Digite para filtrar os verbetes do Glossário.

    IA e modelos · Vibe Coding: Do Zero ao MVP

    O que é STT?

    O STT converte a fala de um áudio em texto por reconhecimento automático. A transcrição pode alimentar aplicações, mas requer conferência dos trechos usados.

    Também chamado de: speech to text, reconhecimento de fala

    StayCloudVPS Agêntica

    O mesmo ambiente do SetupVibe, agora numa VPS

    Os atalhos, o shell e as CLIs de IA que você já usa no computador rodam numa VPS da StayCloud com servidor no Brasil.

    Criar minha VPS na StayCloud

    Link de parceiro da Promovaweb.

    Black Friday até 30/11

    30%off

    nos 2 primeiros meses do plano mensal da VPS

    • Backup diário grátis para sempre
    • Servidores em São Paulo no datacenter da Ascenty
    • Datacenter Tier III manutenção sem parada
    • Acesso root com disco SSD NVMe
    • Réplica do backup em Ashburn, nos EUA

    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

    Aplicação 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
    Capa da Formação Vibe Coding do Zero ao MVP

    Fontes consultadas

    Referências deste verbete

    Este verbete ajudou você?

    Planos Promovaweb

    Tire seus projetos do papel

    O Plano Martech cobre automação e atendimento. O Plano IA Makers acrescenta desenvolvimento com IA, enquanto o Plano Founders trata de gestão de negócios. Todos são anuais.

    Plano Martech

    Para conectar automação, marketing e atendimento com infraestrutura própria.

    R$ 897

    R$ 597/ano

    • Grade de automação, atendimento, marketing e análise de indicadores
    • Instalador Exclusivo Promovaweb
    • n8n, Evolution API, Chatwoot e Mautic
    • Trilha DevOps incluída
    • Encontros ao vivo (terça e quinta)
    • Comunidade e acompanhamento
    Conhecer o plano

    Plano Founders

    Plano anual para fazer um projeto de tecnologia avançar, com 90 dias de mentoria intensiva. R$ 1.997 à vista ou até 10x de R$ 219 no cartão.

    R$ 1.997/ano

    • 12 meses de acesso ao Founders
    • 90 dias de mentoria intensiva, um encontro por dia útil
    • Dia de conteúdo (terça e quinta) e War Room (segunda, quarta e sexta)
    • Encontro semanal em grupo após a fase intensiva
    • Formação Vibe Coding incluída no plano anual
    • Consultoria individual de até duas horas (bônus)
    Conhecer o plano