Convertir un enregistrament en tèxte
Publicat lo · Mes a jorn lo 3 min de lectura
L’esplech transcriu un fichièr àudio dins vòstre navegador, amb un pichon modèl. Sus una votz clara, se pèrd d’un mot sus quatre en mejana; la causida de la lenga e lo bruch cambian fòrça lo resultat.
Çò que fa l’esplech
Àudio en tèxte transcriu un fichièr àudio amb lo motor Whisper, dins vòstre navegador. Lo fichièr es pas mandat: sols lo modèl es telecargat, un sol còp, aprèp marcatge de la casa de consentiment. Tres formats d’exportacion son prepausats: TXT, SRT e VTT.
Çò que se telecarga al primièr usatge
Pendent l’assag, lo navegador a telecargat lo modèl e sos scripts dempuèi dos servicis extèrns al sit: lo depaus que lo ten e una ret de distribucion de scripts. Totas aquelas demandas èran de telecargas; cap non portava de còs, doncas cap de fichièr àudio. Lo boton «Clear Whisper cache» lèva puèi lo modèl del navegador.
Los enregistraments d’assag
Los assags utilizan doas votz sinteticas, una votz de femna e una d’òme, que legisson lo meteis tèxte de 32 mots: «Le jardin partagé du Vallon ouvre ses parcelles le trois mai. Venez découvrir le compost, les semis et l’atelier des enfants. L’inscription est gratuite et ouverte à toutes les familles du quartier.» Cada enregistrament dura 12 a 14 segondas. Coma lo tèxte es conegut, lo nombre de mots erronèus se pòt comptar exactament.
La lenga causida
Lo menut de lengas prepausa un reglatge automatic e vint lengas. Sul modèl integrat, la deteccion automatica a près las doas votz per de l’anglés e produch de frasas en anglés sens ligam amb lo tèxte legit, tant d’errors coma de mots. L’esplech selecciona doncas per defaut la lenga de la pagina, aquí lo francés.
| Votz | Lenga fixada | Mots erronèus sus 32 |
|---|---|---|
| Femna | Automatic | 32 |
| Òme | Automatic | 33 |
| Femna | Francés | 10 (31 %) |
| Òme | Francés | 8 (25 %) |
Çò que dona una lenga corrècta
Amb la votz d’òme en francés, la transcripcion es «Le jardin partagé du vallon ouvre ses parcels le 3 mai. Venez découvrir le compost, les sémisées la te liée des enfants. L’inscription est gratuit et ouvert à toutes les familles du quartier.» Las errors son tipicas: un plural perdut («parcels»), un nom pròpri sens majuscula («vallon»), un nombre escrich en chifras («3» per «trois») e de mots rars mal entendut («semis», «atelier»).
L’efècte del bruch
Del bruch es estat aponduda a la votz d’òme, a dos nivèls. A 10 dB, lo bruch es clarament mai feble que la votz. A 0 dB, es tant fòrt coma la votz.
| Enregistrament | Mots erronèus sus 32 |
|---|---|
| Sens bruch | 8 (25 %) |
| Bruch leugièr, 10 dB | 11 (34 %) |
| Bruch fòrt, 0 dB | 31 (97 %) |
Un bruch leugièr còsta qualques mots. Un bruch tant fòrt coma la votz fa la transcripcion inutilizabla.
Temps de tractament
Cada assag a près 6 a 12 segondas per environ 13 segondas d’enregistrament, cargament del modèl compres, sus un ordenador de burèu. Un fichièr mai long demanda mai de temps e de memòria.
Çò que aquestas xifras ditz pas
Las votz sinteticas son regularas. Una votz vertadièra, amb un accent, de ezitacions o mantuna persona, donarà d’autras xifras. Ensajatz un extrach cort de vòstre pròpri enregistrament abans de començar tot lo fichièr.
Melhorar lo resultat
- Causissètz dins lo menut la lenga de l’enregistrament.
- Redusissètz lo bruch a la font: un microfòn pròche dona un melhor resultat qu’un filtre aprèp.
- Se lo fichièr a un format rare, convertissètz-lo d’en primièr amb Convertir un enregistrament de votz sens l’abimar.
Tornatz totjorn legir los noms pròpris, los nombres e los tèrmes tecnics.
Verificar lo tèxte resultant
- Escotatz l’enregistrament en seguissent lo tèxte.
- Corregissètz los noms, los nombres e los acòrds.
- Exportatz en TXT per un tèxte, en SRT o VTT per de sostítols.