voz, o áudio ou o vídeo, ou cole um link do YouTube, e o texto volta no chat ou em um arquivo.
Posso exportar o resultado?
Sim. As exportações incluem TXT, MD, DOCX, PDF, SRT e VTT. Resultados curtos chegam como texto no chat e os longos como arquivo.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- Speech recognition (Wikipedia), Wikipedia · verificado em
- Word error rate (Wikipedia), Wikipedia · verificado em
Teste com a sua própria gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram