Forum

Bonjour,
Je cherche un logiciel qui permette la dictée vocale (sous Mageia de préférence, sinon autre linux) : on cause dans un micro (éventuellement on part d'un fichier MP3) et le logiciel traduit en texte les mots saisis (avec quelques options de paramétrage) puis on transfère cela sur un éditeur ou traitement de texte pour corriger le tout. Avec, si possible, des allers et retours faciles entre la dictée que l'on interrompt momentanément et la correction.
SIRI sur iphone permet plus ou moins cela, mais je n'ai pas trop cherché s'il y avait des options de paramétrage (épeler pour qu'il ne se trompe pas d'homonyme par exemple ou reconnaissance automatique de certains mots). De toutes façon, la correction de texte sur iphone est une vraie galère et il faudra sans doute faire des remplacements en série (éditeur, ttx).
Une (ou des) référence(s) ?

A: mozilla : deepspeech
B: Amazon : alexa
C: google : google speech-to-text (l'originalité du nom)
D: Nuance : Dragon natturallySpeaking
E: ...

E: il y en a surement d'autre, mais je ne les connais pas.
D: Systèmes windows et macos uniquement.
C: Google, c'est le mal. Tu es limité en nombre avant que ça ne devienne payant, une copie de tout ce qui est énoncé est retenu sur leurs serveurs
B: plus ou moins la même chose quant à Amazon.
A: Projet libre et intéressant, il est téléchargeable pour une utilisation hors-ligne. Point semi-négatif (semi seulement), il faut l’entraîner !

Édité par Jybz Le 26/11/2019 à 15h56

Bonjour,
pocketsphinx pourrait faire de la reconnaisssance vocale, mais je n'y suis pas arrivé pour le français. Et je ne sais pas lui parler en anglais
Il existe une boîte à outils qui reconnaît des commandes vocales, mais ce n'est pas ce que tu cherches.

J'avais repéré ça, mais je n'ai pas testé. En dehors de Pocketsphinx, il est capable d'utiliser des outils en ligne. Moi, ça ne me convient pas pour ce que je voudrais en faire.

Mozilla a lancé un vaste programme Common Voice de collecte de voix qui doit être encore en cours. L'outil principal est DeepSpeech et un modèle français est en cours d'élaboration.

Tu as une méthode pour ça ?
Je crois comprendre qu'il est toutefois nécessaire de disposer d'une carte graphique NVIDIA, pour bénéficier de la puissance de traitement fournie par la carte.

C'est à ça que sert le projet common-voice, pour entrainer le model. On peut le faire pour soi-même (et donc plus efficace à notre voix) en l'entraînant.
Par exemple à la fin de cette page : https://tommygingras.com/tensorflow-deepspeech-francais/


Je crois que c'est "un plus", je ne suis pas sûr que ce soit obligatoire. D'ailleurs, dans le lien précédent, il parle de l'installer "sans carte graphique" dédiée.

Merci, je regarde cela demain (enfin, le A) !

Ah ça utilise tensorflow (pour info c'est un projet de Google). À mon avis la carte graphique avec cuda doit uniquement servir à accélérer les calculs d'apprentissage.