Identifiez les interlocuteurs dans un fichier audio Gratuit
Une transcription d’une conversation n’est utile qu’à moitié si l’on ne peut pas identifier qui a dit quoi.
ScribeGrab regroupe les voix qu’il entend et les organise Intervenant 1, Intervenant 2 devant chaque ligne, automatiquement, dans le texte et les sous-titres.
Pas de compte. 10 enregistrements par jour. Fichiers jusqu’à 60 minutes, et le compteur est remis à zéro à minuit.
Transcription intégrale et sous-titres disponibles ici. Censure sonore, traduction et sous-titres incrustés... outil complet.
Ce que l’identification des locuteurs vous apporte réellement
On l’appelle aussi la diarisation : ne pas reconnaître qui ce n’est pas de reconnaître quelqu’un, mais de remarquer que cette voix et celle-là sont deux personnes différentes, et de marquer où chacune parle. Le résultat est une transcription que l’on peut lire comme un scénario plutôt qu’un mur de texte.
- Interviews dans lesquelles les questions et les réponses sont clairement séparées
- Réunions où vous pouvez voir qui s’est engagé à faire quoi
- Podcasts avec deux ou trois animateurs, prêts pour les notes du programme
- Enregistrements de tribunaux, de recherches ou de cours dans lesquels la prise de parole est l’élément central
De l’enregistrement au transcript, voici comment procéder
Chaque segment de discours est transformé en une empreinte vocale (un « embedding » ECAPA-TDNN), et ces empreintes sont regroupées : les voix qui se ressemblent sont traitées comme appartenant à la même personne. Le groupe auquel appartient un segment détermine son étiquette, qui est ensuite inscrite dans les fichiers TXT, SRT et VTT.
Il fonctionne de manière autonome. Il n’y a pas de paramètres à configurer ni d’informations à lui fournir au préalable, y compris le nombre de personnes présentes dans la pièce.
Voici où il s’arrête (pour être honnête)
Il ne peut pas connaître le nom de qui que ce soit. Il n’a jamais entendu votre voix auparavant, il dira donc « Locuteur 1 », et non « Sarah » : lisez la première phrase prononcée par chaque personne et remplacez les étiquettes dans votre éditeur de texte.
- Il identifie de 2 à 8 locuteurs. Une seule voix n’a pas besoin d’étiquettes, et au-delà de huit, le regroupement devient peu fiable : il reste donc silencieux plutôt que de faire des suppositions.
- Il a besoin de quelques secondes de chaque voix pour obtenir une empreinte vocale suffisamment précise pour être regroupée. Une simple interjection peut être attribuée au locuteur voisin.
- Un chevauchement important des voix constitue le défi majeur pour tous les outils du marché, y compris le nôtre. Lorsque deux personnes parlent en même temps pendant une phrase entière, elles peuvent être regroupées sous une seule étiquette.
- Il fonctionne à partir de la voix, et non des canaux, donc peu importe si tout le monde a été enregistré avec un seul microphone.
La transcription elle-même n’est pas affectée : si les voix ne peuvent pas être distinguées de manière fiable, vous obtenez simplement la transcription normale sans étiquettes.
Compatible avec
Les étiquettes des intervenants sont générées à partir du même fichier que les autres éléments, ce qui permet de récupérer un enregistrement d’appel avec les étiquettes, les sous-titres et avec les jurons censurés si vous souhaitez le partager. Voir également transcrire une interview et un enregistrement Zoom ou Teams.
Vous n’avez besoin que des pages couvrant la partie d’un seul intervenant, et non de la transcription complète convertie en PDF ? Divisez vos fichiers PDF avec ScanReviver extrait uniquement la plage de pages dont vous avez besoin.
Par Sam Ridder, Je développe et gère ScribeGrab sur mon propre matériel, en toute autonomie. Qui je suis.
Questions fréquentes
Dois-je activer quelque chose ?
