AI用語集 / TTS / STT

🎨 画像・動画・音声

TTS（テキスト読み上げ）は、テキストを音声に変換する技術です。ナレーションやオーディオブック、音声アシスタントなどに使われます。最新のTTSは、日本語でもイントネーションや感情を込めた自然な音声を生成します。STT（音声認識）はASRとも呼ばれ、その逆に、録音された音声をテキストに変換して、会議の文字起こしや字幕、音声入力を支えます。 この2つを組み合わせると、音声でのやり取りが一通り実現します。STTが聞き取り、言語モデルが考え、TTSが返答することで、チャットとの音声会話が成り立ちます。日本語の品質はツールによって異なるため、自分の録音で試してみるとよいでしょう。