Audio en texte — transcription en paragraphes avec intervenants

Après avoir choisi le fichier, cochez « Étiqueter les intervenants » dans le bloc « Intervenants » : le champ « Combien de personnes parlent » apparaît. Laissé vide, le nombre est estimé à l’oreille ; mais si vous savez combien de personnes parlent, tapez-le : avec des voix proches (deux collègues, des frères, des personnes du même âge), c’est nettement plus précis que de deviner. Dans le texte fini, cliquez sur « Intervenant 1 » et tapez un nom : il s’applique à toutes les prises de parole de cette personne et aux fichiers téléchargés.

Cela arrive sur les enregistrements très longs et là où les voix se distinguent à peine : une note apparaît alors au-dessus du texte pour dire que les étiquettes n’ont pas pu être posées, et le texte lui-même est conservé en entier. Indiquez le nombre de participants dans « Combien de personnes parlent » et relancez la transcription : avec un nombre connu, les voix se séparent plus sûrement. Si l’enregistrement a été fait sur des pistes séparées (chaque personne sur son canal), l’outil propose de reconnaître chaque piste à part — l’option la plus précise.

Cliquez sur le minutage au début du passage : son menu affiche la liste des locuteurs, et en choisir un ne modifie que l’étiquette de ce passage. Si un passage réunit les paroles de deux personnes — une réponse brève et la question suivante —, sélectionnez ces mots puis ouvrez le même menu : seule la sélection passe à l’autre locuteur. Lorsqu’une personne a été scindée en deux voix, donnez à la seconde voix le même nom et l’outil demande s’il faut les fusionner. Le bouton « Annuler » du bloc « Qui parle » revient sur chacune de ces actions.

Au-dessus du texte fini se trouvent deux commutateurs : « Horodatage » et « Intervenants ». Décochez celui dont vous n’avez pas besoin : il disparaît non seulement de l’écran mais aussi de la copie, du DOCX, du PDF et du TXT — vous téléchargez exactement ce que vous voyez. Les sous-titres SRT et VTT gardent toujours le temps : c’est lui qui place chaque ligne à sa seconde de la vidéo.

Choisissez le traitement sur le serveur : le fichier part sur notre serveur, vous pouvez fermer l’onglet, et quand le texte est prêt un e-mail arrive avec le lien. Une copie du résultat vous attend dans « Mes générations », la transcription ne disparaît donc pas avec le navigateur fermé. Ces fichiers peuvent aussi être traités dans le navigateur, mais cela prend des heures et suppose que l’onglet reste ouvert.

Ouvrez « Noms et termes » avant de lancer et listez-les séparés par des virgules : noms des participants, noms de sociétés et de produits, vocabulaire de métier. La reconnaissance utilise la liste comme indice et les écrit comme vous l’avez indiqué, et non d’après le son. La liste est conservée dans le navigateur et reprise la fois suivante.

D’abord de l’enregistrement lui-même : un téléphone posé sur la table au milieu d’une réunion, une musique de fond et des personnes qui parlent en même temps produisent plus d’erreurs que n’importe quel choix de modèle. Pour le russe, le modèle du serveur fait nettement moins d’erreurs sur les enregistrements téléphoniques et « de salle » que celui du navigateur. Si l’enregistrement est sourd ou bruité, passez-le d’abord par la restauration de la voix — le lien se trouve à côté des réglages.