TTS / STT
Text-to-Speech (Text→Stimme) und Speech-to-Text (Sprache→Text). Sprecher und Transkription.
TTS (Text-to-Speech) wandelt Text in Sprache um - das sind Sprecherstimmen, Hörbücher und Assistenten. Modernes TTS klingt natürlich, mit Intonation und Emotionen, auch auf Deutsch, mit korrekter Aussprache und Akzent. STT (Speech-to-Text), auch ASR genannt, funktioniert in die andere Richtung: wandelt Sprachaufnahmen in Text um und treibt Transkriptionen von Meetings, Untertitel und Diktierfunktionen an. Zusammen bilden sie eine vollständige Sprachschleife: STT hört zu, das Sprachmodell denkt, TTS antwortet - so funktionieren Sprachgespräche mit Chatbots. Die Qualität auf Deutsch variiert zwischen Tools, daher lohnt es sich, mit eigenen Aufnahmen zu testen.