Le Blog Chapsvision

Définition du Speech to Text

Avec l’essor de la reconnaissance vocale, les technologies exploitant le canal voix n’ont jamais eu autant le vent en poupe. Nous allons ici nous pencher sur ce qu’est le Speech-To-Text pour mieux le comprendre et appréhender ses potentialités. Il s’agit de la transcription vocale de fichiers audio vidéo en texte.

Les technologies vocales regroupent les logiciels qui effectuent des traitements automatiques de la parole comme la reconnaissance vocale, la dictée vocale, la commande vocale, la transcription de la parole, l’identification et la vérification du locuteur, l’identification de la langue etc.

Panorama des technologies du Speech Intelligence

Les logiciels de reconnaissance vocale (ASR Automatic Speech Recognition) convertissent un document audio/vidéo ou un flux audio en une suite de mots exploitables par des logiciels de traitement automatique de texte comme la traduction ou l’indexation. Tous les systèmes de reconnaissance vocale utilisent des modèles neuronaux profonds pour reconnaître le texte.

Les systèmes classiques de reconnaissance vocale mettent en œuvre des algorithmes de traitement du signal pour extraire des paramètres pertinents de la parole. Ils reconnaissent la suite des mots grâce à des modèles acoustiques modélisant les phonèmes (sons unitaires) de la langue, des modèles de langage modélisant la langue parlée et des dictionnaires de prononciation. Les modèles utilisés sont entraînés avec des algorithmes d’apprentissage profond (Deep Learning) à partir de corpus annotés manuellement. Le Speech To Text tente de prédire quel mot ou quelle suite de mots a été prononcé par le locuteur.

Les derniers systèmes disposant de grands corpus annotés utilisent une approche end-to-end qui consiste à combiner plusieurs modèles neuronaux profonds de plus en plus sophistiqués pour convertir la parole en texte sans aucune connaissance linguistique et phonétique de la langue.

Les solutions speech intelligence intègre des moteurs de reconnaissance incluant les dernières avancées dans le domaine de traitement de la parole en langage naturel et de l’IA pour être à la pointe des performances en qualité et temps de réponse proposer une transcription fine et précise

La conception des modèles de langage et des modèles acoustiques dédiés aux cas d’usage pour les différents clients et domaines optimisent la performance de la reconnaissance du langage naturel.

Apports et bénéfices pour les entreprises

Speech intelligence est au service de l’Analyse conversationnelle :

Les solutions de speech intelligence basées sur des méthodes de l’IA sont au service des outils analytiques. Les transcriptions des données collectées via des conversations téléphoniques en temps réel sont traitées et analysées afin d’optimiser les process marketing, enrichir les expériences métiers et améliorer en continue de la relation client.

Speech intelligence utilisée par des assistants vocaux pour augmenter la relation client :

Le speech intelligence peut être intégré aux différents outils comme les moteurs de dialogues ou module de plateformes téléphoniques gérants des flux temps réel permettant la réalisation par exemple des callbots, voicebots et ainsi compléter les solutions des serveurs vocaux ou autres assistants. Cela permet de Mieux comprendre les conversations téléphoniques entre un client et un assistant et l’accompagner jusqu’à la mise en contact avec un conseiller. La reconnaissance vocale permet de traiter les demandes simples des clients soulageant ainsi les téléconseillers qui peuvent se consacrer à des tâches à valeur ajoutée.

Le domaine du speech analytics des centres de contact utilise la transcription automatique de la parole sur des gros volumes d’enregistrements téléphoniques pour faire ensuite l’analyse des verbatims dans l’objectif d’améliorer la relation client.

De nos jours, on retrouve de plus en plus de dispositifs innovants qui accompagnent les professionnels de la santé dont les logiciels de dictée vocale qui font gagner un temps considérable aux médecins qui n’ont plus besoin de taper leur rapport.

Les cas d’usage potentiels

Le Media Monitoring et veille média

Ces dernières années, la vidéo en ligne a connu un essor fulgurant. D’ici 2020, elle devrait représenter 80% du trafic global sur Internet. Boostée par la multiplication des écrans (TV, ordinateur, mobile, tablette), elle happe déjà 70% des internautes au moins une fois par mois, et plus d’un sur trois quotidiennement. Les vidéos visionnées sur YouTube, Facebook et SnapChat en une année se comptent en milliers de milliards…

La Compliance Bancaire
L’inflation réglementaire de cette dernière décennie impose un renforcement constant de la fonction conformité, tant en termes humains que technologiques. L’obligation de prendre en compte les communications téléphoniques en appelle à de nouveaux moyens, notamment la capacité à traiter les flux vocaux pour y détecter les éléments sensibles ou encore reconstituer une transaction donnée.

L’expérience client d’un Centre de Contact

Si le digital occupe incontestablement une place grandissante dans la Relation Client, le téléphone y reste primordial. L’analyse des conversations agent-client est essentielle à la bonne prise en compte des motifs d’appel mais permet également l’accès à une mine d’informations stratégiques, de l’évaluation de la satisfaction, à la détection de tendances, en passant par la surveillance de la concurrence à travers leurs mentions spontanées…