Alors que la pandémie faisait des ravages dans le monde entier, les informations de santé publique ont dû être mises à disposition à grande échelle grâce à la technologie. Les dirigeants mondiaux et les organisations de santé ont dû faire connaître les mesures à prendre pour éviter la propagation du virus. Accessibilité l'information était la nécessité de l'heure. Et alors que le monde commençait à utiliser de plus en plus la sphère virtuelle pour rester connecté, le sous-titrage vidéo est devenu impératif.
Dans le monde du sous-titrage, la technologie de reconnaissance vocale exploite l'intelligence artificielle pour redimensionnez le processus de sous-titrage. Il coche deux critères : il permet de gagner du temps et de réduire les coûts. Les programmes d'IA sont formés pour produire une transcription de haute qualité à partir de la parole. Là où cela diffère de l'effort humain, c'est qu'il est évolutif, alors que la sténographie et l'écriture vocale comportent des dépendances au niveau humain individuel. Bien que la transcription et le sous-titrage humains soient toujours plus précis que l'automatisation, la reconnaissance vocale automatisée (ou automatique), c'est-à-dire l'ASR, pilote ce processus à grande échelle.
Cette production de synthèse vocale est rendue possible grâce à l'intelligence artificielle (IA). L'ASR a eu un impact significatif sur ces techniques de production. L'ASR a non seulement réduit les coûts de production, mais a également accéléré le processus. Cet objectif semblait irréalisable il y a seulement deux décennies, mais aujourd'hui, il est largement utilisé dans l'industrie des médias et du divertissement.
Qu'est-ce que l'ASR ?
Chaque fois qu'un ingénieur doit créer un programme, sa première étape consiste à rétroconcevoir le processus pour le comprendre au niveau des composants. La technologie ASR traditionnelle comporte trois composants. Premièrement, il existe un modèle acoustique qui prédit les phonèmes (la plus petite unité de parole), et le programme est entraîné à l'aide de courtes entrées audio pour l'aider à reconnaître ces phonèmes. Deuxièmement, il existe un lexique ou une entrée de vocabulaire que l'algorithme analyse en même temps que la composante acoustique. Et troisièmement, la composante linguistique globale, qui réunit les deux pour enchaîner les mots selon des modèles vocaux reconnaissables par machine.
En résumé : les machines sont entraînées à reconnaître des modèles de parole et de langage, puis à analyser ces informations pour obtenir un résultat textuel aussi proche que possible du résultat humain.
Limites de l'ASR
Mais l'ASR n'est pas une technologie parfaite. Cela dépend de nombreux facteurs, notamment la qualité audio, les accents du locuteur, les chevauchements de discours, etc. Un autre exemple de production de texte à partir de la parole qui comporte malheureusement une marge d'erreur est la répétition et la redondance de la parole. Les outils de saisie vocale qui ont évolué parallèlement à la culture linguistique et font partie du processus de pensée humain ne sont pas entièrement compris par les machines.
Les erreurs les plus courantes dans l'ASR se classent dans l'une des catégories suivantes :
- Ponctuation
- Grammaire
- Erreurs de reconnaissance des locuteurs, en particulier dans le cas de plusieurs locuteurs
- Faux départs et outils de saisie vocale : tous ces « ah », « euh » et « mm-hmms » que nous utilisons dans les conversations.
- Homonymes
- Discours et bruit de fond qui se chevauchent
- Mauvaise qualité audio
L'ASR est également confrontée à des difficultés dans les cas où un locuteur se corrige en milieu de phrase. Il s'agit de lacunes qu'un sous-titreur ou un transcripteur humain reconnaîtra et faire preuve de jugement pour rendre texte dans un format compréhensible qui reflète les intentions de l'orateur. La technologie de reconnaissance vocale a encore du chemin à parcourir pour discerner ces modèles de discours et comprendre le contexte.
Avantages de l'ASR
Cela dit, l'ASR est également l'une des technologies qui peuvent simplifier le sous-titrage et la transcription lorsque des considérations de coût et de temps doivent être prises en compte. L'une des solutions efficaces au problème d'imprécision consiste à ajouter une couche d'édition entre la reconnaissance vocale automatique et la transcription ultérieure. Mais soyez assuré que, comme dans la plupart des domaines technologiques, vous pouvez vous attendre à une amélioration des taux de précision dans les nouvelles itérations de la technologie.
