Como a fala se torna texto
O STT (speech to text) é a conversão de fala em texto por reconhecimento automático de áudio. O sistema recebe a gravação ou os trechos transmitidos, processa os sons com um modelo de reconhecimento e produz uma transcrição que outra aplicação pode consultar.
O modo de envio depende do serviço escolhido. No Amazon Transcribe, você pode processar arquivos armazenados no Amazon S3 ou transmitir áudio durante uma conversa. Os formatos aceitos e os idiomas disponíveis precisam corresponder ao modo utilizado.
A transcrição usada por uma aplicação
Um exemplo de integração é receber um áudio de atendimento com a frase “quero informações sobre o plano Martech” e encaminhar o texto reconhecido para uma busca. O STT recebe esse áudio e produz a transcrição que a função de busca usa como consulta.
Nesse exemplo didático, a troca de “Martech” por outra palavra pode fazer a busca retornar um assunto diferente. O reconhecimento da fala e a escolha do resultado são etapas separadas, por isso você precisa conferir qual texto chegou à busca para localizar a origem do erro.
O Amazon Transcribe oferece vocabulários personalizados para melhorar o reconhecimento de termos específicos, como nomes de marcas. Esse recurso permite informar palavras que o serviço está transcrevendo incorretamente, mas o resultado ainda precisa ser comparado com a gravação.
A qualidade do áudio também limita o reconhecimento. A documentação da AWS recomenda formatos sem perda para obter melhores resultados. Para trechos que orientam uma ação da aplicação, a conferência deve verificar se o texto preserva o que foi falado, especialmente quando um nome ou um número altera a ação pretendida.
Dúvidas frequentes
Perguntas frequentes sobre STT
- O STT também gera voz a partir de um texto?
- A geração de voz é outra tarefa, chamada síntese de fala. O reconhecimento de fala recebe áudio e produz texto, que pode ser usado depois por outros componentes da aplicação.
- Como melhorar o reconhecimento de nomes próprios?
- Alguns serviços oferecem vocabulários personalizados. No Amazon Transcribe, você pode incluir termos especializados e nomes de marcas para melhorar seu reconhecimento, mantendo a conferência contra o áudio.
- Qualquer idioma pode ser transcrito durante uma transmissão?
- O suporte depende do serviço e do modo de processamento. O Amazon Transcribe publica uma tabela de idiomas porque a disponibilidade de transcrição de arquivos e de áudio em transmissão pode ser diferente.
Para continuar
Recursos relacionados
Documentação
AWS: reconhecimento e transcrição de áudio
Apresenta o reconhecimento automático de fala e os modos de transcrição de arquivos e de áudio em transmissão.
Abrir recursoSite de referência
Dev Side Studio: desenvolvimento colaborativo
Orientação ao vivo para integrar a transcrição à aplicação e testar o tratamento dos textos reconhecidos.
Abrir recursoAplicação na formação
Vibe Coding: Do Zero ao MVP
A integração de áudio em aplicações exige conferir a transcrição que será usada pelas funções desenvolvidas com agentes.
Conhecer a formação
Fontes consultadas
Referências deste verbete
Este verbete ajudou você?
Obrigado pela resposta. Ela fica salva apenas neste navegador.