Transcription en direct

Ce que fait cet outil

La transcription en direct transforme ce que vous dites en texte pendant que vous parlez. Cliquez sur Démarrer, parlez dans le micro, et chaque phrase apparaît dans la transcription peu après une pause. Cela fonctionne comme une dictée ou une saisie vocale, mais la reconnaissance tourne entièrement dans votre navigateur, sans compte, sans serveur, et sans que l’audio quitte votre ordinateur.

Le modèle de reconnaissance est Moonshine, un modèle ouvert de parole vers texte publié par Useful Sensors et conçu pour la transcription en direct sur l’appareil. Il est rapide sur les phrases courtes, ce qui convient bien à une transcription phrase par phrase. L’outil l’exécute avec Transformers.js et ONNX Runtime Web, en WebGPU si votre navigateur le permet et en WebAssembly sinon.

Cet outil est uniquement en anglais.

Comment l’utiliser

1. Choisissez un modèle. Base est plus précis ; Tiny est plus léger et plus rapide sur les ordinateurs lents.
2. Cliquez sur Télécharger le modèle et démarrer. Le modèle se télécharge une fois (environ 120 Mo pour Base, 50 Mo pour Tiny), puis le navigateur demande l’accès au micro. Autorisez-le.
3. Parlez normalement. L’indicateur de niveau montre le volume d’entrée et passe au vert quand de la parole est détectée. Quand vous faites une pause, la phrase est envoyée au modèle et le texte apparaît sur une nouvelle ligne.
4. Cliquez sur Arrêter pour libérer le micro. Cliquez de nouveau sur Démarrer pour continuer ; l’horodatage reprend là où vous vous étiez arrêté.
5. Utilisez Copier ou Télécharger .txt pour garder la transcription, ou Effacer pour recommencer. Réglez Ordre sur Plus récentes d’abord pour garder la dernière ligne en haut ; la copie et le téléchargement suivent le même ordre.

Exemple

Avec l’horodatage activé, une courte note dictée en anglais ressemble à ceci :

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

Désactivez l’horodatage pour obtenir des lignes simples, prêtes à coller dans un e-mail, un document ou une application de notes.

Régler la détection

Un détecteur d’activité vocale simple écoute le volume du micro et décide où les phrases commencent et finissent. Trois réglages le contrôlent :

• Seuil de parole fixe le niveau sonore à partir duquel un son compte comme de la parole. Choisissez un niveau plus bruyant si le bruit de fond garde l’indicateur au vert, ou plus sensible si une voix basse est ignorée.
• Pause qui termine une ligne est la durée de silence nécessaire avant la transcription. Une pause courte donne des résultats plus rapides ; une pause longue garde les phrases entières.
• Ligne la plus longue coupe les très longs passages de parole pour que la transcription avance même sans pause.

Ces réglages s’appliquent au prochain clic sur Démarrer. Le choix du modèle et l’horodatage sont enregistrés dans l’adresse de la page, vous pouvez donc mettre votre configuration en favori ou la partager. La transcription elle-même n’est jamais mise dans le lien.

Modèle, licence et limites

L’outil utilise onnx-community/moonshine-base-ONNX ou onnx-community/moonshine-tiny-ONNX, des conversions ONNX des modèles Moonshine anglais, publiés sous licence MIT. Transformers.js est sous licence Apache-2.0. La précision est meilleure avec une seule personne qui parle clairement près du micro ; les noms, les mots rares et les accents marqués peuvent être mal compris, et la ponctuation est une estimation du modèle. Pour des fichiers audio enregistrés, utilisez plutôt l’outil de reconnaissance vocale de fichiers.