Combien de temps prend la transcription d’un mémo vocal sur iPhone ?

Tapez dans une note et les mots apparaissent au fur et à mesure. Confiez un enregistrement au téléphone pour le transcrire, et c'est autre chose qui se produit : parfois le texte revient avant même que vous ayez reposé le téléphone, parfois cela prend nettement plus longtemps, et rien n'indique à l'avance lequel des deux cas vous attend. Aucun des deux résultats ne signifie qu'il y a un problème. Ce sont deux processus différents, et celui qui tourne détermine l'attente.

Transcrire est une étape que vous déclenchez, pas quelque chose que fait l'enregistrement tout seul

Un enregistrement qui dort dans votre bibliothèque reste un simple enregistrement tant que vous ne demandez pas de transcription : transformer la parole en texte est une action séparée, pas quelque chose qui se produit invisiblement au moment où vous appuyez sur stop. Cela compte ici parce que le chrono ne démarre que lorsque vous le demandez réellement, et tout ce qui se passe entre cette demande et l'apparition du texte est exactement le sujet de ce guide.

Deux voies différentes, qui attendent différemment

La voie locale

Quand la langue dispose déjà d'un modèle sur le téléphone, l'audio est traité sur place, avec le processeur et le moteur neuronal du téléphone lui-même. Rien n'est envoyé, donc aucune étape réseau à attendre : toute l'attente tient au temps que met ce matériel à traiter l'audio. Un extrait court et clair dans une langue bien prise en charge est en général ce que ce processus fait de plus rapide.

Le serveur d'Apple, en repli

Cette voie ne s'exécute que si la tentative locale a déjà eu lieu et est revenue vide ou en erreur. Cette fois, l'audio quitte réellement le téléphone : envoyé, traité côté Apple, puis le texte revient. Trois étapes réseau au lieu de zéro, donc une connexion lente ou un signal faible se fait sentir ici comme jamais en local.

Pourquoi le repli rend un fichier plus lent, pas juste différent

Le repli n'est pas un raccourci qui remplace la tentative locale, il vient après elle. Un enregistrement qui finit par avoir besoin du serveur a d'abord été essayé en local, cette tentative a échoué ou n'a rien renvoyé, et c'est seulement ensuite que commence la seconde tentative, celle qui passe par le réseau. Un fichier qui emprunte le repli n'est donc pas transcrit à la place du local, il est transcrit deux fois, l'une après l'autre — ce qui explique justement qu'il puisse prendre nettement plus longtemps qu'un fichier que la passe locale a résolu proprement du premier coup.

Ce qui change vraiment l'attente

• La quantité d'audio à traiter — plus de parole, c'est plus de travail pour les deux voies, à peu près en proportion.
• Si la langue dispose seulement d'un modèle local. La couverture de la reconnaissance locale est plus étroite que celle des langues prises en charge pour la transcription en général, si bien que certaines langues passent directement par la voie lente à chaque fois, sans jamais avoir droit à la rapide.
• La qualité de l'audio. Un son faible, lointain, bruité ou très accentué est exactement le genre de chose qui peut faire revenir vide une tentative locale — ce qui déclenche justement le repli plus lent.
• La qualité de la connexion, mais seulement quand c'est le repli qui tourne. Cela n'a aucune importance pour un fichier que la passe locale résout.

Le cas particulier des enregistrements longs

Un cours d'une heure et demie n'a pas à être traité comme un seul bloc ininterrompu : l'audio long est couramment découpé en segments par des systèmes conçus ainsi, si bien qu'un fichier très long peut revenir par morceaux plutôt que d'un coup ou pas du tout. C'est davantage un détail d'implémentation qu'un élément à anticiper, mais cela vaut la peine de le savoir surtout pour qu'un enregistrement long qui prend nettement plus de temps qu'une note de deux minutes ne se lise pas comme le signe que quelque chose est bloqué.

Que faire pendant le traitement

Pour tout ce qui est long, branchez le téléphone. Faire tourner un modèle vocal sollicite le processeur et le moteur neuronal, et un fichier long va chauffer le téléphone et consommer une vraie part de batterie — la même raison pour laquelle un jeu exigeant ou un long appel vidéo vide un téléphone plus vite que le simple défilement d'écrans. À part cela, il n'y a vraiment rien à faire pour accélérer les choses. C'est un coût ponctuel par enregistrement, pas quelque chose qui continue de tourner une fois le texte revenu.

Comment Voice Studio gère cela

Voice Studio tente toujours la voie locale en premier et ne réessaie contre le serveur d'Apple que si cette passe revient vide ou échoue. Un enregistrement court dans une langue bien couverte sur du matériel performant représente en général le cas le plus rapide qui soit, et il ne touche jamais au réseau. Quelque chose dans une langue moins courante, ou enregistré dans un endroit bruyant, a plus de chances de suivre la voie lente — non pas parce que quelque chose a définitivement échoué, mais parce que c'est discrètement réessayé par une seconde voie après que la première n'a rien donné. La transcription couvre 38 langues ; la couverture locale parmi elles est plus étroite et c'est Apple qui la décide, pas l'application. Dans un cas comme dans l'autre, il n'y a ni compte ni serveur à nous nulle part dans ce processus.

Questions fréquentes

La transcription se fait-elle pendant que j'enregistre, ou seulement après avoir arrêté ?

Après. Transcrire est une étape séparée que vous déclenchez une fois l'enregistrement existant ; cela ne tourne pas en direct pendant que vous parlez, contrairement à la dictée dans un champ de texte.

Un enregistrement plus long met-il toujours proportionnellement plus de temps à être transcrit ?

À peu près, mais pas exactement : la couverture de la langue, la qualité de l'audio et la réussite ou non de la tentative locale pèsent sur l'attente plus que la seule durée.

Pourquoi une transcription est-elle revenue presque instantanément et une autre a-t-elle pris bien plus longtemps ?

La rapide a très probablement été traitée entièrement sur le téléphone. La lente a sans doute eu besoin du repli serveur, ce qui veut dire qu'elle a été transcrite deux fois dans les faits — une fois en local, puis à nouveau via le réseau après que cette première tentative est revenue vide.

La transcription d’un enregistrement consomme-t-elle nettement plus de batterie ?

Faire tourner un modèle vocal sur le téléphone sollicite le processeur et le moteur neuronal, donc un fichier long va chauffer le téléphone et consommer un peu de batterie. Brancher le téléphone pour une transcription longue est une habitude raisonnable, comme pour tout ce qui occupe fortement le processeur.