Qu'est-ce que la reconnaissance vocale automatique ? Souvent abrégée en ASR, c'est la technologie qui identifie automatiquement les mots d'un enregistrement parlé, sans que personne ne les tape. Le résultat est un texte brut, parfois horodaté. La précision dépend beaucoup de la qualité du son, des accents et de la langue.
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 systèmes ASR modernes sont des réseaux de neurones entraînés sur de grandes collections d'enregistrements associés à leurs transcriptions.
- L'ASR est aussi appelée « parole vers texte » : les deux noms décrivent la même étape, qui transforme le son en mots écrits.
- Les systèmes se comparent avec le taux d'erreur de mots, un décompte des mots faux, manquants et en trop par rapport à un texte de référence.
- Des étapes supplémentaires, comme la ponctuation, les étiquettes de locuteurs et la mise en forme des nombres, s'ajoutent souvent après la reconnaissance elle-même.
- Un même moteur peut se comporter très différemment avec un micro de studio et avec un téléphone posé au bout d'une table bruyante.
À quoi cela ressemble
audio -> features -> acoustic + language model -> text
example result:
{
"text": "the meeting starts at nine",
"segments": [
{"start": 0.0, "end": 2.4, "text": "the meeting starts at nine"}
]
}
Pour aller plus loin
Consultez la liste complète des langues, les outils et le glossaire.
Questions fréquentes
L'ASR, est-ce la même chose que la transcription vocale ?
Oui, dans l'usage courant. ASR est le nom technique du procédé, et « parole vers texte » est le nom plus simple de la même tâche et de son résultat.
L'ASR comprend-elle le sens ?
Pas au sens humain. Elle prédit les mots les plus probables pour les sons entendus : elle peut donc écrire un mot faux qui sonne juste.
Qu'est-ce qui dégrade les résultats ?
Le bruit de fond, les voix qui se chevauchent, les accents marqués, les mauvais micros et les noms rares réduisent la précision. Un enregistrement propre est le meilleur atout.
Comment mesure-t-on la qualité de l'ASR ?
Surtout avec le taux d'erreur de mots, et avec le taux d'erreur de caractères pour les langues écrites sans espaces. Les deux comparent le résultat à un texte de référence humain.
Comment utiliser l'ASR sur un enregistrement ?
Envoyez le fichier au bot Potok sur Telegram. Les messages vocaux, fichiers audio et vidéo jusqu'à 2 Go sont acceptés, et le texte revient sous forme de message ou de fichier.
Sources
Chaque source a été ouverte manuellement à la date indiquée. Les pages évoluent : ouvrez la source si un détail compte pour vous.
- Speech recognition (Wikipedia), Wikipedia · vérifié le
- Word error rate (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