Pourquoi le bruit n’est pas un problème comme les autres
La plupart des erreurs de dictée ont un remède. Les noms s’ajoutent à un dictionnaire, la ponctuation s’améliore avec des pauses, une mauvaise langue se règle correctement.
Le bruit, non. Le micro mesure la pression de l’air, et il ne peut pas distinguer la pression que tu produis de celle que produit la machine à café. Les deux arrivent en un seul flux de nombres, mélangés, et le modèle doit démêler quelles portions étaient des mots.
Une fois mélangés, ils ne se séparent plus. C’est un fait physique et non une limite logicielle, et c’est pourquoi les conseils qui suivent portent sur le micro plutôt que sur l’app.
Tous les bruits ne se valent pas
On suppose que tous les bruits sont équivalents, et ils ne le sont pas.
D’autres gens qui parlent, c’est le pire. La parole entre en concurrence directe avec la parole, et un modèle entraîné à trouver des mots trouvera les leurs aussi volontiers que les tiens. Un café plein de conversations est plus dur qu’un chantier.
La musique avec des voix est presque aussi mauvaise, pour la même raison. La musique instrumentale est nettement plus facile.
Le bruit mécanique régulier se gère étonnamment bien. Un ventilateur, un moteur, un train, une climatisation. C’est fort, mais c’est constant et ça ne ressemble pas à de la parole, donc un modèle arrive souvent à voir au travers.
Les bruits soudains sont pires que les bruits forts. Une porte qui claque au milieu d’une phrase abîme cette phrase bien plus qu’un ronflement continu au même volume.
Le vent est destructeur à lui seul. Il est large en fréquences, il frappe le micro directement au lieu de voyager comme un son, et parler plus fort n’y change rien.
Ce qui marche vraiment, dans l’ordre
Rapproche-toi. C’est de loin le plus grand levier, et il ne coûte rien. Doubler la distance entre ta bouche et le micro réduit spectaculairement ta voix par rapport à tout le reste de la pièce. Tenu près du visage, tu domines. Tenu à bout de bras, tu es un son parmi d’autres.
Trouve le micro. Sur la plupart des téléphones il est sur la tranche du bas, c’est-à-dire exactement là où vont les doigts. Le couvrir en tenant l’appareil est une cause fréquente et invisible de mauvais résultats.
Tourne le dos à la source. Pas au micro, au bruit. Ton corps en bloque une quantité surprenante, et les téléphones sont sensibles à la direction.
Protège-le avec ta main, en coupe et sans serrer, surtout dehors. Grossier et efficace contre le vent.
Parle normalement, pas plus fort. Élever la voix en change le caractère, et les modèles sont entraînés sur de la parole ordinaire. Se rapprocher obtient ce que crier n’obtient pas.
Raccourcis ce que tu dis. Dans un environnement difficile, une phrase à la fois limite les dégâts quand quelque chose rate et te donne un moment naturel pour vérifier.
Les environnements, un par un
Un café. Le cas difficile, à cause des conversations. Installe-toi loin du comptoir si tu peux, tiens le téléphone près, et fais court. Attends-toi à corriger plus que d’habitude.
Une voiture. Bruit régulier, donc moins terrible qu’il n’y paraît, mais seulement si le micro est près de toi. Un téléphone dans un support à l’autre bout du tableau de bord, ou un micro de voiture logé dans le pavillon, est en champ lointain et vaut nettement moins bien que l’appareil tenu près.
Un train. Bruit mécanique, plus des annonces par intermittence, plus d’autres gens. Entre deux gares, c’est bien mieux qu’en gare.
Dehors. Le vent est tout le problème. Tourne-lui le dos, mets ta main en coupe, et accepte qu’un jour de rafales n’est pas un jour de dictée.
Une rue passante. La circulation est régulière et gérable ; une moto qui passe, non. Fais une pause pour la moto au lieu de parler par-dessus.
Chez toi avec la télévision allumée. La parole de la télévision entre en concurrence directe. La couper quinze secondes est plus efficace que n’importe quelle technique.
