Les mots que la reconnaissance vocale rate lors d’un office ou d’une séance du conseil sont ceux qui figurent déjà sur papier. Donnez-lui l’ordre du jour, prenez le son à la table de mixage plutôt que dans la salle, et un événement hebdomadaire coûte moins que le café qui suit.
Un office dominical, un cours du mardi et une réunion mensuelle du conseil ont plus de points communs qu’il n’y paraît. Chacun se déroule encore et encore dans la même salle, chacun est assuré par un bénévole ou un secrétaire plutôt que par une société de sonorisation, et chacun s’adresse à des personnes qui suivraient mieux dans une autre langue, à d’autres qui entendent mal et à celles qui ne peuvent pas venir du tout. Le budget est modeste et les responsables changent. La personne qui a mis tout cela en place l’an dernier a généralement été réaffectée au planning des fleurs.
Cet article explique comment configurer VocalStack une seule fois pour une salle de ce type, afin que chaque semaine suivante se résume à appuyer sur démarrer. Il présente aussi les quelques éléments qui déterminent si les mots affichés à l’écran sont justes. Pour la version ponctuelle, une conférence avec plusieurs scènes, voir Organiser une conférence multilingue avec sous-titres en direct. Commencez par ce que vous allez imprimer.
Une diffusion est un lien public unique accompagné d’un code QR. Chacun peut ouvrir le lien dans un navigateur, choisir une langue et lire pendant que l’orateur parle. Rien à installer, aucun compte à créer. Une même diffusion peut être alimentée par autant de transcriptions en direct que vous le souhaitez : l’enregistrement de ce dimanche et celui du suivant apparaissent donc à la même adresse.
Imprimez le code QR une fois et placez-le sur le panneau d’affichage, dans l’ordre du service, sur les diapositives du cours ou sur le mur de la galerie publique. Les auditeurs le scannent pour ouvrir la traduction en direct et choisir leur langue. Si vous renommez un jour le lien, l’ancien continue d’ouvrir la même diffusion, et les dépliants de l’an dernier restent donc valables.
Un auditeur qui ouvre le lien en avance voit que la diffusion n’a pas encore commencé. Quelqu’un qui arrive en retard voit tout ce qui a été dit avant son arrivée, puis suit en direct. Un auditeur dont la connexion est coupée rattrape seul son retard.
Une diffusion est publique par défaut, ce qui convient à un office ou à une séance du conseil, et ne convient pas à une réunion à huis clos ou à un séminaire. Dans ces cas, passez-la en privé et définissez un mot de passe : seules les personnes qui disposent du mot de passe peuvent ouvrir le lien, et on le leur demande avant d’afficher la transcription. Dans tous les cas, indiquez de façon visible que la salle est transcrite et où le texte est publié. Les personnes qui prient à voix haute, ou qui parlent trois minutes pendant la période de questions du public, ne s’attendent pas forcément à une transcription. Une ligne le précisant dans l’ordre du service ou sur l’ordre du jour ne coûte rien. Créez la diffusion sur {{app}}/broadcasts/new.
Un lien ne suffit pas : il faut encore que quelque chose y dépose des mots.
Avant tout logiciel, il y a le son. Les salles conçues pour les assemblées et les conseils sont faites pour la réverbération : pierre, hauts plafonds, bancs en bois. Un téléphone ou un ordinateur posé sur le pupitre entend l’orateur une fois directement, puis plusieurs fois après des rebonds sur les murs. La distance combinée à l’écho est de loin la première cause des erreurs de reconnaissance, bien devant les accents. Si la salle dispose d’une table de mixage, prenez le signal depuis celle-ci (une sortie auxiliaire ou d’enregistrement) afin que le système de reconnaissance entende ce qu’entendent les micros. Toute personne qui se déplace, comme le prédicateur qui quitte la chaire ou le conférencier devant le tableau blanc, devrait porter un micro-cravate ou un micro-serre-tête plutôt que de compter sur un micro sur pied. Corrigez cela et la plupart des autres problèmes deviennent des réglages.
