Écoute

Ce que l’application entend

L’application entend deux canaux : votre microphone (vous) et le son de votre ordinateur (les autres participants). Les mots entendus jusque-là apparaissent aussitôt dans une bulle « parle… », que la phrase terminée remplace.

Où la parole devient du texte

Choisissez-le dans Paramètres, puis Avancé, puis Audio, puis Reconnaissance vocaleParamètres›Avancé›Audio›Reconnaissance vocale.

• Reconnaissance vocale locale (« Sur cet ordinateur » dans le champ Moteur) : la parole est transformée en texte sur votre propre ordinateur, et l’audio y reste. Le modèle vocal se télécharge une seule fois au premier démarrage (Rapide : environ 265 Mo ; Équilibré : environ 575 Mo) ; rien n’est transcrit tant qu’il n’est pas prêt. Le champ Modèle local le choisit : Automatique (par défaut) prend Équilibré sur une carte graphique qui suit le rythme de la parole, et Rapide sinon ; Rapide tourne sur n’importe quel ordinateur ; Équilibré est plus précis et nécessite une carte graphique ou Apple Silicon. Là où l’application trouve une carte graphique, un interrupteur Utiliser le GPU sous le champ (activé par défaut) vous permet de garder plutôt la reconnaissance sur le processeur.
• Notre service hébergé (« Cloud (letmesoloit.com) » dans l’application ; All-Inclusive, ou n’importe quel forfait avec un Credit Pack) : l’audio passe par notre serveur, payé en crédits. Son option de streaming affiche les mots pendant que les gens parlent ; comme les phrases, un flux est facturé pour tout l’audio qu’il envoie, un crédit par tranche de 10 secondes. Pour que les noms et les mots rares soient bien orthographiés, l’application lui envoie jusqu’à 100 mots avec l’audio : d’abord votre propre liste, puis les mots qui ressemblent à des noms dans le À propos de moi de votre profil actif. Votre liste se trouve dans Paramètres, puis Avancé, puis Audio, puis Reconnaissance vocale, puis Mots à bien orthographierParamètres›Avancé›Audio›Reconnaissance vocale›Mots à bien orthographier : séparez les mots par des virgules (le champ vide suggère « ex. Kubernetes, Grafana, les noms de vos collègues ») ; la voix hébergée privilégie ces orthographes quand elle entend quelque chose d’approchant. Un service que vous configurez avec votre propre clé les reçoit s’il les accepte ; le modèle sur cet ordinateur ignore la liste.
• Un service que vous configurez avec votre propre clé.
• Automatique (par défaut) utilise notre service hébergé tant que votre forfait l’inclut et qu’il vous reste des crédits, pour toutes les langues et sur tous les ordinateurs, et passe en streaming là où le service le permet. Sinon, il utilise la reconnaissance vocale locale, qui sert aussi de secours quand notre service est injoignable ou échoue. Sans notre service hébergé, la discussion attend la fin du téléchargement du modèle vocal, dont la progression s’affiche. Automatique n’utilise jamais un service que vous configurez avec votre propre clé.

Une fois le modèle local téléchargé, son état indique Modèle prêt, et la flèche de téléchargement laisse place à une corbeille qui le supprime.

Ce que chaque choix envoie et conserve figure dans la Politique de confidentialité.

Un service cloud avec votre propre clé

Dans Paramètres, puis Avancé, puis Audio, puis Voix cloud avec votre cléParamètres›Avancé›Audio›Voix cloud avec votre clé, choisissez le service, collez sa clé API et choisissez son modèle ; l’application teste la clé et indique si elle fonctionne. Choisissez ensuite l’option Clé personnelle de ce service comme moteur. Quand le service refuse, la fenêtre indique pourquoi ; ci-dessous, … tient lieu du nom du service et de l’endroit des paramètres, vers lequel le message renvoie :

• … a refusé la clé. Vérifiez-la dans … La clé est erronée ou n’est plus valide.
• … indique que la clé n’a plus de crédit ni de quota. Ajoutez du crédit ou augmentez le quota dans votre compte, sur le tableau de bord du service lui-même, car l’application ne peut pas le modifier, ou choisissez un autre moteur.
• … ne propose pas le modèle choisi dans … Choisissez un autre modèle au même endroit.
• … limite les requêtes ; certaines phrases peuvent être manquées. Elles passent de nouveau dès qu’il cesse de les limiter.

