تبدیل گفتار به متن

مدل‌های تشخیص گفتار (STT) فایل صوتی را به متن تبدیل می‌کنند. کاربردها شامل زیرنویس ویدئو، پیاده‌سازی جلسه و مصاحبه، تحلیل تماس‌های مرکز تماس و جستجو در آرشیو صوتی است. کیفیت نتیجه به وضوح صدا، نویز، لهجه و تعدد گویندگان وابسته است.

برای کاربردهای سازمانی، همراه متن به برچسب زمانی هر جمله و تفکیک گوینده هم نیاز دارید؛ این قابلیت‌ها در همهٔ مدل‌ها یکسان نیست.