Dizionario AI › Fondamenti AI

Speech-to-Text (e Text-to-Speech)

Speech-to-Text (and Text-to-Speech)

Lo speech-to-text (STT) è la tecnologia che converte il parlato in testo scritto; il text-to-speech (TTS) fa il percorso inverso, generando voce sintetica dal testo. Insieme costituiscono l'interfaccia vocale dell'intelligenza artificiale.

Definizione

I sistemi moderni, Whisper di OpenAI per la trascrizione, le voci neurali di ElevenLabs e dei grandi provider per la sintesi, hanno raggiunto qualità quasi umana: trascrivono riunioni con punteggiatura corretta, riconoscono decine di lingue e producono voci naturali con intonazione ed emozione.

Gli usi professionali sono immediati: verbalizzazione automatica di riunioni, sottotitolazione, dettatura di documenti, assistenti vocali, doppiaggio multilingua e accessibilità. Combinati con un LLM, permettono conversazioni interamente vocali con l'AI, parli, il modello capisce, risponde a voce.

Termini correlati

• Multi-modal AI
• NLP (Natural Language Processing)
• Deep Learning
• API
• Computer Vision

Altri termini in Fondamenti AI

• LLM (Large Language Model)
• Token
• Context Window
• Temperature
• Allucinazione (AI Hallucination)
• Fine-tuning
• RAG (Retrieval Augmented Generation)
• Embedding

Mettilo alla prova

• Scenario reale: applica questo concetto con un verdetto AI immediato.
• Palestra quotidiana: brevi esercizi per allenare i concetti del dizionario.
• Gioco Playoff: sfida altri giocatori, a eliminazione diretta.

📱 Scarica l'app Android (beta) iOS in arrivo

Dì quello che intendi. Ottieni quello che ti serve.

Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.