QUI A PARLÉ, ET QUAND
La diarisation, expliquée.
Et ce que les étiquettes ne disent pas.
La diarisation découpe un enregistrement en prises de parole et indique qui a parlé, et quand. Voici comment fonctionnent les étiquettes de locuteur dans Voice Note Transcriber sur iPhone et Android, et où les vérifier.
TRANSCRIPTION
Speaker A : peut-on décaler la revue à jeudi ? Speaker B : jeudi me va si le brouillon est prêt.
LA RÉPONSE COURTE
Qui a parlé quand, pas qui est la personne
La diarisation est l’étape qui découpe la parole en segments selon la voix et attribue une étiquette à chaque voix, pour que la transcription se lise par prises de parole plutôt qu’en un seul bloc. Elle répond à la question « qui a parlé, et quand ? ». Elle ne répond pas à « qui est cette personne ? » : c’est l’identification du locuteur, qui associe une voix à une identité connue.
Dans Voice Note Transcriber, les étiquettes de locuteur sont une option de l’abonnement Power. Activez Speaker labels (étiquettes de locuteur) avant d’envoyer un enregistrement, choisissez Transcribe (transcrire), et le résultat affiche chaque prise de parole sur sa propre ligne, sous la forme Speaker A, Speaker B, etc. Ce guide s’adresse à celles et ceux qui transcrivent leurs propres enregistrements sur téléphone. Si vous êtes développeur et cherchez un modèle ou une API de diarisation, consultez la documentation des plateformes de reconnaissance vocale.
QUI A PARLÉ, ET QUAND
Comment obtenir une transcription avec étiquettes de locuteur
1. Partez d’un enregistrement adapté
La diarisation fonctionne le mieux quand les voix sont distinctes et que chacun parle à son tour. Utilisez un enregistrement que vous avez le droit de traiter : une réunion, une interview, un appel enregistré avec accord ou un épisode de podcast. Importez le fichier audio ou vidéo, partagez-le avec l’app ou enregistrez dans l’app (jusqu’à 2 heures par enregistrement). Les enregistrements très longs peuvent être refusés pour la détection des locuteurs : essayez alors un enregistrement plus court.
2. Activez Speaker labels, puis envoyez
Dans les options d’envoi, activez Speaker labels. L’option apparaît pour les abonnés Power et reste verrouillée pour les autres. Choisissez Transcribe pour une transcription prise de parole par prise de parole. Une tâche avec étiquettes de locuteur compte pour le double de sa durée dans l’utilisation de votre abonnement : réservez-la aux conversations à plusieurs voix.
3. Relisez, puis nommez les locuteurs
Lisez la transcription avec l’enregistrement. Les segments consécutifs d’une même voix sont regroupés en une seule prise de parole. Les étiquettes sont anonymes : décidez qui est Speaker A et qui est Speaker B, copiez le texte et remplacez les étiquettes par des noms dans votre propre document. Vérifiez de près les réponses courtes et les interruptions : ce sont les prises de parole les plus faciles à attribuer à la mauvaise voix.
QUI A PARLÉ, ET QUAND
Les étiquettes dans chaque résultat
Chaque tâche produit un seul résultat. Voici l’effet des étiquettes de locuteur sur chacun :
- Transcribe : une ligne par prise de parole, commençant par une étiquette comme « Speaker A: ».
- Translate : les mêmes étiquettes dans le même ordre ; seuls les propos sont traduits.
- Summarize : le résumé garde le style choisi, comme Action items, et attribue les points à un locuteur quand c’est utile. Il ne reprend pas chaque prise de parole.
- Summarize + Translate : ce même type de résumé, dans la langue cible.
- Si les étiquettes ne peuvent pas être conservées : la tâche échoue au lieu de renvoyer discrètement un texte sans étiquettes, et vous pouvez la relancer.
QUI A PARLÉ, ET QUAND
Quand les étiquettes se trompent
La diarisation déduit les changements de locuteur à partir du son seul : elle ne voit pas les visages et ne sait pas qui a été présenté. Ces situations demandent le plus de vérification :
- Paroles simultanées : quand deux personnes parlent en même temps, des mots peuvent tomber dans la mauvaise prise de parole.
- Voix proches : deux locuteurs qui se ressemblent peuvent être fusionnés sous une étiquette, ou une voix scindée en deux.
- Prises de parole très courtes : un « oui » ou un « d’accord » rapide est facilement attribué à la mauvaise personne.
- Distance et bruit : une voix loin du micro ou une pièce bruyante rendent les changements plus difficiles à détecter.
QUI A PARLÉ, ET QUAND
Des étiquettes propres à chaque enregistrement, et anonymes
Speaker A dans un enregistrement n’est pas la même personne que Speaker A dans un autre. Les étiquettes sont attribuées à chaque fois, dans l’ordre où les voix sont détectées. Ce ne sont pas des noms, et l’app ne reconnaît ni ne mémorise la voix de personne.
Les étiquettes s’appliquent aux nouvelles tâches envoyées avec l’option activée. Les résultats déjà traités ne les obtiennent pas après coup : renvoyez l’enregistrement si vous en avez besoin. Pour les interviews où les citations comptent, le guide de transcription d’interview approfondit l’attribution. Pour transformer une réunion étiquetée en actions, consultez le guide de transcription de réunion.
QUESTIONS
Questions sur la diarisation
La transcription affichera-t-elle les noms des personnes ?
Non. Elle affiche des étiquettes anonymes : Speaker A, Speaker B, etc. Même si quelqu’un dit son nom, l’app ne remplace pas l’étiquette par ce nom. Remplacez vous-même les étiquettes après avoir vérifié l’enregistrement.
Speaker A est-il la même personne dans chaque enregistrement ?
Non. Les étiquettes sont attribuées séparément pour chaque enregistrement : la même lettre peut désigner des personnes différentes dans deux résultats.
Puis-je ajouter des étiquettes à une transcription existante ?
Pas à un résultat existant. Activez Speaker labels et renvoyez l’enregistrement comme nouvelle tâche. Elle compte dans l’utilisation de votre abonnement comme toute tâche avec étiquettes de locuteur.
S’agit-il d’une API ou d’un SDK de diarisation ?
Non. Voice Note Transcriber est une app iPhone et Android pour vos propres enregistrements. Les développeurs qui ont besoin de diarisation dans leur logiciel doivent utiliser l’API d’une plateforme de reconnaissance vocale.
Découvrez l’app et ses fonctionnalités ou apprenez à importer des fichiers audio et vidéo.
QUI A PARLÉ, ET QUAND
Voyez qui a dit quoi, puis appropriez-vous le texte.
Téléchargez Voice Note Transcriber pour iPhone ou Android, activez Speaker labels avec Power et transcrivez un enregistrement prise de parole par prise de parole.
L'interface de l'app est pour l'instant en anglais. Elle transcrit les messages vocaux en français et peut traduire le texte en français.