Le son se transforme en texte. La reconnaissance vocale transcrit la parole en texte, en gérant les accents, les bruits de fond et la parole continue. Elle est au cœur des assistants vocaux, des logiciels de dictée et des centres d'appels automatisés.

Les systèmes classiques utilisaient des modèles de Markov cachés avec des caractéristiques acoustiques conçues manuellement. Les systèmes modernes utilisent des réseaux neuronaux entraînés de bout en bout sur des paires audio-texte, apprenant simultanément les schémas acoustiques et linguistiques.

tâches courantes de reconnaissance vocale

• Dictée et transcription
• Commandes vocales et assistants
• Sous-titrage en temps réel
• Analyse des centres d'appels
• Résumé de la réunion

La précision est élevée pour une parole claire dans un environnement calme. Elle diminue en cas d'accents marqués, de chevauchement de voix ou d'environnements bruyants. Les taux d'erreur de mots sur les tests de performance ne prédisent pas toujours les performances sur le terrain.