gensai.aiLa reconnaissance vocale, ou speech-to-text (STT), transcrit la parole en texte. Des modèles comme Whisper l'ont rendue précise, multilingue et exécutable en local. C'est la porte d'entrée de tout agent vocal : la qualité de la transcription conditionne tout ce qui suit.
En pratique chez Gensai
Gensai utilise faster-whisper en local pour ses dispositifs vocaux, comme l'installation des Océans, et AssemblyAI pour l'analyse d'appels de dons de Qualicontact.
Local ou API : que choisir ?
Un modèle local, comme faster-whisper, convient aux dispositifs sans réseau ou aux données sensibles. Une API spécialisée, comme AssemblyAI, apporte des fonctions avancées (séparation des interlocuteurs, horodatage, traitement de gros volumes), utiles pour analyser des milliers d'appels. Le bon choix dépend de la confidentialité, du volume et de la latence attendue.
Erreur fréquente
Tester sur des enregistrements trop propres. Le bruit ambiant, les accents, le vocabulaire métier et les noms propres dégradent fortement la transcription. Il faut évaluer le modèle sur de vrais enregistrements, dans les conditions réelles d'usage.
Dans le même thème
Définition rédigée avec l'assistance de l'IA, vérifiée par Sébastien Lecocq, co-fondateur de Gensai.
Aller plus loin que la définition ?
Passer du concept au projet : Gensai conçoit des solutions IA sur mesure, souveraines et conformes au RGPD.
Services associés : IA vocale, Chatbots et moteurs de réponses