Reconhecimento e síntese de fala
O reconhecimento de fala permite usar voz como entrada para sistemas e tornar áudio pesquisável ou acessível. Ao ser combinado com processamento de linguagem, o texto transcrito pode acionar uma busca ou comando; uma etapa de síntese pode então falar a resposta.
Texto revisto em
← Voltar aos 7 pilares
Quando surgiu
A pesquisa de reconhecimento de fala antecede os assistentes atuais. A IBM apresentou o protótipo Shoebox em 1961: ele reconhecia dígitos e um pequeno conjunto de comandos falados. Era uma demonstração de vocabulário limitado, não uma conversa livre. O avanço posterior veio com métodos que lidam melhor com fala contínua e variações de voz.
O que é
Reconhecimento de fala transforma áudio falado em texto. Síntese de fala faz o caminho inverso, de texto para áudio. Essas tarefas de áudio podem se combinar com PLN, mas têm desafios próprios de sinal, ruído, sotaque e voz.
Como funciona
Um microfone transforma a fala em sinal digital. O sistema extrai características do áudio, estima sequências prováveis de sons e palavras e produz uma transcrição. Pode operar após o fim da gravação ou durante a fala, com resultados provisórios. Síntese de fala faz o caminho inverso: transforma texto em áudio; identificar a pessoa que fala é outra tarefa.
Para que serve
O reconhecimento de fala permite usar voz como entrada para sistemas e tornar áudio pesquisável ou acessível. Ao ser combinado com processamento de linguagem, o texto transcrito pode acionar uma busca ou comando; uma etapa de síntese pode então falar a resposta.
Onde é utilizado
Legendas, transcrição de reuniões, ditado, atendimento telefônico e comandos de voz são aplicações. Para criar legendas, o serviço recebe o áudio, devolve trechos de texto com tempos e uma pessoa revisa nomes próprios e passagens incertas.
Limites e cuidados
Reconhecer palavras, identificar quem fala e gerar uma voz são tarefas diferentes. Ruído, sotaques, microfones ruins e vocabulário especializado elevam os erros. A transcrição pode omitir uma negação ou confundir nomes; decisões importantes devem confirmar o áudio original, e o tratamento de gravações exige atenção à privacidade.