La conversión de voz a texto (speech-to-text) es el proceso de transformar el lenguaje hablado en texto escrito con tecnología de reconocimiento de voz. Permite transcribir contenido de audio, como conversaciones o discursos, a un texto que se puede analizar, guardar o procesar después.
Esta tecnología es importante porque mejora la accesibilidad, aumenta la productividad y simplifica la gestión de contenido. Se usa mucho en servicios de transcripción, asistentes de voz y subtítulos en tiempo real, y permite a los usuarios interactuar con dispositivos y contenidos con más facilidad, sin tener que escribir a mano.