Là où la taille du modèle compte
C’est la seule situation où payer de la capacité en vaut clairement la peine.
Les gros modèles ont plus de capacité pour représenter un audio inhabituel et dégradé, et c’est exactement ce qu’est un enregistrement bruyant. Dans une pièce calme, l’écart entre les tailles est modeste ; dans un café, c’est l’écart entre utilisable et pas.
Des trois que LocalType livre, 60, 190 et 539 Mo, le plus lourd est celui qui est fait pour ça. Si tu dictes régulièrement dans des endroits difficiles, il mérite la place qu’il prend même s’il te fait attendre : le cas intermédiaire mesuré donnait 6,9 secondes de parole converties en 4,1 secondes sur un téléphone de test à 4 Go, et le plus grand prend environ le double de ton temps de parole.
Sur un téléphone qui ne peut pas loger confortablement le plus gros modèle, le choix est différent : un petit modèle qui tourne correctement bat un grand qui se fait évincer de la mémoire.
Ton propre vocabulaire compte davantage ici aussi
L’effet est plus grand qu’on ne le suppose.
Sur un audio propre, un système de reconnaissance a de bons indices acoustiques et s’appuie dessus. Sur un audio bruyant, ces indices sont faibles, donc les mots voisins et le vocabulaire connu portent une part bien plus grande de la décision.
Cela veut dire que les mots ajoutés à ton dictionnaire aident de façon disproportionnée dans de mauvaises conditions. LocalType garde ces ajouts sur l’appareil et les donne au modèle vocal comme contexte, ce qui est précisément le genre d’aide dont un enregistrement dégradé a besoin.
Casques et micros externes
Les gens mettent de l’argent dans l’idée qu’un casque est une amélioration.
Un casque filaire avec le micro près de la bouche vaut vraiment mieux qu’un téléphone tenu à bout de bras, pour la simple raison qu’il est plus près. C’est tout le bénéfice, et il est réel.
Un casque sans fil est moins prévisible. Le micro qu’Android confie à une app dépend de l’appareil et du profil en usage, et ce n’est pas toujours celui que tu attends. Certains casques compressent aussi l’audio pour les appels d’une façon qui convient à une oreille humaine et pas à un système de reconnaissance.
La comparaison à faire est simple : dicte la même phrase trois fois, une fois avec le casque, une fois avec le téléphone tenu près, une fois avec le téléphone à bout de bras. Sur beaucoup de combinaisons, c’est l’option du milieu qui gagne, ce qui surprend qui tenait l’accessoire pour une amélioration.
Les micros de voiture intégrés méritent une méfiance particulière ici. Ils sont montés pour les appels, placés à l’autre bout de l’habitacle, et réglés pour une oreille humaine plutôt que pour une transcription.
Ce qu’il faut accepter
Certaines situations ne se règlent pas, et savoir lesquelles t’évite de conclure que le logiciel est cassé.
Plusieurs personnes qui parlent en même temps, un micro à l’autre bout d’une pièce, de la musique jouée en direct, un bar à plein volume, ou le vent sur une côte exposée. Dans tous ces cas, la parole et le bruit arrivent mélangés de façon inséparable et aucune app sur aucun matériel ne les démêle.
Dans ces endroits-là, tape. C’est plus lent et ça marche.
Ce qui ne change pas, quel que soit le bruit
Dans un café comme à une table de cuisine, l’app fait exactement la même chose. Le fichier du modèle habite un coin de stockage privé, il travaille là, et personne d’autre ne peut l’ouvrir. Le réseau ne sert qu’au téléchargement de ce fichier, une fois. Ensuite : aucun compte, pas de publicité, pas de pistage, et rien de ton audio qui soit conservé quelque part. Les sauvegardes d’Android n’emportent pas les données de l’app, et la touche micro se retire d’elle-même devant un champ de mot de passe.
Ce qui veut dire aussi qu’un endroit bruyant sans réseau se comporte exactement comme un endroit bruyant avec cinq barres, et que la seule variable qui reste est la pièce.