LesskeysGlossaire de la reconnaissance vocale
Les logiciels de reconnaissance vocale emploient beaucoup de termes spécialisés, et certains n’ont pas le même sens d’un éditeur à l’autre. Cette page dit ce que chacun signifie ici.
Des mots employés sur ce site dans un sens précis ou inhabituel, et ce qu’ils veulent dire quand nous les utilisons.
A
- ASR (reconnaissance automatique de la parole)
Le nom général des logiciels qui convertissent la parole en texte. Whisper est l’un de ces systèmes. Dans l’usage courant, « reconnaissance vocale » ou « transcription de la parole » veut dire la même chose.
D
- Dictée
- Parler au lieu de taper, pour que les mots apparaissent dans l’application que vous utilisez déjà. C’est en direct et court. À comparer avec la transcription, qui transforme après coup un enregistrement existant en texte.
H
- Raccourci clavier
Une combinaison de touches qui fonctionne partout, pas seulement dans une application. Lesskeys en utilise une pour démarrer et arrêter la dictée, de sorte que vous n’avez jamais à changer de fenêtre pour parler.
O
- En local
Le travail s’effectue sur l’ordinateur que vous avez sous les yeux, et non sur le serveur d’une entreprise. Pour l’endroit où se fait le traitement, ce qui permet de la vérifier : coupez le réseau et cela fonctionne toujours.Lesskeys , cela veut dire que l’enregistrement, le modèle vocal et le texte final restent tous sur votre ordinateur. Il s’agit d’une affirmation sur
S
- Identification des locuteurs
- Déterminer qui a parlé, et quand, dans un enregistrement comportant plusieurs voix. C’est un travail distinct de la transcription : la transcription demande ce qui a été dit, l’identification demande qui l’a dit. Les deux sont combinées pour produire une transcription où chaque ligne porte un nom.
- Audio système
- Le son que diffuse votre ordinateur, par opposition à celui que capte votre micro. Enregistrer l’audio système et le micro ensemble permet de capter les deux côtés d’un appel sans que rien ne rejoigne la réunion.
T
- Transcription
- Transformer en texte écrit un enregistrement déjà existant (un appel, un entretien, une vidéo). Contrairement à la dictée, elle se fait après coup et implique le plus souvent plusieurs locuteurs.
V
- Empreinte vocale
Un résumé enregistré de ce à quoi ressemble une voix donnée, utilisé pour reconnaître la même personne d’un enregistrement à l’autre. Lesskeys conserve les empreintes vocales sur votre ordinateur, et nulle part ailleurs.
W
- WER (taux d’erreur de mots)
La façon de mesurer la précision. Il compte les mots que le système a mal transcrits (substitués, supprimés ou ajoutés) en pourcentage des mots réellement prononcés. Plus il est bas, mieux c’est : un WER de 2,5 % signifie environ un mot faux sur quarante.Whisper Une famille de modèles ouverts de reconnaissance vocale qui peuvent fonctionner sur du matériel ordinaire, y compris un benchmark a mesuré.Mac ou un PCWindows . Ils existent en plusieurs tailles ; le plus grand n’est pas forcément le meilleur, ce que notre propre
Réponses rapides
Que signifie vraiment « en local » ?
Cela veut dire que le traitement se fait sur votre propre ordinateur plutôt que sur le serveur d’une entreprise. Le test pratique est simple : coupez le réseau. Si cela fonctionne toujours, c’est en local.
La dictée est-elle la même chose que la transcription ?
Non. La dictée se fait en direct : vous parlez et les mots apparaissent là où vous écrivez. La transcription transforme en texte un enregistrement déjà existant, le plus souvent avec plusieurs locuteurs.
Qu’est-ce qu’un bon taux d’erreur de mots ?
Cela dépend de l’audio, et c’est pourquoi un chiffre unique est trompeur. Sur une parole claire, les meilleurs modèles actuels se situent autour de 2 à 3 %, soit environ un mot faux sur quarante. Un audio difficile (voix qui se chevauchent, accents marqués, pièce à l’acoustique médiocre) pose bien plus de difficultés à tous les systèmes.