La parole en toute simplicité

Questions fréquentes

Mon téléphone intègre déjà la traduction en direct : pourquoi aurais-je besoin de VocalStack ?

Un téléphone fait tourner un petit modèle vocal qui doit tenir dans l’appareil et ménager la batterie. Cela suffit pour des phrases courtes, claires et courantes. Pas pour ce qui pose réellement problème dans la parole : les mots et les noms peu courants, les homophones (« vers » et « verre », « sain » et « saint »), les termes techniques, les accents, les personnes qui parlent en même temps et le bruit de fond. Le modèle devine, la traduction repose sur cette supposition, et personne dans la salle ne peut voir qu’elle était fausse.

VocalStack fonctionne sur des serveurs : les modèles sont complets et chaque réplique est vérifiée par rapport au contexte après la reconnaissance. Importez d’abord un script ou des diapositives, et les noms et termes qu’ils contiennent l’emportent sur ce qui a été mal entendu. Si une erreur subsiste, vous pouvez corriger la réplique en direct et chaque auditeur voit la correction.

Un téléphone entend aussi la salle, pas l’intervenant, et il traduit pour une seule personne : cinquante téléphones donnent cinquante transcriptions différentes. VocalStack prend l’audio directement depuis la table de mixage, le flux ou le micro, transcrit l’intervenant une seule fois, et chacun lit ou écoute la même chose dans sa propre langue. La traduction est lue à voix haute avec la voix de l’intervenant, pour que les auditeurs entendent la personne sur scène, et non une voix robotique générique.

Suis-je facturé par auditeur ? Comment fonctionnent les tarifs ?

Non. Les auditeurs sont gratuits, quel que soit leur nombre et la langue dans laquelle ils lisent ou écoutent. Vous payez l’audio transcrit, à la seconde, avec un minimum de 5 minutes par transcription, et c’est tout : la traduction dans jusqu’à 10 langues, les traductions vocales, la diffusion, les résumés et les exports sont inclus.

Voir les tarifs et les forfaits

Les fichiers et les transcriptions en direct ont des tarifs différents, identiques sur tous les forfaits, et Premium inclut 50 $ de crédit chaque mois. Tous les forfaits ont les mêmes fonctionnalités, et l’API est facturée au même tarif que le tableau de bord.

De quoi les auditeurs ont-ils besoin pour suivre ?

Un lien ou un QR code, et un téléphone. Rien à installer, aucun compte à créer. L’auditeur ouvre le lien dans un navigateur, choisit une langue et lit la transcription au fil de la parole. S’il préfère écouter, chaque réplique traduite est aussi lue à voix haute. Il peut changer de langue à tout moment ; la transcription déjà affichée est relue dans la nouvelle.

Un auditeur qui arrive en retard voit tout ce qui a été dit avant son arrivée, puis suit en direct. Si la connexion est coupée, la page se remet à jour toute seule dès qu’elle revient.

L’audio doit-il venir d’un microphone ?

Non. Une transcription en direct peut écouter un micro sur n’importe quel appareil, un flux RTMP depuis OBS ou un encodeur de diffusion, un direct YouTube, une station de radio en ligne ou toute URL qui fournit un flux. Pour un flux, VocalStack récupère l’audio lui-même : rien ne tourne de votre côté.

Un même lien de diffusion peut être alimenté par plusieurs transcriptions : une conférence avec deux scènes, ou une station avec un flux radio et un direct YouTube, partage toujours un seul lien.

Puis-je contrôler qui voit la transcription ?

Oui. Une diffusion est publique par défaut : toute personne qui a le lien peut la suivre. Rendez-la privée et définissez un mot de passe, et seules les personnes à qui vous donnez les deux peuvent y accéder. Renommez le lien plus tard : l’ancien continue de fonctionner. Vous pouvez aussi voir qui écoute, dans quelle langue et depuis quand.

L’auditeur entend-il le véritable intervenant ou une voix de synthèse ?

Au choix. Par défaut, chaque locuteur reçoit une voix prédéfinie distincte, du même genre, pour qu’une table ronde sonne toujours comme une table ronde. Avec l’accord du locuteur, vous pouvez cloner sa voix à partir de trente secondes d’audio : la traduction est alors lue avec sa propre voix dans toutes les langues. Une voix clonée permet aussi de reconnaître le locuteur et de l’identifier par son nom dans les enregistrements suivants. Vous pouvez attribuer une voix à chaque locuteur, ou en couper un.

Que reste-t-il après l’événement ?

Tout. L’enregistrement, sa transcription avec corrections et traductions, et l’audio sont conservés dans votre bibliothèque. Un titre et un résumé sont rédigés dès que le texte est définitif, dans toutes les langues. Vous pouvez le rejouer exactement comme il est arrivé, rechercher dans toutes les transcriptions dans votre langue, et l’exporter en sous-titres SRT, PDF, Excel ou JSON.

Puis-je l’intégrer à mon propre produit ?

Oui. Tout ce que fait le tableau de bord est disponible via l’API, au même tarif : transcription en temps réel via un WebSocket, transcriptions en direct avec diffusions, traduction et traductions vocales, tâches sur fichiers et liens, et un serveur MCP. Des SDK officiels pour TypeScript et Python sont inclus. Les auditeurs peuvent s’abonner à un enregistrement depuis votre propre application avec un code de partage, sans clé API.