Et indépendamment de ces limites, l'ASR joue un rôle dans le sous-titrage, en particulier pour les vidéos en direct qui ne bénéficient pas du luxe d'un temps de production suffisant. Les fournisseurs de sous-titres travaillent avec sous-titreurs humains pour les événements en direct et reconnaissent également le rôle que l'ASR peut jouer dans les instances de diffusion vidéo en direct.
Un autre rôle joué par l'IA dans le sous-titrage et la transcription est Traduction automatique (MT), ce qui est le besoin actuel dans le monde de la localisation. L'ironie, c'est que la localisation a ouvert la voie à la mondialisation et vice versa. La traduction des sous-titres, optimisée par l'IA, ouvre le monde des sous-titres aux locuteurs non natifs et non anglophones afin qu'ils puissent comprendre le contenu d'une manière plus intime et plus facile. Pendant la pandémie, ce service ajouté aux sous-titres pour les événements en direct et en ligne a permis aux participants du monde entier d'interagir avec le contenu. La consommation de contenu est devenue plus accessible et inclusive grâce à l'IA.
Comment SyncWords tire parti de l'IA
Alors que l'IA peut générer l'échelle et la rentabilité nécessaires pour générer des sous-titres, l'approche unique de SyncWords tire parti des contributions humaines dans les phases critiques du projet pour améliorer la précision, facteur clé pour améliorer la satisfaction des clients. Pour les sous-titres à la demande ou préenregistrés, la technologie d'IA exclusive de SyncWords synchronise le contenu multimédia de manière très précise avec la transcription, et en utilisant des transcriptions générées par des professionnels qualifiés, SyncWords produit des sous-titres chronométrés et rédigés avec précision. SyncWords propose également des sous-titres à partir de transcriptions ASR pour les clients qui souhaitent générer des sous-titres rapidement et à moindre coût, et qui acceptent d'utiliser du texte généré par ASR.
Pour les sous-titres en direct, SyncWords propose à la fois des sorties humaines et des sorties ASR. Cependant, pour les traductions en direct, nous encourageons les clients à utiliser les sous-titres humains comme source et à alimenter les traductions en direct dans plus de 100 langues grâce à la traduction artificielle.
Pour reprendre les termes de Ashish Shah, cofondateur de SyncWords: « Les technologies de base de SyncWords sont alimentées par sa technologie et son infrastructure exclusives d'apprentissage automatique. L'utilisation de l'intelligence artificielle associée à l'automatisation, aux outils et aux services humains a permis de réduire le temps de génération des sous-titres et des sous-titres de quelques jours à quelques minutes seulement. Cette approche hybride a énormément aidé nos clients et a amélioré leur production et la précision de leurs sous-titres. »
Emballer
L'intelligence artificielle a permis de programmer des machines avec de multiples règles tout en développant des algorithmes pour des technologies telles que l'ASR et la MT. Au cours des dix ou deux dernières années, de nombreuses plateformes et services d'intelligence artificielle ont vu le jour, tels que Siri, Alexa, Cortana, les chatbots et Google speech-to-text. Ajoutez à cela des résultats de recherche personnalisés et les réponses par e-mail demandées (parfois effrayantes !) pour simplifier le monde de la communication d'entreprise. Pour obtenir les meilleurs résultats en matière de sous-titrage, d'événements en direct ou de vidéos à la demande, il est préférable de combiner l'humain et l'IA, afin de tirer parti de la précision d'une sortie pour en alimenter une autre et obtenir les meilleurs résultats.
Lectures connexes sur le blog SyncWords
- 5 raisons pour lesquelles vous devriez sous-titrer les réunions en direct
- Sous-titrage en direct : 4 bonnes pratiques pour les événements virtuels
- Les origines, l'IA et l'avenir de SyncWords : entretien avec Ashish Shah
- Inclusion et accessibilité dans votre organisation
