Reconhecimento de voz

Gostaria de saber se é possível converter som em texto, a partir, por exemplo, de um vídeo do YouTube, e assim gerar um texto. (Felipe Fernandes)

Sim, é possível. Esta é uma tecnologia que utiliza arquitetura de software de inteligência artificial. Hoje, por exemplo, quando você liga para uma operadora de telefonia, um sistema filtra sua ligação a partir do reconhecimento de sua voz. Quando você fala, sistemas especialistas de análise de fonemas, acústica e estatística analisam e convertem o “wave form”, ou seja, o som de sua voz, em textos que terão de fazer sentido para o software. A eficiência disso, é claro, nem sempre acontece na prática – é quando a gente escuta a típica frase “Desculpa, não entendi”, dita pela atendente virtual. Hoje, a indústria de tecnologia já dispõe de soluções que tornam sensíveis aos comandos da voz humana aparelhos como os telefones celulares. Já há vários modelos desses aparelhos no mercado que aceitam comandos de voz para fazer ligações e acessar a outros recursos disponíveis no dispositivo. A tendência é termos outros aparelhos, desde um forno micro-ondas até um automóvel, atendendo às vozes de seus proprietários.

Desconheço a existência de algum sistema que seja fornecido gratuitamente para esta solução específica que você questiona, de reconhecimento do áudio em um arquivo de vídeo. No entanto, uma breve busca em sites de download como o Baixaki, revela a disponibilidade de várias opções de programas, alguns inclusive gratuitos, que tiram proveito desse recurso de reconhecimento de voz. Um deles é o Wave to Text, um sistema de reconhecimento de voz e conversor de voz para texto. O programa serve para converter arquivos de áudio nos formatos MP3, WAV ou WMA em arquivos de texto. Há também o Dictation, que vem com recurso de ditado para aplicativos do Microsoft Office. Outra boa opção para quem deseja experimentar essa tecnologia é o gratuito Responding Heads, descrito como um “mordomo virtual” que pode ser incorporado à área de trabalho de seu computador para que a máquina responda aos comandos de voz do usuário.

Marcos Monteiro, coluna Tira-dúvidas Diario do Nordeste : http://diariodonordeste.globo.com/materia.asp?codigo=963005