Lyd blir til tekst. Talegjenkjenning transkriberer talespråk til skriftlig form, håndterer aksenter, bakgrunnsstøy og kontinuerlig tale. Den driver stemmeassistenter, dikteringsverktøy og automatiserte kundesentre.

Klassiske systemer brukte skjulte Markov-modeller med håndlagde akustiske funksjoner. Moderne systemer bruker nevrale nettverk som er trent ende-til-ende på paret lyd og tekst, og lærer akustiske og språklige mønstre sammen.

Vanlige talegjenkjenningsoppgaver

• Diktat og transkripsjon
• Stemmekommandoer og assistenter
• Teksting i sanntid
• Analyse av kundesenteret
• Møteoppsummering

Nøyaktigheten er høy for klar tale i stille omgivelser. Den synker med tunge aksenter, overlappende høyttalere eller støyende miljøer. Ordfeilrater på referansetester forutsier ikke alltid ytelse i felten.