TTS / STT
Text-to-speech (texto→voz) e speech-to-text (fala→texto). Locução e transcrição.
TTS (text-to-speech) transforma texto em fala: são as vozes de locutores, audiolivros e assistentes. Os sistemas atuais de TTS soam naturais, com entonação e emoção, inclusive em português brasileiro, com pronúncia e sotaque adequados. STT (speech-to-text), também chamado de ASR, funciona na direção inversa: transforma gravações de fala em texto, viabilizando transcrições de reuniões, legendas e ditado. Juntos, formam um ciclo completo de voz: o STT escuta, o modelo de linguagem pensa e o TTS responde - é assim que funcionam as conversas por voz com chatbots. A qualidade em português brasileiro varia de uma ferramenta para outra, então vale testar com suas próprias gravações.