Pourquoi la Transcription Brute N'est Pas Assez
Imaginez parler une pensée à haute voix et avoir chaque « um », « uh », « you know » et faux départ capturés verbatim. C'est la transcription de parole brute. Le modèle Whisper — parmi les plus précis disponibles — enregistre fidèlement ce que vous dites, y compris tout ce que vous aimeriez qu'il ignore.
La version éditée de cette pensée, comme vous l'écririez dans un email ou un document, ressemble complètement différemment. Meilleure ponctuation. Hésitations supprimées. Structure appropriée. Registre professionnel.
L'écart entre ces deux versions est ce que l'enrichissement IA de texte comble.
Ce Qui Se Passe Entre Votre Voix et le Texte
Un pipeline de parole au texte avec enrichissement IA a deux étapes distinctes :
Étape 1 : Transcription. Votre audio est traité par un modèle de reconnaissance vocale — dans le cas de Telvr, Whisper large-v3. Cela convertit les formes d'onde audio en texte avec haute précision. La sortie est une transcription brute : ce que vous avez dit, y compris toutes les imperfections naturelles de la parole parlée.
Étape 2 : Enrichissement. La transcription brute est passée à un modèle de langage avec une invite spécifique décrivant quoi en faire. Le modèle de langage transforme la transcription en sortie formatée — supprimant les hésitations, restructurant les phrases, appliquant les règles de formatage et adaptant le registre au contexte cible.
L'étape d'enrichissement n'est pas un simple trouver-remplacer pour « um » et « uh ». Elle applique une véritable compréhension du langage pour produire une sortie qui se lit comme si une personne réfléchie l'avait écrite.
Les Six Modes d'Enrichissement Expliqués
Transcription Brute
Le mode le plus simple : post-traitement minimal, sortie proche de ce que Whisper produit. Utile quand vous avez besoin de la transcription littérale — citer quelque chose, enregistrer les paroles exactes ou capturer une formulation spécifique que vous voulez préserver.
Entrée : « the uh the main issue here is that we're seeing, uh, three times normal error rates on the payment endpoint starting from around two pm yesterday »
Sortie : « The main issue here is that we're seeing three times normal error rates on the payment endpoint starting from around 2 PM yesterday. »
Même en mode Brut, le nettoyage de base (capitalisation, nombres formatés constamment) s'applique.
Nettoyer et Corriger
Le mode quotidien polyvalent. Supprime les hésitations (um, uh, like, you know), corrige la grammaire, ajoute la ponctuation appropriée et produit une prose propre qui se lit comme si elle avait été tapée attentivement. C'est le bon défaut pour la plupart du texte à usage général : messages Slack, emails occasionnels, notes, documentation.
Email Professionnel
Transforme le contenu parlé en un email complet avec ligne d'objet, salutation, corps et fermeture. Le ton bascule vers professionnel mais naturel. Approprié pour la communication commerciale où vous voulez dicter la substance et laisser l'IA gérer le format.
Notes de Réunion
Structure le contenu parlé en format de notes de réunion standard : décisions, éléments d'action, contexte et prochaines étapes. Conçu pour les résumés post-réunion parlés immédiatement après la réunion pendant que la mémoire est fraîche.
Résumé 2-3 phrases
Condense la parole plus longue en un résumé serré de deux à trois phrases. Utile pour les résumés exécutifs, les mises à jour de statut et les situations où vous avez besoin de distiller beaucoup de contenu en une déclaration brève.
Tâche de Développement
Structure le contenu parlé comme une tâche de développement avec contexte, exigences et critères d'acceptation. La sortie correspond aux formats courants pour les problèmes GitHub, les tâches Linear et les tickets Jira.
Comment l'Enrichissement Est Implémenté
L'étape d'enrichissement utilise un grand modèle de langage avec une invite système soigneusement conçue pour chaque mode. L'invite définit le rôle (« Vous êtes un éditeur de texte professionnel »), la tâche (« Transformez la transcription de parole brute suivante en un email professionnel »), les règles (« Supprimez les mots de remplissage, corrigez la grammaire, ajoutez la ligne d'objet et la salutation ») et le format de sortie attendu.
La transcription Whisper brute est ensuite ajoutée comme le message utilisateur. L'LLM produit la sortie formatée en une seule passe d'inférence.
C'est pourquoi l'enrichissement ajoute seulement environ une seconde à la latence totale — une inférence LLM bien invitée sur un modèle efficace est rapide.
Choisir le Bon Mode
Le bon mode dépend du contexte pour lequel vous écrivez :
- N'importe quel texte général, Slack, notes : Mode Nettoyer
- Email dans un contexte professionnel : Mode Email
- Documentation post-réunion : Mode Notes de Réunion
- Mises à jour de statut, TLDRs, abstraits : Mode Résumé
- Problèmes GitHub, Linear, Jira : Mode Tâche de Développement
- Flux de travail personnalisé : Mode personnalisé avec votre propre invite système
Basculer entre les modes dans Telvr prend un clic sur le sélecteur de mode. Pour les utilisateurs qui ont un cas d'utilisation principal cohérent, le dernier mode sélectionné persiste entre les sessions donc vous n'avez pas besoin de le resélectionner.
Enrichissement vs Simple Nettoyage
La distinction entre « enrichissement » et « nettoyage » importe. Les outils de nettoyage simples supprimant les mots de remplissage et corrigeant la capitalisation — une opération relativement mécanique qu'un script de traitement de texte pourrait approximer.
L'enrichissement genuine applique la compréhension du langage. Elle restructure les phrases pour la clarté, pas seulement la correction. Elle identifie les éléments d'action dans un flux de parole et les formate avec les propriétaires et les délais. Elle prend « I'm writing to ask about the... » et la convertit en « I would like to inquire about... » en mode Email.
La différence est visible dans la sortie : le texte nettoyé mécaniquement se lit comme de la parole avec les um supprimés. Le texte enrichi se lit comme quelque chose qu'une personne a écrit.