Soniox.

Une même conversation peut mêler plusieurs langues

Dans une équipe internationale, la langue change d'une réunion à l'autre, mais aussi au sein d'une phrase. Soniox décrit une reconnaissance multilingue avec changements de langue, séparation des locuteurs et traitement en streaming. L'offre actuelle comprend aussi la synthèse et la traduction de la parole. Pour le développeur, ce sont des opérations distinctes d'une même plateforme ; cela ne promet pas que toute traduction apparaîtra automatiquement dans l'application souhaitée.

La documentation officielle distingue REST et WebSocket, fichiers enregistrés et flux en direct. Le choix dépend de la tâche : on peut vérifier un enregistrement d'archive après traitement, tandis que les sous-titres synchrones exigent de gérer soigneusement les fragments partiels et la fin des interventions. Vérifiez ensemble la langue prise en charge et l'opération choisie.

Exemple : discuter d'une maquette dans deux langues

Préparez un enregistrement autorisé de deux personnes discutant d'une interface de démonstration tout en conservant les noms des écrans en anglais. Faites obtenir à votre application la transcription originale avec des étiquettes de locuteurs et stockez la traduction séparément. La personne qui vérifie pourra ainsi distinguer les erreurs de reconnaissance des changements de sens introduits par la traduction.

Écoutez d'abord les passages où la langue change, les noms de famille et les numéros de version. Vérifiez ensuite que « pas encore prêt » n'est pas devenu une affirmation positive. Si deux interventions se chevauchent, signalez l'ambiguïté au lieu de les fusionner avec assurance. Dans une interface en direct, attendez le fragment définitif avant d'ajouter le texte au compte rendu. Le confort du streaming ne transforme pas chaque hypothèse précoce en résultat final.

Conservez les correctifs à côté de l'option d'origine afin qu'ils puissent être vérifiés à nouveau.

Synthèse, traduction et conditions d'accès

Soniox a son propre TTS avec une bibliothèque vocale et une synthèse logicielle; la documentation décrit séparément la traduction vocale. Si le projet n'a besoin que du texte de l'enregistrement, ces fonctions ne sont pas obligatoires. Si vous voulez une réponse vocale, vérifiez le format audio, la voix sélectionnée et la prononciation correcte des nombres.

Le clonage exige le consentement de la personne et les droits d'utilisation de l'échantillon. La prise en charge de plusieurs langues ne garantit ni un timbre identique ni la même expressivité dans tous les modes. Pour un contenu sensible ou important, faites intervenir un réviseur de la langue, surtout si la personne qui parle dans l'original ne peut pas vérifier elle-même la traduction. Un audio en russe ne confirme pas non plus une interface russe de la plateforme.

La page publique explique la comptabilisation en jetons de l'audio d'entrée, du texte et des sorties. Les équivalents de coût horaire indiqués reposent sur certaines hypothèses ; le contexte, la traduction et le mode peuvent modifier la consommation réelle. Aucun tarif précis n'est figé ici.

Pour utiliser le service, créez un compte développeur et configurez l'accès à l'API. Vérifiez les conditions de l'application grand public séparément des tarifs API. Avant un projet important, testez un court parcours autorisé, du téléversement à l'enregistrement du résultat, puis comparez la consommation au compteur. Un hébergement cloud régional ne doit pas être présenté comme une exécution locale sur votre ordinateur.

Pour quelles tâches convient-il

• Transcrire une conversation avec des changements de langue
• Ajouter des sous-titres en streaming
• Intégrer la traduction de la parole dans le produit
• Synthétiser la réponse vocale via l'API