problématique sur mon code de reconnaisance de la parole

Bonjour,

Mon objectif est de coder en python un outil permettant de créer un fichier texte à partir de tout ce qui se dit dans le micro (pendant une réunion par exemple). La durée d'enregistrement total est la durée entre l'appui sur le bouton start et le bouton stop pour arreter l'enregistrement.

Etant débutant et ayant vu quelques tutoriels, je me suis lancer avec la bibliotheque ; speech_recognition

Mon but est d'avoir un code me permettant de rentrer le nom de ma reunion du jour puis de retranscrire en texte tout ce qui se dit pendant la réunion sachant qu'il peux y avoir des blancs de plusieurs secondes et des bruits d'ambiances (une personne qui toc à la porte, une personne qui souffle ou qui fait atchoum etc.)

Je vous remercie par avance de votre aide et du temps que vous consacrerez à m'aider.

salut,

juste quelques infos; au delà du code assez simple il y a essentiellement 2 aspects qui peuvent limiter l'intérêt/la faisabilité de ton projet.

d'abord SpeechRecognition, pourquoi pas, mais ça sous-entend d'avoir une connexion internet pas trop déconnante pour pouvoir en continu (ou quasiment) envoyer les chunks audio chez Google pour qu'il te renvoie la version texte.
une alternative intéressante c'est d'utiliser Vosk dont les modèles sont stockés localement et sont assez performants.

l'autre problème c'est le(s) micro(s), inutile d'espérer capter la voix de tous les interlocuteurs dans une salle de réunion pour vingt personnes, il faut soit un micro par interlocuteur soit investir dans un (ou plusieurs) micro(s) multidirectionnel(s) assez puissant(s).

enfin il y a des considérations plus classiques à prendre en compte, comme l'identification éventuelle de chaque interlocuteur, les gens qui causent trop vite et/ou parlent en même temps que les autres, créant un brouhaha que l'IA n'arrivera tout simplement pas à déchiffrer etc.

le tout fait que le code python en soi n'est pas forcément très compliqué mais le projet en lui-même peut être assez difficile à mettre en œuvre efficacement, et si malgré tout ça finit par fonctionner à peu près le compte rendu final nécessitera probablement toujours une relecture attentive.

exemple, la reconnaissance vocale pond un résultat du genre "les primes seront traversées cette année", va-t-en savoir après coup quand tu relis au calme si la phrase était "les primes seront versées" ou "les primes ne seront pas versées"
et encore il s'agit là d'une ambiguïté relativement facile à lever, nul doute que certaines phrases risquent de prêter bien plus à confusion...

Bonjour,

Citation:

---

une alternative intéressante c'est d'utiliser Vosk dont les modèles sont stockés localement et sont assez performants.

---

Intéressant en effet :Licence Apache, léger, à priori compilable avec Buildozer pour android. Reste à voir son usage... Je garde ça sous la main. Merci pour ce partage.