O Google Chrome incorpora a funcionalidade de transcrição de fala (speech-to-text) desde a sua versão 25. No entanto, é somente agora que dispomos de APIs e ferramentas robustas para integrar inteligência artificial, reconhecimento de intenções e serviços de LLM, abrindo novas possibilidades para o desenvolvimento de serviços inteligentes, tanto dentro do navegador quanto em outros canais de comunicação.

Nesta palestra, conduziremos uma jornada prática que abrange desde a utilização das funcionalidades de speech-to-text e text-to-speech (TTS) no navegador até a integração destas capacidades em plataformas na nuvem, proporcionando uma experiência mais ampla e aprofundada.

A ideia é apresentar sobre a evolução das APIs e ferramentas para reconhecimento de voz com exemplos práticos, desde o webspeech API residente no Chrome e disponível em outros navegadores e demonstrar outros casos de uso, passando por outros serviços de transcrição como o Whisper da OpenAI, Google Speech to Text, entre outros e apresentar soluções de síntese de voz, como Elevenlabs, Google TTS, etc que já fazem uso de IA Generativa.