Ljud blir text. Taligenkänning transkriberar talat språk till skriftlig form, hanterar accenter, bakgrundsljud och kontinuerligt tal. Det driver röstassistenter, dikteringsverktyg och automatiserade callcenter.

Klassiska system använde dolda Markov-modeller med handgjorda akustiska funktioner. Moderna system använder neurala nätverk som tränas från början till slut på parat ljud och text, och lär sig akustiska och språkliga mönster tillsammans.

Vanliga taligenkänningsuppgifter

• Diktering och transkription
• Röstkommandon och assistenter
• Textning i realtid
• Analys av callcenter
• Mötessammanfattning

Noggrannheten är hög för tydligt tal i tysta förhållanden. Den minskar med starka accenter, överlappande högtalare eller bullriga miljöer. Ordfelfrekvensen i riktmärken förutsäger inte alltid prestanda i fält.