Зачем нужен перевод аудио/видео в текст?

Я думаю, дело в том, что люди по-разному вопринимают информацию.

Одним проще воспринимать "на слух" (то самое аудио и видео), другим - зрением.

Например, лично я лучше усваиваю ту информацию, которую именно вижу, а не слышу (т.е. для меня полезнее прочитать материал, чем прослушать лекцию).

Ну и не будем забывать про людей с ограниченными возможностями здоровья (например, проблемы со слухом). И не обязательно быть совсем глухим. Некоторые стесняются слушать что-либо на большой громкости, чтобы не мешать другим - им, конечно, проще читать.

Плюс к этому - возможность копирования информации (например, при написании курсовой работы, реферата и т.д.).

В интернете предостаточно видео на самых разных языках, и для кого они неизбежно являются иностранными. При прослушивании человек может оказаться не в состоянии уловить все слова даже после многократных попыток, и в этом случае перевод звука в текст ему поможет справиться с пониманием аудиофрагмента - либо он сразу опознает уже известные слова в их графической форме, либо они окажутся для него ещё незнакомыми, и тогда он воспользуется словарем.

Кроме этого, бывает необходимость воспользоваться материалами для написания реферата/ составления презентации, и в этом случае перевод в буквы существенно экономит время.