La plupart des églises, universités et conseils disposent déjà de ce son de table de mixage quelque part, et une transcription en direct peut le prendre à cet endroit plutôt que sur un appareil placé dans la salle.
Pour un flux, VocalStack récupère lui-même le son ; rien ne tourne de votre côté. L’adresse doit toutefois être accessible depuis Internet. Un flux qui n’existe que sur votre réseau local doit être enregistré depuis un appareil placé dans la salle. Lancez une transcription en direct sur {{app}}/transcriptions/new/live et rattachez-la à la diffusion.
Une fois le bon son arrivé, les erreurs qui subsistent sont les erreurs prévisibles.
Les mots qu’une reconnaissance vocale rate dans une église, un amphithéâtre ou une salle du conseil sont prévisibles : noms de personnes et de lieux, références bibliques, termes techniques, points de l’ordre du jour. La raison est structurelle. Un système de reconnaissance choisit les mots les plus probables au vu du son, et il apprend ces probabilités à partir de ce que les gens disent habituellement. Un nom de famille rare perd donc face à un mot courant qui sonne de la même façon, à chaque fois. La réponse du domaine, appelée biasing ou vocabulaire personnalisé, consiste à indiquer au système les mots rares à attendre. Ce qui est utile pour une salle qui se réunit chaque semaine, c’est que ces mots sont précisément ceux qui sont déjà écrits avant l’événement.
Ajoutez un script ou des diapositives avant de démarrer. Les noms et les termes qu’ils contiennent sont alors prioritaires sur ce que le système a mal entendu. Personne n’a à les lire mot à mot : un plan de sermon, un document distribué ou l’ordre du jour publié contient déjà la plupart des noms propres. Pendant l’enregistrement, l’onglet Script de l’écran de l’hôte suit le texte comme un téléprompteur et met en évidence les mots déjà prononcés.
Les scripts peuvent être rédigés à l’avance et recevoir une heure de début ; la bibliothèque les liste sous Upcoming avec un bouton Start. C’est pratique pour un planning : une personne ajoute le texte le vendredi, une autre appuie sur Start le dimanche.
Si un mot reste mal transcrit, l’onglet Fix signale les mots incertains et permet à l’hôte de cliquer sur une ligne pour la corriger pendant que l’enregistrement est en direct ; les auditeurs voient la correction.
Avoir les bons mots est une moitié du travail ; l’autre est de savoir qui les a prononcés.
Le commutateur des étiquettes de locuteurs a trois positions. When Needed attribue une étiquette à chaque ligne dès qu’on entend plus d’une voix ; sinon, la transcription est un texte simple. On étiquette chaque ligne, même pour un seul locuteur. Off donne un texte simple. Pour un sermon, When Needed signifie qu’une seule voix produit une prose continue ; pour un conseil d’une douzaine de membres, chaque ligne porte le nom de son locuteur.
Les étiquettes commencent par des numéros. Dans un enregistrement, vous pouvez nommer un locuteur, et ce nom s’applique à toutes ses lignes. Pour les personnes qui parlent chaque semaine, allez plus loin et enregistrez leur voix. Vous pouvez créer une voix à partir de tout locuteur qui parle au moins trente secondes dans un enregistrement, ou à partir d’un court enregistrement qu’il fournit. Le locuteur est alors reconnu et étiqueté par son nom dans les enregistrements suivants ; et si les auditeurs choisissent d’entendre la traduction lue à voix haute, elle est lue dans la voix propre de ce locuteur, dans toutes les langues. Sans clonage, chaque locuteur reçoit une voix prédéfinie distincte, du même genre, et tout locuteur peut être mis en sourdine.
Une voix clonée est une donnée biométrique. VocalStack ne crée une voix qu’avec le consentement explicite du locuteur, ne l’utilise que pour lire à voix haute les propos de ce locuteur, et vous permet de la supprimer à tout moment. Les conseillers et le clergé sont des personnalités publiques dans leur salle ; cela ne vaut pas consentement, demandez donc.
