Speech-to-text

释义 Definition

“Speech-to-text”（常缩写为 STT）指把人说的话自动转换成文字的技术或功能，常用于语音输入、字幕生成、会议转写、无障碍辅助等场景。（也常与“speech recognition/语音识别”相关联，但更强调“输出是文本”。）

发音 Pronunciation (IPA)

/ˌspiːtʃ tə ˈtɛkst/

例句 Examples

Speech-to-text makes it faster to type messages on my phone.
语音转文字让在手机上输入消息更快。

The app uses speech-to-text to transcribe interviews, then highlights key terms for the researcher.
这个应用用语音转文字来转写采访内容，并为研究者标注关键词。

词源 Etymology

这是一个由三个常见词拼成的现代技术复合词：speech（语言/说话）+ to（转为）+ text（文字），直观表达“把语音转换成文字”。随着语音识别与智能设备普及，该说法在计算机与移动应用领域广泛流行。

相关词 Related Words

• Speech recognition
• Transcription
• Dictation
• Caption
• Subtitles
• Voice input
• Natural language processing
• ASR

文学与著作 Literary Works

• Speech and Language Processing（Daniel Jurafsky & James H. Martin）：在语音处理/自动语音识别（ASR）相关章节中讨论语音转文字的核心方法与应用场景。
• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）：在涉及序列建模与语音任务的语境下常出现与“语音转写/语音识别”相关表述。
• The Oxford Handbook of Computational Linguistics（多作者论文集）：在计算语言学与语音技术条目中出现与 speech-to-text 同类概念（如转写、ASR）的讨论。