Mono-locuteur et multi-locuteurs dans les systèmes de reconnaissance vocale
Le secteur de la reconnaissance vocale et de la reconnaissance automatique de la parole, est en progrès constant. Ce n’est donc pas un hasard si ce marché est en pleine croissance. En effet, la taille du marché mondial des logiciels de reconnaissance automatique de la parole – ou ASR – s’établira en millions de dollars à l’horizon 2025. Nous vous parlons ainsi régulièrement des principes et du fonctionnement de la reconnaissance automatique de la parole. Cependant, il reste encore des paramètres, des enjeux à soulever. Notamment, lorsqu’il faut traiter, analyser plusieurs locuteurs ou sources auditives. C’est pourquoi, nous vous proposons aujourd’hui de mettre l’accent sur des situations avec un mono-locuteur, face à celles avec de multi-locuteurs.
Mono-locuteur face aux multi-locuteurs
Tout d’abord, rappelons ce que signifie d’avoir un mono-locuteur dans une situation conversationnelle. En linguistique, le locuteur désigne la personne qui parle, qui énonce quelque chose. Il s’oppose au destinataire, celui qui reçoit la parole. Ainsi, le mono-locuteur est celui qui conserve seul la parole dans un discours, un message. En direct, par sa voix, en audio ou en vidéo.
Il s’oppose au concept de multi-locuteur qui suppose la présence de plusieurs locuteurs. C’est-à-dire de plusieurs voix, de plusieurs pistes auditives qui s‘entrecroisent.
Le processus de reconnaissance automatique de la parole
De ce fait, le processus de reconnaissance automatique de la parole doit s’adapter. Traditionnellement, il y a deux techniques majeures de reconnaissance automatique de la parole : mono-locuteur et multi-locuteur.
Ainsi, le système de reconnaissance de la parole comprend plusieurs sous-systèmes :
- administratif
- traitement d’appel
- reconnaissance mono-locuteur
- reconnaissance multi-locuteur
- stockage de données.
Rappelons que la reconnaissance automatique de la parole consiste à analyser la parole d’un utilisateur afin de retranscrire ses propos en texte.
Un des axes de la reconnaissance vocale est de travailler sur la reconnaissance des phonèmes, car chaque langue vivante en a un nombre limité. De ce fait, le logiciel ou outil de reconnaissance automatique de la parole sépare d’abord les différents sons qui constituent les phonèmes à reconnaître. Cela s’effectue via une étape de filtrage, afin d’enlever les bruits parasites.
Ensuite, l’analyse se fait son par son. L’outil de reconnaissance automatique de la parole choisit alors, grâce à ses algorithmes, les correspondances les plus probables.
C’est ainsi que l’on distingue deux types de fonctionnalités : les outils/logiciels mono-locuteurs et ceux multi-locuteurs.
En fait, une seule personne à la fois peut utiliser les sous-systèmes de reconnaissance mono-locuteurs. L’outil propose d’effectuer une empreinte vocale de son utilisateur. Cette étape clé consiste à garder en mémoire les phonèmes. L’intelligence artificielle va apprendre au fur et à mesure. Cet étalonnage permet d’optimiser la correspondance entre les sons captés et les phonèmes à reconnaître.
Les logiciels multi-locuteurs sont eux destinés à plusieurs utilisateurs. Cependant, sans cet aspect intéressant d’apprentissage, de conservation en mémoire, d’amélioration du processus.
Applications du mono-locuteur vs multi-locuteur
Dans la reconnaissance automatique de la parole, tout commence donc par la voix. Le processus de mono-locuteur fait face à celui de multi-locuteur. Ce sont majoritairement leurs usages et applications qui font la différence. En effet, le processus mono-locuteur sera notamment utile en entreprise, alors que le multi-locuteur sera davantage orienté grand public.
Pour les entreprises, il semble plus avantageux d’utiliser la reconnaissance mono-locuteur qui pourra s’adapter individuellement à la personne qui utilise le logiciel, grâce à l’apprentissage approfondi.
Par exemple, pour les avocats, où le vocabulaire est très technique. Ils peuvent utiliser la reconnaissance automatique de la parole mono-locuteur et la faire évoluer grâce aux dictionnaires intégrés dans ces outils. Concrètement, cela se fait par l’option d’ajouter au dictionnaire du logiciel une liste de mots spécifiques.
Une seule manipulation est nécessaire pour ajouter ces termes. Ensuite, ils seront désormais reconnus par l’outil. L’avocat gagnera du temps, car il pourra les réutiliser à sa guise. Sans se soucier d’une importante marge d’erreurs en transcription.
Mono-locuteur VS multi-locuteur : des fonctionnalités et usages différents
La reconnaissance mono-locuteur est une solution généralement stockée sur des serveurs locaux. Elle nécessite d’enregistrer au préalable la voix de l’utilisateur, afin que le logiciel s’en serve comme référence.
Tandis que la reconnaissance multi-locuteur fonctionne avec n’importe quelle voix. Cependant, cela nécessite une connexion internet pour comparer la requête avec une base de données stockée dans le cloud. Elle est utilisée dans des produits grand public. Par exemple, les enceintes connectées des GAFAM– les géants du web.
Une amélioration du système de reconnaissance de la parole
Ceci impliquait jusqu’à présent des fonctionnalités et des usages différents… Néanmoins, dans un environnement numérique, où tout s’inter-mêle de plus en plus, et où la notion d’interactivité est importante – Il fallait repenser un peu ces systèmes.
C’est en partant de ce postulat que nous avons développé Authôt Live. Notre solution répond, non seulement au besoin accru de transcription en direct, mais également à une pluralité de profils, de locuteurs.
Le principe d’ Authôt Live est simple. La transcription en direct du flux audio de la parole s’affiche au fur et à mesure, en temps réel. Puis, les mots de la phrase s’ajustent lorsque l’intervenant a fini son propos. La qualité de la transcription est excellente car elle prend en compte l’interlocuteur, mais également le contexte. De plus – et c’est là une grande force d’ Authôt Live – vous pouvez désormais ajouter directement vos locuteurs dans la transcription. L’ajout se fait sans passer par d’autres logiciels, sous-systèmes, fonctionnalités. Cela fera une grande différence pour des événements tels des conférences, débats, interviews… Et ce, quelle que soit la thématique !
En reconnaissance automatique de la parole, les techniques n’ont cessé d’évoluer pour être de plus en plus précises et répondre à de multiples besoins. Ainsi, alors qu’habituellement dans ce processus, le mono-locuteur et le multi-locuteur sont bien distincts, aujourd’hui ils semblent peu à peu se combiner. Ceci, pour une qualité de transcription toujours plus optimale ! Si vous souhaitez bénéficier de nos services et utiliser notre outil innovant et multi-locuteur Authôt Live, n’hésitez pas à nous contacter !
Authôt. Vous parlez. Nous écrivons.