Glossaire

Transcription audio

Qu’est-ce que Transcription audio ?

La transcription audio convertit la parole enregistrée en texte écrit. Les systèmes modernes de reconnaissance automatique de la parole ajoutent aussi la ponctuation, distinguent les locuteurs et fournissent parfois des horodatages. On l'utilise pour les comptes rendus de réunion, les interviews, les sous-titres ou la documentation d'appels clients. La qualité dépend fortement du son, de l'accent et du vocabulaire spécialisé ; pour des échanges contenant des données personnelles, consentement et protection des données sont à respecter.

Thèmes

  • Reconnaissance vocale
  • Audio
  • Compte rendu

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo
← Tous les termes

Termes associés

Reconnaissance vocale (parole vers texte)

La reconnaissance vocale, aussi appelée ASR (Automatic Speech Recognition), convertit automatiquement la parole en texte écrit. Les systèmes modernes reposent sur des réseaux de neurones entraînés sur de grandes quantités d'enregistrements audio et gèrent assez bien les accents et les bruits de fond. On l'utilise pour la dictée, les sous-titres, les assistants vocaux ou la transcription de réunions et d'appels clients. Les termes techniques, les noms propres et un son de mauvaise qualité restent des sources d'erreur fréquentes.

  • ASR
  • audio
  • +1

Whisper

Whisper est un modèle de reconnaissance automatique de la parole publié par OpenAI en septembre 2022. Il transcrit la parole de nombreuses langues en texte et peut aussi traduire des enregistrements vers l'anglais. Le code et les poids du modèle sont publiés sous la licence open source MIT : vous pouvez donc exécuter Whisper sur votre propre matériel, un atout lorsque les données audio ne doivent pas quitter l'entreprise. Usages typiques : transcription de réunions, d'entretiens ou sous-titrage.

  • Reconnaissance vocale
  • Open source
  • +1

Synthèse vocale (TTS)

La synthèse vocale (text-to-speech) transforme un texte écrit en parole ; c'est le pendant de la reconnaissance vocale (speech-to-text). Les systèmes actuels utilisent des réseaux de neurones pour produire des voix naturelles à l'intonation adaptée. On la retrouve dans les annonces téléphoniques, les GPS, les fonctions de lecture à voix haute pour l'accessibilité web ou les assistants vocaux.

  • Voix
  • Audio
  • +1