La reconnaissance vocale qui écrit pendant que vous parlez
Rejoignez les équipes qui passent à Cartesia
Comment convertir la voix en texte
Appuyez sur le bouton du micro et autorisez l'accès quand votre navigateur le demande.
Parlez normalement. Chaque mot s'affiche dès que vous le prononcez, et la transcription indique où vous commencez et arrêtez de parler.
Sélectionnez la transcription, copiez-la et collez-la dans votre document, votre e-mail ou vos notes.
Précis sur les chiffres et les e-mails que les autres modèles ratent
Cet outil repose sur Ink-2, le modèle de reconnaissance vocale en streaming de Cartesia. Ink-2 occupe la première place du classement VoiceArena en anglais américain et du benchmark de streaming d'Artificial Analysis, et il écrit correctement du premier coup les numéros de téléphone, les e-mails et les UUID. Il découpe lui-même la transcription en tours de parole et reste précis malgré le bruit de fond, sans filtre de nettoyage séparé.
Idéal pour
- Agents vocaux
- Sous-titres en direct
- Dictée
- Notes de réunion
- Analyse des appels
Ajoutez la reconnaissance vocale à votre application
Diffusez de l'audio en direct par WebSocket vers le même modèle Ink-2 que cet outil, avec l'API et les SDK de Cartesia. Le guidage par termes clés oriente la reconnaissance vers les noms et le jargon que votre produit entend le plus. Pour les enregistrements, l'API par lots reçoit un fichier complet et renvoie une seule transcription. Les offres Enterprise ajoutent des déploiements sur site, en VPC et OEM sans conservation des données.
Découvrir d'autres outils vocaux
FAQ sur la reconnaissance vocale
Existe-t-il un outil de reconnaissance vocale gratuit ?
Oui. L'outil de cette page transforme votre voix en texte gratuitement, sans compte, dans la limite d'un quota quotidien. Les crédits mensuels d'un compte Cartesia gratuit couvrent jusqu'à 111 minutes de transcription via l'API, et les offres payantes en ajoutent davantage.
Quelle est la précision de la reconnaissance vocale ?
Ink-2, le modèle de cet outil, est classé numéro 1 pour la précision de la reconnaissance vocale en streaming. Il écrit correctement les numéros de téléphone, les e-mails et les UUID, et reste précis malgré le bruit de fond.
Quelles langues la reconnaissance vocale de Cartesia prend-elle en charge ?
Ink-2 transcrit l'anglais, l'espagnol, le français, l'hindi et le japonais. L'outil de cette page écoute dans la langue de la page si elle fait partie de ces cinq langues, et en anglais sinon. L'API prend en charge les cinq.
Puis-je convertir un fichier audio en texte ?
L'outil de cette page transcrit en direct ce que vous dites dans votre micro. Pour transcrire un enregistrement, envoyez le fichier à l'API de reconnaissance vocale par lots, qui renvoie une seule transcription pour tout le fichier.
Qu'est-ce que la reconnaissance vocale ?
La reconnaissance vocale (aussi appelée STT, ASR ou transcription) transforme l'audio parlé en mots écrits. Un modèle en streaming comme Ink-2 écrit la transcription pendant que vous parlez encore, et non après.
Qu'est-ce que la détection des tours de parole en reconnaissance vocale ?
La détection des tours de parole détermine quand une personne a terminé, pour éviter que l'agent vocal l'interrompe ou laisse un silence. La plupart des systèmes ajoutent un modèle distinct de détection d'activité vocale. Ink-2 émet lui-même des événements comme turn.eager_end et turn.end : un modèle de moins à intégrer et des réponses plus rapides.
Puis-je exécuter Ink-2 sur ma propre infrastructure ?
Oui. Ink-2 peut être déployé sur site, y compris dans des environnements isolés du réseau, dans votre VPC sur AWS, GCP ou Azure, ou intégré à votre produit sous licence OEM. Ces déploiements sont disponibles dans le cadre de contrats entreprise.