Vocabulaire personnalisé
Certains mots sont rares dans les données à partir desquelles un modèle apprend, comme les noms propres, les noms de médicaments, les termes de produit ou le jargon. Le modèle peut donc se tromper sur ces mots dans les deux sens : la transcription les orthographie mal, et la parole générée les prononce mal. Cette page explique pourquoi, et quelle indication donner au modèle dans chaque sens.
Quelle indication appliquer
Chaque sens a sa propre indication, et aucune ne fonctionne dans l'autre :
| Transcription (reconnaissance vocale) | Génération de parole (synthèse vocale) | |
|---|---|---|
| Ce qui pose problème | L'orthographe du mot | La sonorité du mot |
| L'indication | Biais contextuels : les termes attendus, ou une description de l'enregistrement | Prononciation personnalisée : les sons du mot, sous forme de phonèmes |
| Ce que vous donnez | Texte | Phonèmes |
| Où cela fonctionne | Transcription de fichiers et en temps réel, et les paramètres de transcription des agents audio | |
| Paramètres | Biais contextuels et vocabulaire | Prononciation personnalisée |
Dans la transcription : biais contextuels
Le modèle entend des sons, pas des orthographes. Pour chaque segment audio, il choisit les mots qui correspondent le mieux à ce qu'il a appris, et rien dans l'audio n'indique qu'un mot est un nom de produit. Quand un nom rare ressemble à des mots courants, la version courante l'emporte : un nom de famille rare peut ressortir comme un nom plus courant, un nom de médicament comme un mot du quotidien, ou un nom de produit découpé en deux mots courants. Les biais contextuels indiquent au modèle quels noms et quels termes attendre, pour qu'ils ressortent orthographiés comme vous les écrivez.
Tous les noms n'ont pas besoin d'aide : transcrivez d'abord quelques enregistrements sans contexte pour identifier les termes qui ressortent mal. Les corriger après coup avec un rechercher-remplacer est fragile : un nom mal entendu ne ressort pas toujours de la même façon, et le contexte corrige l'orthographe pendant que le modèle transcrit.
Deux types de contexte
Vous pouvez indiquer au modèle ce qu'il doit attendre de deux manières : en listant les termes, ou en décrivant l'enregistrement en langage courant. Le modèle accepte les deux dans la même liste, où chaque entrée est soit un terme, soit un passage de texte.
| Mots-clés | Contexte libre | |
|---|---|---|
| Ce que vous donnez | Les termes qui doivent ressortir correctement, un par entrée : noms, acronymes, codes produit. Une entrée peut contenir plusieurs mots, comme « Customer Success Platform ». | Une phrase ou un paragraphe qui décrit l'enregistrement : son sujet, les personnes, et les noms et outils qui sont mentionnés. |
| Exemple, pour une consultation médicale | Dr Nakamura, metformine, HbA1c | « Consultation de suivi avec le Dr Nakamura au sujet du traitement du diabète d'un patient : la dose de metformine et les derniers résultats d'HbA1c. » |
| Convient quand | Vous connaissez le vocabulaire. | Vous connaissez la situation, mais ne pouvez pas lister tous les termes à l'avance. |
Donnez à chaque terme qui doit ressortir correctement sa propre entrée.
Ce que le biais contextuel fait et ne fait pas
Le contexte change les mots que le modèle privilégie. Il ne change pas ce que le modèle entend.
- Il privilégie vos termes, mais ne les impose pas. Le modèle écrit toujours ce qu'il entend, donc un terme de la liste peut tout de même ressortir mal. Vérifiez les transcriptions de quelques enregistrements réels après avoir ajouté du contexte.
- Il s'applique à une seule requête ou session. Envoyez le contexte avec chaque fichier que vous transcrivez, ou au début de chaque session en temps réel, avant tout audio. Vous ne pouvez pas le modifier une fois l'audio démarré.
- Il partage l'espace avec l'audio. Consultez Biais contextuels et vocabulaire pour cette erreur.
Dans la génération de parole : prononciation personnalisée
Une voix lit un texte en devinant comment se prononce chaque mot à partir de son orthographe. Les mots courants sont faciles. Un nom de famille venu d'une autre langue, un nom de marque à l'orthographe inhabituelle ou un acronyme que l'on prononce comme un mot n'ont pas de lecture évidente : la voix peut donc mal les prononcer, et la même orthographe ne lui indique pas quelle lecture vous souhaitez.
La prononciation personnalisée supprime la devinette : pour chaque mot qui en a besoin, vous donnez les sons à prononcer, écrits sous forme de phonèmes, les unités d'un alphabet phonétique. La voix prononce alors ce mot à votre façon, dans chaque phrase de la requête où il apparaît.
- Elle fonctionne requête par requête. Envoyez les prononciations avec chaque requête de génération de parole qui contient ces mots.
- Elle utilise un ensemble fixe de phonèmes. L'API accepte uniquement les phonèmes de sa propre liste et rejette toute requête contenant un autre symbole. La liste se trouve sur Prononciation personnalisée.
- Elle change les mots, pas la manière de les dire. Pour changer le ton ou le rythme, utilisez les balises d'émotion et de rythme ou les instructions de style.
Applications qui entendent et parlent
Une application qui écoute et qui parle, comme un agent audio, peut rencontrer le même nom dans les deux sens : quand l'utilisateur le prononce, et quand l'agent le prononce à son tour. Donnez à chaque sens sa propre indication : le nom écrit en tant que contexte pour la transcription, et ses phonèmes pour la voix.
Fixer la langue est une autre façon d'éviter les mots erronés lors de la transcription, mais cela agit à un autre niveau : cela indique au modèle quelle langue transcrire, et non quels mots choisir. Réglez ce paramètre sur Transcription de fichiers ou Transcription en temps réel, avec les codes de la page Langues.