Pidato ke Teks (STT)

Ucapan ke teks (STT, ucapan ke teks) mengubah audio menjadi teks, yang selanjutnya diproses oleh model. Cara menyematkan: pilih mode - streaming (transkripsi saat ucapan terjadi, untuk dialog langsung) atau batch (mengunggah file - teks yang diterima, untuk rekaman); memperhitungkan faktor akurasi - kebisingan, aksen, istilah, bahasa (seringkali bahasa harus ditentukan secara eksplisit); menangani kesalahan pengenalan (STT membuat kesalahan, terutama pada nama dan nomor - biarkan pengguna memeriksa dan memperbaikinya); meneruskan teks ke LLM untuk mendapatkan maknanya. STT adalah masukan, bukan akhir: transkrip mentah hampir selalu perlu dibersihkan atau dipahami. Aturan: STT memberikan teks, tetapi bukan pemahaman - model mengikuti maknanya, dan memantau kualitas dengan pemeriksaan kebisingan, bahasa, dan kesalahan.