Aujourd’hui, nous lançons deux fonctions : l’indication de termes clés, qui améliore la transcription d’entités complexes propres à un domaine, et la détection configurable des tours de parole, qui ajuste la détection de fin de tour pour privilégier la vitesse ou la précision.
Les agents peuvent ainsi transcrire plus fiablement les noms et termes techniques, et configurer la latence ainsi que la précision de détection des fins de tour.
Termes clés : mieux transcrire les entités difficiles
Les marques, noms de médicaments et termes sectoriels sont naturellement difficiles à transcrire, même pour les meilleurs modèles STT.
Avec cette fonction, transmettez jusqu’à 100 termes clés, soit 1 200 caractères au total, via le paramètre de requête keyterm à l’ouverture de la connexion. Ink-2 favorise leur transcription correcte sans ajouter de latence.
Voici un soignant expliquant à un patient un changement de prescription. Ink-2 et Deepgram Flux ont reçu les trois mêmes termes clés. Les démonstrations conservent les enregistrements et transcriptions dans leur langue originale.
Termes clés fournis aux deux modèles :
ink-2
Restitue les trois termes clés tels quels
flux-general-en
Transcrit incorrectement "Paracetamol"
L’indication de termes clés dans Ink-2 améliore aussi la transcription des noms.
Termes clés fournis aux deux modèles :
ink-2
Restitue les deux termes clés tels quels
flux-general-en
Manque les deux termes clés
Nous mesurons le rappel des mots clés sur Earnings22, un test fondé sur de vraies conférences de résultats trimestriels. Il contient des noms d’entreprises, symboles boursiers et acronymes, ce vocabulaire souvent difficile pour les modèles STT généralistes.
Rappel des mots clés avec indication de termes
Plus élevé = meilleur
L’indication de termes clés améliore de 20 % le rappel d’Ink-2, le modèle STT le plus précis. Avec cette fonction activée, Deepgram Flux manque 13,5 % des mots clés et Ink-2 seulement 6,2 %, soit moins de la moitié.
Cette fonction est utile pour :
- Les noms de produits et de marques, comme “Cartesia” et “Ink-2”.
- Les noms de médicaments et termes cliniques, comme “semaglutide” et “atorvastatin”.
- Les noms ou adresses du compte de l’appelant.
- Les acronymes sectoriels et le jargon interne.
Dans notre évaluation, Ink-2 s’est amélioré de façon mesurable sur EVA-Bench, notre test conçu pour l’IA d’entreprise. Il maîtrise le vocabulaire spécialisé des vraies conversations professionnelles, dans l’aérien, les services informatiques et les ressources humaines. Les gains observés entre les exécutions venaient des améliorations de Cartesia, pas de réglages de notre part.
Détection configurable des tours : privilégier la latence ou la précision de fin de tour
La détection configurable des tours permet d’ajuster la latence et la précision de fin de tour afin d’optimiser le déroulement des conversations selon votre usage.
Lower latency
Ferme le tour plus tôt
Termine un tour à chaque pause et divise la demande en trois, pour que l'agent commence à répondre plus tôt.
Higher turn-taking accuracy
Garde le tour ouvert plus longtemps
Attend pendant les pauses et conserve toute la demande dans un seul tour.
Ink-2 propose un réglage par défaut équilibré, mais vous pouvez désormais configurer vous-même la détection des tours. Privilégiez une faible latence pour des échanges vifs ou une meilleure précision lorsque la collecte correcte d’informations prime. Définissez le réglage à l’ouverture de la connexion ou ajustez-le pendant l’appel.
Essayez dès aujourd’hui
L’indication de termes clés et la détection configurable des tours sont disponibles pour tous les utilisateurs d’Ink-2. Consultez la documentation des termes clés et de la détection des tours, puis essayez Ink-2 sur play.cartesia.ai.