Qu'est-ce que la détection d'activité vocale ? C'est le repérage des parties d'un enregistrement qui contiennent de la parole, en laissant de côté silence et bruit. Un détecteur classe chaque courte trame comme parole ou non-parole. Les segments de parole sont ensuite transmis, et les vides sont supprimés ou ignorés.
Transcrire un enregistrement
Envoyez votre message vocal, audio ou vidéo à @potok_now_bot sur Telegram et le texte vous revient dans la conversation.
Ouvrir @potok_now_bot dans Telegram
Fichiers jusqu'à 2 Go · export en TXT, MD, DOCX, PDF, SRT et VTT · étiquettes des intervenants et horodatage · environ 30 langues
L'essentiel
- Les détecteurs simples comparent le volume d'une trame à un seuil, tandis que les plus solides utilisent un modèle entraîné qui distingue la parole des autres sons.
- Retirer le silence économise du temps et du coût de traitement, car l'outil de reconnaissance ne lit pas des minutes de pièce vide.
- La détection de parole donne aussi un début et une fin approximatifs pour chaque phrase, que les étapes suivantes peuvent réutiliser pour les répliques de sous-titres.
- Les erreurs vont dans deux sens : un mot faible coupé au début d'une phrase, ou une toux ou un passage de musique traité comme de la parole.
- Un détecteur qui marche sur un fichier de studio calme peut échouer dans une rue bruyante, car le bruit est aussi fort que la voix.
À quoi cela ressemble
// list silent gaps longer than half a second
ffmpeg -i call.wav -af silencedetect=noise=-30dB:d=0.5 -f null -
// silence_start: 12.4
// silence_end: 15.9 | silence_duration: 3.5
// silence_start: 41.0
// the stretches between these gaps are the speech segments
Pour aller plus loin
Consultez la liste complète des langues, les outils et le glossaire.
Questions fréquentes
Pourquoi détecter la voix avant de transcrire ?
Cela retire silence et bruit, si bien que l'outil de reconnaissance travaille sur la parole seule. Le risque de mots inventés dans les vides diminue.
La VAD est-elle la même chose que la réduction de bruit ?
Non. La détection décide quelles parties garder. La réduction de bruit modifie le son à l'intérieur de ces parties. Les deux peuvent s'utiliser ensemble.
La VAD peut-elle couper le début d'une phrase ?
Oui, quand une personne commence doucement. Les bons systèmes ajoutent une courte marge autour de chaque segment pour éviter de couper le premier son.
Dois-je retirer le silence avant d'envoyer à Potok ?
Non. Envoyez l'enregistrement complet tel quel, jusqu'à 2 GB. Le raccourcir n'aide qu'à réduire un très gros fichier.
Comment trouver les vides silencieux dans un fichier ?
Utilisez le filtre silencedetect de ffmpeg. Il affiche le début et la fin de chaque passage calme pour le seuil que vous choisissez.
Sources
Chaque source a été ouverte manuellement à la date indiquée. Les pages évoluent : ouvrez la source si un détail compte pour vous.
- Voice activity detection (Wikipedia), Wikipedia · vérifié le
- Background noise (Wikipedia), Wikipedia · vérifié le
Essayez avec votre propre enregistrement
Envoyez votre message vocal, audio ou vidéo à @potok_now_bot sur Telegram et le texte vous revient dans la conversation.
Ouvrir @potok_now_bot dans Telegram