Passer à la navigation

Speech to Text

Guide de transcription audio avec ElevenLabs
Fonctionnalité du produit Text to Speech

Présentation

Avec Speech to Text, vous pouvez transcrire l’audio parlé en texte avec une précision de pointe. Grâce à la détection automatique de la langue, vous pouvez transcrire de l’audio dans de nombreuses langues.

Créer une transcription

1

Importez un fichier audio

Dans le Dashboard ElevenLabs, accédez à la page Speech to Text et cliquez sur le bouton « Transcrire des fichiers ». Dans la fenêtre modale, vous pouvez importer un fichier audio ou vidéo à transcrire.

Importation Speech to Text

2

Sélectionnez les options

  • Sélectionnez la langue principale de l’audio si vous la connaissez. Vous pouvez laisser l’option sur « Détecter », et toutes les langues présentes dans l’audio seront automatiquement détectées.

  • Choisissez si vous souhaitez étiqueter les événements audio tels que les rires ou les applaudissements à l’aide du bouton bascule « Étiqueter les événements audio ».

  • Les prompts de termes clés vous permettent d’ajouter jusqu’à 1 000 mots ou expressions afin d’orienter le modèle vers leur transcription. Cette fonctionnalité est utile pour transcrire des mots ou phrases spécifiques peu fréquents dans l’audio, tels que des noms de produits, des noms propres ou d’autres termes précis.

Lorsque vous êtes prêt, cliquez sur le bouton « Importer des fichiers » pour envoyer le fichier.

3

Affichez les résultats

Cliquez sur le nom du fichier audio importé dans le panneau central pour afficher les résultats. Vous pouvez cliquer sur un mot pour lancer la lecture de l’audio à cet endroit.

Cliquez sur le bouton « Exporter » en haut à droite pour télécharger les résultats dans différents formats.

Éditeur de transcription

Une fois votre transcription créée, vous pouvez la modifier dans notre Éditeur de transcription. En savoir plus dans ce guide.

FAQ

Oui, l’outil prend en charge l’importation de fichiers audio et vidéo. La taille maximale des fichiers est de 3 Go.

Renommer les intervenants

Oui, vous pouvez renommer les intervenants en cliquant sur le bouton « Modifier » à côté du libellé « Intervenants ».

Speech to Text convertit l’audio parlé en texte écrit. Chez ElevenLabs, notre modèle Speech to Text est Scribe. Il vous permet de transcrire avec précision la parole dans plus de 90 langues afin de transformer facilement l’audio en texte lisible et consultable.

Fonctionnalités clés de Scribe

  • Grande précision, avec 98 % de précision dans les principales langues comme l’anglais, le français, l’italien, le portugais, l’espagnol et l’allemand.
  • Horodatages précis au niveau des mots, pour voir exactement quand chaque mot est prononcé.
  • Diarisation intelligente des locuteurs, qui identifie et sépare automatiquement les différents locuteurs.
  • Balises audio dynamiques pour détecter les sons autres que la parole.
  • Prise en charge de մինչև 32 locuteurs tout en maintenant une grande précision.

Nouveautés de Scribe v3

Scribe v3 est notre modèle Speech to Text le plus précis. Par rapport à Scribe v2, il offre :

  • Moins d’erreurs de transcription. Lors du benchmark FLEURS sur 102 langues, Scribe v3 commet 27 % d’erreurs de mots en moins que Scribe v2.
  • Des étiquettes de locuteurs plus précises pour les audios comportant plusieurs locuteurs.
  • Mise en forme des nombres. Via l’API, vous pouvez choisir si les nombres sont écrits en chiffres ou en toutes lettres.
  • Langues secondaires. Via l’API, vous pouvez indiquer d’autres langues attendues dans l’audio pour améliorer la précision des audios multilingues.

Scribe v3 conserve les capacités introduites dans Scribe v2 :

  • Guidage par termes clés. Vous pouvez fournir jusqu’à 100 mots ou expressions pour aider le modèle à transcrire correctement les termes importants. L’utilisation du guidage par termes clés augmente le coût de 20 %.
  • Détection d’entités. Vous pouvez choisir des catégories précises d’informations à détecter dans la transcription, comme les numéros de carte bancaire, les noms ou les pathologies. La détection d’entités est disponible uniquement via API et augmente le coût de 30 %.
  • Prise en charge intelligente du multilingue. Vous pouvez envoyer un audio contenant plusieurs langues, et Scribe détectera et transcrira automatiquement chacune d’elles correctement.
  • Stabilité améliorée. Scribe gère les pauses, les changements de ton et les longs silences sans interruption ni perte de précision.

Quelle version utiliser ?

Nous recommandons Scribe v3 (scribe_v3) lorsqu’une transcription très précise est requise. Il est disponible sur notre site web et via notre API. Lorsque vous utilisez Speech to Text sur notre site web, Scribe v3 est le modèle par défaut. Les Workspaces dans des environnements de résidence des données utilisent Scribe v2.

Pour les audios médicaux et cliniques, utilisez Scribe v2 Medical (scribe_v2_medical) via la même API. Sa facturation est identique à celle de Scribe v2.

Pour les cas d’utilisation en temps réel, nous recommandons Scribe v3 Live (scribe_v3_live), disponible via l’API temps réel. ElevenAgents utilise Scribe v2 Realtime par défaut.

Pour plus de détails, consultez notre documentation Speech to Text.

Speech to Text prend en charge plus de 90 langues. 

Pour consulter la liste complète des langues prises en charge, consultez la section sur la prise en charge des langues de notre documentation Speech to Text.

La limite de requêtes simultanées, c’est-à-dire les requêtes exécutées en parallèle, dépend de votre abonnement et de votre utilisation de Speech to Text ou de Realtime Speech to Text.

Vous trouverez ci-dessous les limites actuelles de requêtes simultanées pour Speech to Text.

ForfaitLimite de requêtes simultanées Speech to TextLimite de requêtes simultanées Realtime Speech to Text
Free86
Starter129
Creator2015
Pro4030
Scale6045
Business6045
EnterpriseAugmentéeAugmentée

Si vous avez besoin d’un nombre plus élevé de requêtes simultanées, contactez directement notre service Enterprise via cette page. Nous serons ravis d’échanger avec vous sur un forfait sur mesure répondant à vos besoins spécifiques.

Pour estimer la limite de requêtes simultanées nécessaire à votre trafic, utilisez l’estimateur de requêtes simultanées.

No results