Rede

  • 3 Minuten

Hinweis

Weitere Details finden Sie auf der Registerkarte "Text und Bilder ".

Sprachfunktionen in KI-Anwendungen und -Agents ermöglichen Benutzern die Interaktion mit ihnen über gesprochene Sprache.

Spracherkennung

Diagramm der gesprochenen Eingabe eines Benutzers, die in Text konvertiert werden.

Die Spracherkennung ist die Fähigkeit der KI, Sprache zu "hören" und zu interpretieren. In der Regel übernimmt diese Funktion die Form von Sprach-zu-Text (wobei das Audiosignal für die Sprache in Text transkribiert wird).

Sprachsynthese

Diagramm des texts, der in hörbare Sprache konvertiert wird.

Sprachsynthese ist die Fähigkeit der KI, Wörter als gesprochene Sprache zu vokalisieren. In der Regel übernimmt diese Funktion die Form von Text-zu-Sprache, in der Informationen im Textformat in ein hörbares Signal konvertiert werden.

Die KI-Sprachtechnologie entwickelt sich schnell, um Herausforderungen wie das Ignorieren von Hintergrundgeräuschen, das Erkennen von Unterbrechungen und die Generierung von zunehmend ausdrucksstarken und menschenähnlichen Stimmen zu bewältigen.

KI-Sprachszenarien

Häufige Verwendungen von KI-Sprachtechnologien umfassen:

  • KI-Agents, die gesprochene Eingaben verstehen, Aufgaben ausführen und mit gesprochenen Ergebnissen reagieren.
  • Automatisierte Transkription von Anrufen oder Besprechungen.
  • Automatisieren von Audiobeschreibungen von Video oder Text.
  • Automatische Sprachübersetzung zwischen Sprachen.