Non. Si deux voix distinctes ou plus sont détectées, les étiquettes sont ajoutées automatiquement dans la transcription et dans les deux formats de sous-titres.
Est-ce qu’il utilisera les vrais noms des personnes ?
Non, aucun outil ne peut le faire sans que l’on lui indique au préalable qui est qui. Vous obtiendrez « Intervenant 1 », « Intervenant 2 », etc. ; repérez la première ligne de chaque intervenant et remplacez les étiquettes dans votre éditeur de texte.
Combien de locuteurs peut-il gérer ?
De deux à huit. Au-delà, le regroupement des voix n’est pas assez fiable pour être affiché, il est donc préférable de ne pas afficher d’étiquettes plutôt que de faire une supposition erronée.
Pourquoi ma transcription ne contient-elle aucune étiquette ?
Soit il a entendu une seule voix, soit il a entendu plus de huit groupes, ce qui signifie que l’enregistrement était trop bruyant ou trop entrecoupé pour un regroupement fiable. La transcription elle-même reste complète.
L’identification des locuteurs est-elle gratuite ?
Oui, comme tous les autres outils ici : pas besoin de créer un compte, 10 enregistrements par jour, pas de filigrane, et votre fichier est supprimé immédiatement après le traitement.
ScribeGrab effectue-t-il la transcription audio avec une identification des locuteurs intégrée ?
Oui : l’identification automatique des locuteurs est activée pour chaque transcription contenant plus d’une voix, aucun logiciel ou module complémentaire d’identification des locuteurs distinct n’est requis. Elle est activée par défaut et incluse dans la version gratuite.
Comment fonctionne la transcription avec identification des locuteurs ici ?
Entièrement automatique, ce n'est pas un plugin. Après la transcription, l'outil analyse la voix sur des segments d'au moins 20 secondes et regroupe ceux qui se ressemblent ; chaque ligne se voit alors attribuer l'étiquette de locuteur du segment dans lequel elle se trouve. Ainsi, une étiquette de locuteur dans la transcription apparaît sous la forme « Locuteur 1 : » au début de la ligne. Il s'agit d'une transcription avec détection des locuteurs sans marquage manuel, et vous obtenez une transcription avec des étiquettes de locuteurs prête à l'emploi. Comme les segments sont assez longs, une ligne située juste au niveau d'un changement de locuteur peut recevoir l'étiquette du voisin.
S’agit-il d’un outil de diarisation audio ou d’un simple transcripteur ?
Les deux en un : il s’agit d’un outil de transcription complet avec diarisation (séparation des locuteurs) intégrée, et non d’une étape distincte ou d’un module complémentaire payant.
Que se passe-t-il si l’étiquette d’un locuteur est incorrecte ?
Cela se produit le plus souvent en cas d’interférences ou de deux voix très similaires. Les étiquettes sont estimées par l’IA, alors vérifiez rapidement les séquences qui se chevauchent et modifiez directement l’étiquette dans votre éditeur de texte : les horodatages facilitent la recherche de l’endroit exact.
Dans quel format les étiquettes des intervenants sont-elles fournies ?
Simples étiquettes « Intervenant 1 : », « Intervenant 2 : » et ainsi de suite au début de chaque intervention, à la fois dans la transcription et dans les sous-titres SRT/VTT, aucun logiciel spécial n’est nécessaire pour les lire, il suffit d’un éditeur de texte.
Puis-je effectuer une identification des intervenants en ligne sans rien installer ?
Oui, l’ensemble du processus, téléchargement, identification, transcription, s’exécute dans le navigateur sur nos GPU. Rien à installer, et le fichier est supprimé immédiatement après le traitement.
Comment puis-je obtenir une étiquette d’intervenant correcte pour chaque voix dans la transcription ?
C’est automatique et généralement précis pour un audio clair avec des voix distinctes ; en cas de chevauchement de voix ou d’intervenants au son très similaire, effectuez une vérification rapide et réétiquetez toute intervention incorrecte, aucun re-téléchargement n’est nécessaire pour cela.