เอไอแปลงเสียงเป็นข้อความ (Speech to Text / Automatic Speech Recognition: ASR) คือการถอดข้อความออกจากเสียงพูดโดยใช้กระบวนการทางการเรียนรู้ของเครื่อง เอไอแปลงเสียงเป็นข้อความสามารถนำมาใช้ประโยชน์ได้หลากหลาย เช่น การถอดคำบรรยายจากคอร์สเรียนออนไลน์ การทำคำบรรยายข้างใต้ภาพยนตร์หรือคลิปวิดีโอ การถอดคำพูดจากบทสนทนาทางโทรศัพท์ และอื่นๆ