سرویس تبدیل صوت به متن فارسی
(تبدیل گفتار به نوشتار)

امروزه استفاده از ابزارهای دیجیتال مانند تلفن همراه، لپتاپ، رایانه ها و تبلت ها افراد را ملزم به تایپ کردن می کند. افراد روزانه زمان زیادی را صرف تایپ کردن در ابزارهای مختلف می کنند. اگر نرم افزاری وجود داشته باشد که بتواند صوت یا گفتار (voice یا speech) را با دقت بالایی تبدیل به متن یا نوشتار (text) کند، مسلما افراد زیادی از این نرم افزارها استفاده خواهند کرد و همین باعث صرفه جویی قابل توجهی در وقت آن ها خواهد شد. افراد بسیاری در سراسر دنیا هر روز از فناوری تبدیل و تشخیص صوت به متن استفاده می کنند.

جستجوی صوتی گوگل، دستیارهای صوتی نظیر Siri و Alexa نمونه های از بکارگیری فناوری تبدیل صوت به متن هستند که جای خود را در زندگی روزمره ی انسان ها باز کرده اند.

کاربرد برنامه تبدیل صدا به متن (تشخیص گفتار) فقط منحصر به تایپ کردن گفتار یا ویس شما نیست. علاوه بر ایجاد یک نرم افزار تبدیل صوت به متن فارسی، می توانید با استفاده از سرویس تبدیل صوت به متن (تبدیل گفتار به نوشتار)، هر نرم افزار یا سخت افزاری که نیاز تعامل و فهم گفتار و صحبت های انسان دارد را نیز توسعه دهید و از این سرویس در کنار دیگر بخش ها استفاده کنید و به راحتی گفته های کاربر را به متن تبدیل کنید. استفاده از این سرویس، نیاز به تایپ کردن را از بین می برد و شما می تونید با سرعت و به راحتی یک متن تایپ شده و قابل ویرایش در اختیار داشته باشید.

سرویس تبدیل صوت به متن برنامه ای است که با دریافت صدای صحبت انسان، آن را تفسیر کرده و تبدیل به متن می کند. در فناوری تبدیل عکس به متن، با دریافت فایل صوتی، صوت موجود در بازه های زمانی کوتاهی بررسی می شود و سپس با الگوریتم های موجود، مشخص شود هر صوت مربوط به چه حرفی است.

برای تبدیل فایل صوتی به متن از پردازش زبان طبیعی و یادگیری عمیق استفاده می شود. از الگوریتم یادگیری عمیق به منظور تشخیص حروف و از پردازش زبان طبیعی به منظور بررسی خروجی و اصلاح آن در صورت نیاز استفاده می شود. برای مثال هم اکنون استفاده از مدل های زبانی (language model) برای بررسی و اصلاح کلمات رواج زیادی دارد و این مدل ها توانایی قابل توجهی در اصلاح و یافتن شکل درست کلمات دارند.