Conceito

Speech Recognition ("Reconhecimento de fala"), é um reconhecimento de padrões, tem como funcionalidade em reconhecer as palavras faladas pelo usuário (interlocutor) ou áudio externo(musica). Para que a máquina ou dispositivo reconheça a fala, é necessário um conversor analógico-digital que capta as vibrações criadas pela a voz e converte essas ondas em dados digitais. Em seguida, o programa compara os sons captados com fonemas conhecidos e presentes em seu banco de dados. Depois de converter e reconhecer a entrada de áudio, o sistema analisa o resultado e o compara com palavras e frases gravadas previamente, com isso, ele identifica o que seu usuário disse e converte para a funcionalidade desejada.
- exemplo: transformar a entrada de dados (áudio) e tem como saída o áudio transformado em texto.

STT e TTS

É o processo de ditar um texto usando o Speech Recognition. Para que o sistema reconheça a voz, é necessário que haja a integração de vozes da língua que o usuário deseja no sistema.
- Conversão de palavras faladas ao texto.
- Uma pessoa que converte o discurso em um formato de texto

Em alguns sistemas, por reconhecimento de voz, o usuário consegue optar pelo setor da empresa ou do call center que melhor pode atendê-lo.
Os sistemas que utilizam autenticação por Biometria da Voz, tem a vantagem da segurança, já que a voz de cada pessoa tem características únicas.
Palavras-chaves registradas no sistema para ter acesso mais rápido na funcionalidade desejada.
- O usuário por exemplo consegue fazer uma ligação, fazer uma pesquisar, buscar um endereço, entre outros.