Qu'est-ce que la saisie vocale : le chemin de votre voix jusqu'au texte à l'écran
Saisie vocale, transcription et commande vocale sont trois choses différentes. Ce que fait vraiment la dictée, les étapes entre le micro et le curseur, et où chacune peut s'exécuter.
En bref
La saisie vocale transforme ce que vous dites en texte modifiable, directement dans le champ où se trouve votre curseur. En chemin, le son est capté et numérisé, un modèle de reconnaissance vocale estime les mots les plus probables et un nettoyage facultatif ajoute la ponctuation et retire les mots parasites. Chaque étape peut s'exécuter sur votre appareil ou sur un service distant, et chacune influe à sa façon sur la précision, la rapidité et la confidentialité.
Vous avez dit
rappelle-moi d'appeler la banque lundi euh et de demander le plafond de la carte
SayVelio a écrit
Rappelle-moi d'appeler la banque lundi et de demander le plafond de la carte.
Trois choses qu'on appelle « voix vers texte »
Une même expression désigne trois usages différents, et il est utile de les distinguer :
- La dictée (saisie vocale) insère dans une app un texte que vous pouvez modifier : un e-mail, un message, un document. Vous parlez au lieu de taper et gardez la main sur le résultat.
- La transcription produit une trace écrite de paroles déjà prononcées : une réunion, une interview, un cours. Aucun curseur n'attend.
- La commande vocale utilise la parole reconnue pour faire quelque chose : ouvrir une app, envoyer un message, lancer un minuteur. Les mots sont un ordre, pas un texte.
Toutes trois reposent sur la reconnaissance vocale, mais avoir l'une ne veut pas dire avoir les autres. SayVelio est un outil de dictée : il écrit ce que vous dites. Il n'exécute pas d'ordres parlés et n'est pas un chatbot ; « dis à Anne que je suis d'accord » arrive donc mot pour mot. Le guide pour bien dicter montre comment formuler les choses pour obtenir le texte voulu.
Le chemin du micro au curseur
Chaque dictée suit à peu près la même chaîne. Certains systèmes fusionnent des étapes, affichent les mots pendant que vous parlez ou sautent les étapes facultatives, mais l'ordre reste le même :
- Captation. Le micro transforme la pression de l'air en signal électrique, puis l'appareil en nombres. Voir comment le micro capte la voix.
- Préparation. Le son peut être nivelé, débarrassé de l'écho ou du bruit et découpé en morceaux. Voir réduction du bruit et détection de la voix.
- Reconnaissance. Un modèle estime quels mots ont été prononcés. Voir comment fonctionne la reconnaissance vocale.
- Nettoyage (facultatif). Ponctuation, majuscules, chiffres et paragraphes sont ajoutés, les mots parasites retirés. Voir de la transcription au texte.
- Relecture et insertion. Le texte arrive au curseur, où vous pouvez le lire et le corriger. Voir ce qui fait une bonne interface vocale.

Le résultat est une estimation, pas un enregistrement de votre intention
La reconnaissance est statistique. Le système choisit la suite de mots qui colle le mieux au son et à ce qu'il a appris sur des millions d'exemples. Le texte peut donc se lire parfaitement et différer pourtant de ce que vous avez dit, surtout pour les noms, les chiffres et les termes rares. C'est pourquoi les bons outils de dictée vous laissent leur apprendre des mots (un dictionnaire) et rendent le texte facile à vérifier et à corriger.
Où s'exécute chaque étape
Chaque étape peut se faire sur votre appareil, sur un service distant ou un peu des deux :
- Sur un service distant, l'enregistrement part via une connexion chiffrée vers un fournisseur de reconnaissance vocale, qui renvoie le texte. Vous profitez ainsi des modèles les plus grands et les plus précis.
- Sur l'appareil, un modèle téléchargé sur votre ordinateur ou votre téléphone fait la reconnaissance : rien ne quitte l'appareil et tout fonctionne sans internet. Les modèles locaux sont en général plus petits et plus lents sur du matériel ancien.
Dans SayVelio, l'enregistrement part directement de votre appareil vers le fournisseur de reconnaissance vocale et, si le nettoyage est activé, la transcription part vers le fournisseur du modèle de langage ; nos serveurs ne reçoivent jamais vos enregistrements ni votre texte. Vous pouvez aussi télécharger un modèle hors ligne facultatif sur Mac, Windows, iPhone et Android et dicter sans aucune connexion (les dictées hors ligne se font sans nettoyage). Les détails sont dans la confidentialité de la saisie vocale.
Ce qui change la qualité du résultat
Précision, rapidité et confidentialité dépendent de maillons différents de la chaîne :
- La précision dépend surtout du micro, de la pièce et du modèle de reconnaissance, ainsi que d'indices comme un dictionnaire.
- La mise en forme dépend du nettoyage : comment s'écrivent les nombres, les listes et la ponctuation.
- La rapidité dépend de la durée de l'enregistrement, du réseau et de la présence du nettoyage. Les modes de dictée permettent d'échanger un peu de finition contre de la vitesse.
- La confidentialité dépend de qui reçoit le son et le texte, et de ce que chacun conserve.
Questions fréquentes
La saisie vocale peut-elle fonctionner entièrement hors ligne ?
Oui, si le modèle de reconnaissance tourne sur l'appareil. Beaucoup d'apps dépendent d'un service en ligne : pouvoir enregistrer sans internet ne veut pas dire que l'app peut transcrire sans internet. SayVelio propose un modèle hors ligne facultatif sur les quatre plateformes.
La saisie vocale, c'est la même chose qu'un assistant vocal ?
Non. Un assistant vocal interprète ce que vous dites comme une demande et agit. La saisie vocale écrit vos mots pour que vous les modifiiez et les envoyiez vous-même.


