Speech-to-text, vaak afgekort tot STT, is technologie die gesproken audio omzet in geschreven tekst. Jij praat, en software schrijft het op, of dat nu het dicteren van een e-mail is, het maken van ondertiteling, of het vastleggen van wat er op een salesgesprek werd gezegd. Moderne systemen gebruiken AI die is getraind op enorme hoeveelheden opgenomen spraak, en daarom gaan ze veel beter om met natuurlijk, snel praten dan de houterige tools van tien jaar geleden.
Een herkenbaar voorbeeld is de dicteerknop op een telefoon. Je drukt erop, spreekt een bericht in, en de woorden verschijnen zonder dat je het toetsenbord aanraakt. Dezelfde motor drijft automatische transcriptie van vergaderingen aan en de luisterhelft van elke spraakassistent, die je spraak eerst in tekst omzet voordat hij kan bepalen wat hij moet doen.
De nauwkeurigheid hangt sterk af van de omstandigheden. Eén duidelijke spreker in een stille kamer is makkelijk; een rumoerig café, een zwaar accent of drie mensen die door elkaar praten is lastig. Vakjargon telt ook mee, dus een model dat medische of juridische termen kent, presteert in die context beter dan een algemeen model. Daarom stemmen serieuze toepassingen het systeem vaak af op de eigen audio van de klant.
Er is ook een keuze in waar het werk gebeurt. Audio naar een clouddienst als Whisper of Google sturen is simpel en nauwkeurig, maar voor gevoelige opnames draaien sommige teams het model op hun eigen servers, zodat de audio het pand nooit verlaat. Veel systemen halen de tekst daarna door natural language processing om namen, datums of actiepunten eruit te trekken, zodat een kale transcriptie iets wordt waar een workflow op kan reageren.
Bij TopDevs bouwen we speech-to-text in klanttools, zodat gesprekken, vergaderingen en spraaknotities doorzoekbare tekst worden waar de rest van een systeem automatisch op kan handelen.
