Pourquoi ma transcription répète-t-elle le même mot ou la même phrase ?

Un mot dédoublé fait partie des choses les plus étranges à trouver dans une transcription par ailleurs propre — "la réunion la réunion commence à trois heures," ou une phrase entière qui apparaît deux fois d'affilée. Ça ressemble à un bug, et c'en est parfois un. Mais tout aussi souvent, la transcription fait exactement son travail : noter du son, pas décider si ce son valait la peine d'être dit une fois ou deux.

Quand la répétition est réellement dans l'audio

On se répète en permanence sans s'en rendre compte. Une phrase démarre, se coupe, et repart — "je pense que la — je pense que l'échéance a bougé." Un mot est dit, puis redit pour insister, ou parce que la personne a perdu le fil et repris un cran trop tôt. Rien de tout cela n'est une erreur du moteur de reconnaissance. Un système qui transcrit des sons plutôt que des intentions n'a pas plus de raison de supprimer une vraie répétition qu'il n'en a de supprimer un vrai "euh" — les deux sont traités comme du contenu parlé, parce que c'est exactement ce qu'ils sont.

C'est le même principe qui explique la présence des hésitations dans une transcription : le travail du moteur s'arrête à "quel son était-ce," pas à "valait-il la peine d'être gardé." Une vraie répétition et un vrai "euh" reçoivent le même traitement honnête — ils sont notés, parce qu'ils ont été prononcés.

Quand le moteur de reconnaissance invente une répétition

L'autre cause se trouve dans l'acoustique, pas dans ce qui a été dit. Une pièce aux surfaces dures peut renvoyer dans le micro un reflet retardé de votre voix, une fraction de seconde après le son direct — le même phénomène physique qui rend un enregistrement "sonore" ou résonnant. Si ce reflet est assez fort et arrive avec un écart suffisant, il peut être enregistré comme une seconde énonciation distincte du même mot plutôt que comme un bruit de traîne, et le moteur note deux mots là où un seul a été prononcé. Quelqu'un qui rejoue de l'audio près d'un micro ouvert, ou le son d'un appel vidéo qui fuit dans la pièce, peuvent produire le même effet pour la même raison : le micro a réellement capté le son deux fois.

Ce type de répétition a tendance à se regrouper précisément dans les enregistrements auxquels on s'attendrait — une pièce carrelée, un appel pris sur haut-parleur, un amphithéâtre aux murs durs — plutôt que d'apparaître au hasard dans un enregistrement par ailleurs ordinaire.

Enregistrements longs et emplacement des coutures

Un fichier long n'est pas forcément confié à un modèle vocal d'une seule traite, sans coupure — beaucoup de moteurs de reconnaissance traitent l'audio long par tronçons, puis recollent les résultats ensuite, ce qui explique aussi pourquoi un problème ponctuel dans un long cours n'a pas à faire tomber toute la transcription. La couture entre deux tronçons est un endroit plausible pour qu'une courte phrase soit comptée des deux côtés de la coupe, un peu comme on compterait un mot deux fois si l'on partageait une phrase entre deux personnes la lisant à voix haute et que le mot de la frontière tombait chez les deux. Une répétition qui tombe à un point curieusement rond dans un enregistrement long, plutôt qu'en plein milieu d'une phrase, mérite d'être vérifiée pour cette raison précise.

La transcription sur l'appareil ou sur serveur change-t-elle quelque chose ?

iOS essaie d'abord la reconnaissance sur l'appareil et ne bascule vers le serveur d'Apple que si ce premier passage revient vide ou échoue. Les deux travaillent sur le même audio, sans instruction pour éliminer les doublons, donc lequel des deux a tourné n'est pas un levier fiable pour faire apparaître ou disparaître les répétitions. Une répétition qui vient de l'acoustique de la pièce aura tendance à apparaître dans les deux cas ; une répétition qui vient de quelque chose que vous avez vraiment dit deux fois aussi.

Distinguer les deux cas, et que faire de chacun

• Réécoutez l'audio à cet endroit précis. Si vous entendez le mot ou la phrase prononcés deux fois, c'est qu'ils l'ont été — laissez-les, ou coupez-les, comme n'importe quel autre choix d'édition face à une reprise.
• Si vous l'entendez une seule fois mais qu'il est écrit deux fois, c'est le moteur de reconnaissance, pas vous — supprimez la copie en trop avec la même modification que vous utiliseriez pour corriger un nom mal entendu.
• Une répétition qui tombe à un moment avec des surfaces dures ou de l'audio de haut-parleur a plus de chances d'être acoustique. Une répétition en plein milieu d'une idée, avec une hésitation autour, a plus de chances d'être une vraie reprise.
• Aucune des deux causes ne se règle en enregistrant avec un réglage de qualité supérieur — ce n'est pas un problème de netteté, c'est de la parole réelle ou un écho réel, et les deux traversent tout aussi bien un enregistrement plus propre.

Comment Voice Studio gère cela

La transcription passe par le moteur vocal d'Apple, d'abord sur l'appareil, et Voice Studio n'applique pas de passage séparé pour détecter et supprimer les mots répétés — ce que le moteur a produit est ce qui apparaît dans la transcription, répétitions réelles et acoustiques comprises. Ce que l'app offre, c'est une transcription que vous pouvez corriger ensuite : supprimez un mot ou une ligne dupliqués, et cette modification tient dans la recherche interne de l'app comme dans ce que vous exportez ensuite, TXT ou JSON, plutôt que de revenir au texte d'origine.

Questions fréquentes

Un mot répété dans ma transcription est-il toujours une erreur ?

Non. Parfois, c'est le reflet exact de quelque chose que vous avez vraiment dit deux fois — une reprise ou une hésitation suivie d'un redémarrage. Pour le savoir, écoutez l'audio à cet endroit : si le mot n'a été dit qu'une fois, la répétition dans le texte vient du moteur de reconnaissance, pas de vous.

Pourquoi une pièce qui résonne ferait-elle écrire un mot deux fois ?

Une pièce aux surfaces dures peut renvoyer dans le micro un reflet retardé de votre voix. Si ce reflet est assez fort et net, il peut être capté comme une seconde énonciation distincte du même mot plutôt que comme un bruit de fond.

Un réglage de qualité d'enregistrement plus élevé règle-t-il les mots répétés ?

Non. Ce n'est pas un problème de netteté — c'est soit une parole réelle prononcée deux fois, soit un écho réel que le micro a réellement capté deux fois. Un enregistrement plus propre ne change ni l'un ni l'autre.

Passer de la transcription sur l'appareil au serveur change-t-il les répétitions ?

Pas de façon fiable. iOS essaie d'abord sur l'appareil et ne bascule vers le serveur que si ce passage revient vide ou échoue, mais les deux travaillent sur le même audio sans instruction pour éliminer les doublons, donc lequel a tourné n'est pas un levier pour régler ça.