Speech to Text convierte la voz humana en palabras escritas. El servicio es freemium y utiliza inteligencia artificial de aprendizaje profundo para aplicar conocimientos de gramática, estructura de idioma y la composición de señales de audio y voz para transcribir con precisión el habla humana. El resultado devuelto incluye el texto reconocido, las alternativas de palabras, y palabras clave. Algunos modelos pueden detectar varios altavoces esto puede ralentizar el rendimiento.