كشفت Liat Kaver مديرة منتجات يوتيوب فى منشور عبر المدونة الرسمية للخدمة أن هناك الآن أكثر من مليار فيديو على يوتيوب يتم خلاله تحويل الصوت بشكل تلقائى إلى نص، موضحة أنه مع وجود أكثر من 300 مليون شخص يعيشون على الأرض من الصم أو لديهم مشاكل فى السمع كان يجب على "يوتيوب" أن تبتكر طريقة التعليق التلقائى وتحويل الصوت إلى نصوص مكتوبة سهلة القراءة، وذلك بدون أى تدخل بشرى.
ووفقا لما نشره موقع engadget الأمريكى، فكانت جوجل قد أطلقت ميزة automatic captions التعليق التلقائى وتحويل الصوت إلى نص فى عام 2009، مضيفة أنه يتم الآن مشاهدة الفيديوهات التى تحوى على تعليق تلقائى أكثر من 15 مليون مرة يومياً، حيث يستفيد من هذه الخدمة الكثيرين، بما فى ذلك بضع الأشخاص صحاح السمع الذين يفضلون قراءة الحوار بدلا من الاستماع إليه فقط، خاصة فى حال كان هناك مشكلة فى الصوت ومؤثرات تجعله غير واضح.
ورغم أن ميزة التعليق الصوتى ليست دقيقة تماما، لكنها توفر مساعدات كبيرة للكثير من المستخدمين حول العالم، كما أنها تساعد على فهم فيديوهات يوتيوب باللغات المختلفة خاصة لمن لا يجيدون هذه اللغات، وقد طورت جوجل هذه التقنية بفضل الاعتماد على الذكاء الاصطناعى وتعلم الآلة، وبعض الخوارزميات لتحسينها والتعامل مع اللهجات المختلفة، حيث تدعم الميزة الآن 10 لغات مختلفة.