Flux de travail vocaux
La première décision consiste à déterminer si vous avez besoin de mots à partir d’un enregistrement audio ou d’un enregistrement audio à partir de mots. Deepgram est associé aux technologies de la parole, mais il s’agit de deux tâches distinctes, avec des entrées et des résultats différents. Utilisez ce guide pour définir votre objectif, préparer un petit test et évaluer le résultat avant de planifier un flux de travail plus vaste.
Préparez un court échantillon représentatif et une définition claire de la réussite. Ces points de départ aident les équipes à éviter de tester la mauvaise tâche vocale.
Vous disposez d’un enregistrement et avez besoin d’un texte consultable, comprenant les noms et les termes importants pour l’étude.
Commencez par la transcription audio en texte et comparez-la à un extrait vérifié manuellement.
transcription deepgramLes dialogues sont intégrés à une vidéo et vous avez besoin d’un texte pouvant servir à créer des sous-titres.
Distinguez les besoins liés à l’audio de ceux liés au montage ; une transcription seule ne constitue pas un fichier de sous-titres prêt à l’emploi.
transcription vidéo deepgramLes personnes qui appellent peuvent parler différentes langues ou passer de l’une à l’autre au cours d’une conversation.
Dressez la liste des langues de l’ensemble de test et vérifiez leur prise en charge pour la tâche concernée avant de choisir un flux de travail.
langues deepgramUne réponse orale doit faire suite à la demande d’un utilisateur, et non simplement s’afficher sous forme de texte à l’écran.
Précisez séparément comment la parole entrante est convertie en texte et comment une réponse devient audible.
transcription deepgramImaginez que vous testez une question enregistrée posée par un client. Limitez l’essai pour qu’une personne puisse examiner chaque étape.
Indiquez si l’objectif est d’obtenir une transcription, une réponse orale ou les deux. Pour tester la transcription, choisissez un court enregistrement contenant des propos courants et un nom difficile à transcrire ; conservez une transcription de référence établie par une personne.
Faites passer l’enregistrement par le processus de transcription audio que vous évaluez. Si le projet nécessite aussi une réponse orale, rédigez cette réponse sous forme de texte et évaluez la synthèse vocale séparément, plutôt que de traiter la transcription comme une parole générée.
Vérifiez si la transcription restitue correctement le nom difficile, si elle comporte des omissions ou si elle modifie le sens. Écoutez ensuite toute réponse générée pour évaluer sa prononciation et son intelligibilité. Notez l’étape qui doit être corrigée avant d’ajouter des automatisations.
Une recherche générale sur les fonctionnalités vocales de Deepgram peut mener à plusieurs tâches plus précises. Choisissez le parcours qui correspond aux données dont vous disposez et au résultat souhaité.
Concentrez-vous sur la conversion de la parole enregistrée ou en direct en texte que vous pouvez vérifier.
Tenez compte du travail supplémentaire d’extraction et de synchronisation nécessaire lorsque la parole provient d’une vidéo.
Vérifiez la prise en charge des langues en fonction de vos locuteurs et de la tâche vocale que vous prévoyez d’effectuer.
Cette comparaison porte sur les types de tâches et ne garantit pas que toutes les commandes soient disponibles dans la même interface. Vérifiez la prise en charge actuelle du produit avant de procéder à l’implémentation.
Transcription de la parole en texte
Un enregistrement ou un flux audio entrant
Synthèse vocale
Un texte écrit destiné à être prononcé
Transcription de la parole en texte
Mots reconnus à lire ou à traiter ultérieurement
Synthèse vocale
Audio qu’un auditeur peut écouter
Transcription vocale
Comparer les mots reconnus à une référence vérifiée
Synthèse vocale
Écouter le résultat et vérifier sa clarté et sa prononciation
Transcription vocale
Un mot omis ou un nom mal compris
Synthèse vocale
Une pause maladroite ou un nom mal prononcé
Transcription vocale
Lire les passages incertains tout en réécoutant la source
Synthèse vocale
Écouter un extrait dans le contexte prévu
Transcription vocale
Rechercher, résumer, sous-titrer ou acheminer le texte
Synthèse vocale
Faire écouter l’audio à un auditeur ou l’intégrer à une expérience
Un flux de travail vocal deepgram nécessite aussi des vérifications en dehors de l’étape de traitement de la parole. Ces points de contrôle sont particulièrement importants lorsque des personnes se fieront au résultat.
Une transcription plausible peut contenir un nom, un nombre ou une instruction erronés. Elle consigne une interprétation de l’audio ; elle n’établit pas que l’affirmation de la personne qui parle est vraie.
Solution de contournementComparez les passages importants à l’enregistrement original et vérifiez les affirmations auprès d’une source indépendante.
Transformer un texte fourni en audio ne permet pas de déterminer si ce texte est exact, approprié ou utile pour la personne qui l’écoute.
Solution de contournementValidez d’abord le texte de la réponse, puis écoutez le résultat audio avant sa diffusion.
Le bruit, les accents, les voix qui se chevauchent et les termes peu familiers peuvent modifier la qualité d’un test en conditions réelles.
Solution de contournementConstituez un petit jeu d’évaluation à partir des conditions que votre public rencontre réellement.
Les modèles, formats, langues et paramètres d’intégration disponibles peuvent changer. Une comparaison conceptuelle ne remplace pas la vérification du service concerné dans son état actuel.
Solution de contournementVérifiez les fonctionnalités requises et les conditions de traitement des données auprès du service que vous comptez utiliser.
Commencez par une entrée représentative et un résultat que vous pouvez examiner. Le service concerné peut proposer d’autres outils que ceux présentés ici ; vérifiez donc ses fonctionnalités actuelles avant d’adopter un processus de travail.
Cela peut désigner la reconnaissance de la parole, la production d’audio parlé ou la combinaison des deux dans une application. Définissez d’abord l’entrée et la sortie souhaitée afin d’évaluer la tâche concernée plutôt qu’un terme générique.
Non. La transcription vocale restitue les mots reconnus à partir d’un audio, tandis que la synthèse vocale transforme des mots écrits en audio. Une expérience conversationnelle peut utiliser les deux, mais chaque étape doit faire l’objet de son propre contrôle qualité.
Choisissez un court échantillon représentatif de votre public réel et conservez une référence que vous pouvez examiner. Pour les transcriptions, vérifiez les noms, le sens et les omissions ; pour la sortie vocale, écoutez la clarté et la prononciation.
Un échantillon réussi constitue un indice utile pour cet échantillon, pas la preuve que toutes les langues, tous les accents ou toutes les conversations multilingues donneront les mêmes résultats. Vérifiez la prise en charge actuelle pour la tâche précise et testez des enregistrements de vos locuteurs cibles.
Non. Les sous-titres peuvent aussi nécessiter une synchronisation, une segmentation, des choix concernant les locuteurs et une révision éditoriale. Utilisez le texte reconnu comme point de départ de ce processus, puis vérifiez les sous-titres par rapport à la vidéo.