Pour un conseil, c’est là que la transcription devient un procès-verbal. Avec chaque ligne étiquetée par son nom, le compte rendu montre enfin qui a dit « je pense que nous avons déjà traité ce point » pour la quatrième fois. Ce qui soulève la question de savoir à qui s’adresse ce compte rendu.
Les premiers bénéficiaires sont les habitués sourds ou malentendants, et non les visiteurs qui lisent dans une autre langue, bien que ceux-ci soient les bienvenus. Une boucle magnétique (boucle d’induction) aide les personnes qui portent des appareils auditifs et ne sert à rien pour les autres ; les sous-titres sur un téléphone aident le reste de l’assistance, et les deux se complètent au lieu de se concurrencer. Dans de nombreux pays, les pouvoirs publics ont des obligations d’accessibilité et de réunions publiques, et une transcription que le public peut lire en direct comme après coup contribue fortement à les remplir. Vérifiez ce qui s’applique localement.
Soyez honnête sur ce que sont les sous-titres automatiques. Un sous-titreur humain (le service s’appelle CART dans certains pays) écoute, comprend et tape. Lors d’un débat animé au conseil où trois membres parlent en même temps, un humain fera toujours mieux qu’une machine. La parole qui se chevauche produit des erreurs dans tout système automatique, et il en va de même pour le président qui marmonne hors micro. Lorsqu’une obligation légale impose des sous-titres intégraux, les sous-titres automatiques sont un complément et non un remplacement ; là où l’alternative est le néant, ils représentent une amélioration considérable.
La transcription vaut aussi davantage le lendemain.
Chaque enregistrement arrive dans votre bibliothèque, et la page de la diffusion liste les enregistrements passés pour toute personne disposant du lien. Quelqu’un qui a manqué la réunion peut la réécouter exactement telle qu’elle a été captée, ligne par ligne, avec son audio.
Une fois les mots définitifs, un titre et un résumé sont rédigés dans chaque langue. Une recherche dans votre langue retrouve aussi les enregistrements faits dans une autre, de sorte qu’un secrétaire peut retrouver le mois où un point a été examiné et un étudiant le cours qui a couvert un chapitre. Les exports se font en sous-titres SRT, PDF, Excel ou JSON, avec corrections et traductions incluses ; un PDF de la transcription traduite se joint très bien au procès-verbal. Si l’une de ces opérations doit se faire sans intervention humaine, l’API fait tout ce que fait le tableau de bord, au même tarif, dans tous les forfaits : voir {{api}}/docs.
Tout cela doit tenir dans le budget d’une paroisse ou d’un comité.
La transcription en direct coûte $0.60 par heure d’audio, facturée à la seconde avec un minimum de 5 minutes par transcription, dans tous les forfaits. Les auditeurs sont gratuits, quel que soit leur nombre, et la traduction vers jusqu’à 10 langues par transcription est incluse.
Un nouveau compte reçoit $5 de crédit d’inscription unique et ne demande aucune carte bancaire. Ce crédit couvre plus d’un mois de dimanches. Ensuite, vous rechargez au fur et à mesure, ou vous prenez Premium à $50 par mois ($40 par mois avec l’abonnement annuel). Premium inclut chaque mois $50 de crédit, soit 83 heures de direct. Il conserve aussi chaque enregistrement pendant toute la durée du compte, au lieu de 30 jours, et il n’interrompt pas une transcription si le crédit s’épuise en pleine réunion. Deux remarques pratiques pour le trésorier. Avec le paiement à l’usage, une transcription peut mettre jusqu’à 15 secondes à démarrer à froid : appuyez donc sur Start avant le cantique d’ouverture plutôt que pendant. Et un direct YouTube déjà terminé est une vidéo ; il est donc transcrit comme un fichier, au tarif fichier, nettement plus bas.
Pour une salle et un événement récurrent, le paiement à l’usage suffit. Pour une institution qui veut que chaque enregistrement reste consultable des années plus tard, ou qui gère plusieurs salles à la fois, Premium est le bon choix. Le tableau complet, avec les limites et les durées de conservation, se trouve sur la page tarifs, et la démonstration interactive montre ce que voit un auditeur.
