Vue d’ensemble
POST /v1/transcribe reçoit un enregistrement et renvoie ce qui a été dit, sous forme de texte. Au Sahel, on envoie bien plus de notes vocales qu’on ne tape de messages : la transcription permet à votre application de les lire, de les rechercher, de les classer ou d’y répondre.
- Modèle :
speech-recognition(bêta) - Langues : haoussa
ha(par défaut), zarmadje, françaisfr - Entrée : WAV, MP3, M4A/AAC, OGG/Opus, WebM ou FLAC ; jusqu’à 25 Mo et 5 minutes
- Ce qui est compté : la durée de l’audio que vous envoyez
Démarrage rapide
Envoyez le fichier dans un champ multipart nomméfile, avec la langue à côté :
Réponse
Envoyer l’audio comme corps de la requête
Si votre enregistrement est déjà en mémoire, vous pouvez envoyer ses octets comme corps entier de la requête et mettrelanguage dans l’adresse. C’est pratique depuis un téléphone, où construire un formulaire multipart demande un travail de plus :
Requête
file
requis
L’enregistrement. L’API reconnaît le conteneur à partir du fichier lui-même : le nom du fichier et le type de contenu n’ont pas d’importance.
string
défaut:"ha"
La langue parlée :
ha, dje ou fr. Le modèle ne la détecte pas : envoyez la langue que vous attendez.Audio pris en charge
Un fichier que l’API ne sait pas lire renvoie
415 unsupported_audio. Plus de détails dans le guide formats audio.
Lire le résultat
textest en minuscules, sans ponctuation. Ajoutez vous-même les majuscules et les points si vous l’affichez.audio_secondsest la durée de ce que vous avez envoyé, c’est-à-dire ce qui a été compté.- Un enregistrement vide renvoie
400 empty_audio.
Bonnes pratiques
Enregistrez près de la personne qui parle
Enregistrez près de la personne qui parle
La plupart des erreurs viennent de la distance et du bruit, pas de la langue. Un téléphone tenu près de la bouche, à l’abri du vent, donne un bien meilleur texte qu’un téléphone posé sur une table à l’autre bout de la pièce.
Envoyez la langue que les gens parlent vraiment
Envoyez la langue que les gens parlent vraiment
Si un utilisateur a choisi le zarma dans votre application, envoyez
dje. Pour une parole qui mêle haoussa et français, envoyez la langue majoritaire.Ne convertissez pas avant d’envoyer
Ne convertissez pas avant d’envoyer
Envoyez la note vocale telle quelle. Convertir un OGG en WAV rend l’envoi environ dix fois plus lourd et n’améliore pas le texte.
Découpez les longs enregistrements
Découpez les longs enregistrements
Jusqu’à 5 minutes par requête. Pour une réunion ou une émission plus longue, coupez-la aux silences en morceaux de moins de 5 minutes et envoyez-les dans l’ordre. Voir la partie sur les longs enregistrements dans le guide formats audio.
Vérifiez ce qui compte
Vérifiez ce qui compte
Les transcriptions peuvent être fausses, surtout pour les noms, les nombres et l’audio bruité. Quand le texte sert à prendre une décision (une dose, un montant, une adresse), montrez-le à la personne ou faites-le vérifier par quelqu’un.
Limites
- 25 Mo et 300 secondes par fichier (
413 payload_too_large,413 audio_too_long). - Une langue par requête ; pas de détection automatique de la langue.
- Pas encore d’horodatage ni d’identification des locuteurs.
Voir aussi
Transcrire une note vocale
Tutoriel
Traduction
La parole directement en français ou en haoussa
Référence de l’API
POST /v1/transcribe