Transcription longue durée
Des heures d'audio découpées, transcrites et assemblées en un document Word propre, de droite à gauche, envoyé par e-mail.
Toutes les réalisations
Étude de cas · Voix et parole
La parole arabe, transformée en texte et en corrections.
Deux produits sur un même moteur vocal : un service qui transcrit de longs enregistrements arabes en documents Word prêts à modifier, et une application d'entraînement pour les écoles où l'élève lit à voix haute et reçoit une correction immédiate, mot par mot.
- Secteur
- Éducation et médias
- Notre rôle
- Modèles vocaux, applications, hébergement GPU
- Statut
- En production
- GPUreconnaissance vocale sur nos propres serveurs
- .docxdocuments Word de droite à gauche, envoyés par e-mail
- 1 gestepour s'enregistrer et être corrigé sur chaque mot
Le défi
Les outils standards peinent avec la parole arabe
Longs enregistrements, prononciation classique, voix multiples : les applications généralistes les tronquent, les déforment ou rendent un texte inutilisable sans tout ressaisir.
Les enseignants voulaient en plus ce qu'aucun service de transcription n'offre : une correction exploitable par l'enfant — quel mot a été oublié, lequel a été mal prononcé — sans lui montrer la sortie brute de la machine.
Ce que nous avons construit
Un moteur vocal, deux produits
Application de lecture à voix haute
L'élève s'enregistre sur Android ; l'application compare sa lecture au texte attendu.
Correction mot par mot
Les erreurs sont surlignées selon leur gravité : l'enfant voit exactement quoi corriger.
Des modèles entraînés pour la tâche
Des modèles vocaux affinés sur nos propres serveurs GPU, pour les voix et les textes qui comptent ici.
Un son fidèle
Les enregistrements sont captés tels quels, sans les « améliorations » du téléphone qui masquent les erreurs.
Sur notre infrastructure
L'audio est traité sur nos propres serveurs.
Comment ça marche
D'une voix à un résultat exploitable
-
Enregistrer
L'audio est capté fidèlement, dans l'application ou par envoi de fichier.
-
Reconnaître
Nos modèles vocaux le transcrivent sur nos propres GPU.
-
Comparer
La transcription est alignée sur le texte attendu, mot par mot.
-
Livrer
Un document Word par e-mail, ou une correction immédiate dans l'application.
Résultats
Plus de ressaisie, et une correction dès que l'élève s'arrête de lire
Les informations sur le client restent confidentielles. Références détaillées et démonstration sur demande.
Technologies
- Python
- PyTorch
- Whisper
- wav2vec2
- FastAPI
- Android
- nginx
- Les longs enregistrements transcrits sans saisie manuelle
- L'élève est corrigé dès la fin de sa lecture
- Les enseignants se concentrent sur les erreurs qui comptent
- L'audio reste sur notre infrastructure
Un projet similaire en tête ?
Décrivez-nous votre besoin : nous vous proposerons la solution la plus simple qui fait le travail, avec un devis clair.
Démarrer un projet