Kensho

Les modèles acoustique et de langage ont été entraînés sur de l'audio financier annoté par S&P Global, environ 300 000 heures dans la version actuelle. Le vocabulaire d'une conférence de résultats, les symboles boursiers et les intitulés de poste y sont donc reconnus. Les systèmes pensés pour la conversation courante se trompent précisément sur ces termes.

Scribe ponctue le texte et retire hésitations, faux départs et répétitions au fil de l'écriture. La sortie ressemble à une transcription déjà relue. Le lecteur et les traitements de langage naturel n'héritent pas du bruit de l'audio. Pour un desk d'analyse, c'est la différence entre un document exploitable et un déversement brut.

Des modèles distincts repèrent les changements de voix et attribuent chaque prise de parole. À la lecture d'une conférence, on distingue d'un coup d'œil la réponse du directeur financier des consignes de l'opérateur. Pendant les questions, où plusieurs voix se croisent, la segmentation pèse encore plus lourd.

Une requête POST avec l'audio ou la vidéo lance le traitement, soit en téléversant le fichier, soit en passant un lien que Scribe récupère. La réponse contient un identifiant et le travail se poursuit en arrière-plan. Vous interrogez l'état ou attendez le callback, puis récupérez le résultat en JSON ou en Word.

L'endpoint temps réel accepte de l'audio non compressé au fil de la captation et renvoie du texte pendant la session. La connexion dure jusqu'à cinq heures avec un envoi au double du temps réel, de quoi tenir une réunion ou un long webinaire. C'est la voie pour le sous-titrage en direct et la prise de notes.

Quand la sortie automatique ne suffit pas, le service avec relecture humaine ajoute des transcripteurs professionnels qui corrigent et mettent en forme. Vous réglez la priorité selon votre contrat, et les délais pour les niveaux haut, moyen et bas sont convenus d'avance. Le résultat arrive en document Word.