A Text-to-Speech (TTS) olyan technológia, amely írott szöveget emberi hanghoz hasonló beszéddé alakít.
A modern TTS rendszerek természetes intonációval és hangsúlyokkal képesek beszélni, így szinte emberinek hatnak.
Lehetővé teszi, hogy gépek emberi hangon kommunikáljanak.
Navigációs rendszerek, audiokönyvek automatikus felolvasása.
A beszédfelismerés az a folyamat, amely során az AI az emberi beszédet szöveggé alakítja.
A generatív AI olyan technológiák összessége, amelyek új tartalmat hoznak létre (szöveg, kép, hang, videó).
A mélytanulás a gépi tanulás egyik speciális ága, amely többrétegű neurális hálózatokat használ bonyolult problémák megoldására.
A multimodális AI többféle adatforrást (szöveg, kép, hang, videó) egyszerre dolgoz fel és értelmez.
Az emberi agy működését utánzó számítási modell, amely rétegekből és neuronokból áll.
A nyelvi modell egy AI-rendszer, amely a nyelv statisztikai mintázatait tanulja meg, hogy szövegeket értelmezzen vagy generáljon.
Az NLP az AI egyik ága, amely az emberi nyelv számítógépes feldolgozásával foglalkozik.
A transformer egy neurális hálózati architektúra, amely hatékonyan dolgozza fel a szöveges adatokat.