Langues

La reconnaissance vocale et les indices fonctionnent dans douze langues : anglais, ukrainien, russe, allemand, espagnol, français, japonais, polonais, suédois, chinois, coréen et portugais. Un seul paramètre, Langue de l’appel dans Paramètres, puis LangueParamètres›Langue, décide comment. L’anglais est la langue par défaut : une langue que vous choisissez est reconnue exactement, sans détection. Automatique détecte la langue que parle chaque côté de l’appel, avec la reconnaissance vocale sur cet ordinateur ou notre service hébergé, et des réponses de notre service hébergé ; les indices répondent dans la vôtre. Un service vocal que vous configurez avec votre propre clé, ou des réponses de votre propre fournisseur, entendent toujours une langue choisie : la liste n’y propose pas Automatique, et un Automatique enregistré fonctionne comme l’anglais. Cela suit la voie utilisée en direct : quand les réponses passent à votre propre fournisseur en cours d’appel, la détection s’arrête et les lignes changent.

En mode Automatique, la détection se fait séparément pour chaque côté de l’appel. Un côté se fixe dès que deux énoncés distincts, chacun avec au moins 3 secondes de voix, s’accordent sur une langue ; si aucun ne s’accorde après 4 énoncés ou 30 secondes de voix de ce côté, il se fixe sur la langue entendue le plus longtemps jusque-là (en cas d’égalité, la plus récente). Un petit détecteur de langue sur cet ordinateur écoute aussi chaque phrase d’au moins 3 secondes de voix : quand il est sûr que la phrase est dans une autre des douze langues, ce côté de l’appel y passe aussitôt, à partir de cette phrase, et les réponses suivent. Le côté de votre microphone ne change que lorsque le détecteur est sûr de la même nouvelle langue sur deux phrases consécutives, commencées à moins de 20 secondes d’intervalle, car votre microphone entend aussi la pièce et vos propres haut-parleurs ; les deux phrases sont alors réaffichées dans la nouvelle langue. Les phrases plus courtes ne comptent pas : un « OK » ou un nom ne fait donc jamais basculer la langue. Tant qu’un côté n’est pas fixé, il prend la langue de l’autre côté, sinon l’anglais. La reconnaissance vocale sur cet ordinateur détecte la langue à partir de l’audio, notre service hébergé à partir du texte de chaque phrase terminée. En streaming, le flux de chaque côté s’ouvre aussitôt dans la dernière langue de ce côté (la sienne lors d’un appel précédent, conservée sur cet ordinateur, sinon celle de l’autre côté, sinon l’anglais) : le texte s’affiche dès la première seconde. Quand le détecteur entend une autre langue, l’application envoie au flux un court signal qui la nomme, sans audio : notre service hébergé réécoute la phrase dans la nouvelle langue à partir de l’audio qu’il a déjà, et le nouveau texte remplace celui qui était affiché. Rien n’est envoyé ni facturé deux fois. Les indices répondent dans la langue de votre propre côté, sinon dans celle de l’appel.

Une langue que vous choisissez est reconnue exactement : la parole n’est lue que dans cette langue, sans détection ni bascule automatique, et les réponses la suivent. Une deuxième langue n’est alors qu’à un raccourci ; consultez Indices.

Ce dont la reconnaissance vocale locale a besoin

Ces chiffres sont approximatifs. Ce dont chaque système a besoin dans son ensemble, mémoire et disque compris, figure dans Configuration requise.

• Avec une puce graphique comme dans le tableau de la configuration requise, 2 cœurs (4 threads) et 8 Go de mémoire suffisent. Sans elle, l’anglais, le russe, l’allemand, l’espagnol, le français, le japonais, le polonais et le suédois tournent sur le processeur seul : 8 cœurs (16 threads) et 16 Go de mémoire suivent les deux côtés d’un appel ; 6 cœurs (12 threads) et 8 Go en sont à peu près le minimum.
• L’ukrainien, le chinois, le coréen et le portugais, ainsi que le modèle Équilibré, plus précis, nécessitent une carte graphique : Équilibré demande 4 Go de mémoire vidéo ou plus, et la configuration requise liste les cartes par fabricant. La puce graphique intégrée d’un portable ne fait tourner que le modèle Rapide, tout juste en direct. Sous Windows et Linux, la carte a besoin d’un pilote Vulkan, que les pilotes NVIDIA, AMD et Intel actuels incluent.
• Un exemple mesuré (14/10/2026, un vrai appel diffusé à voix haute) : un portable d’entrée de gamme, 2 cœurs / 4 threads avec une puce graphique AMD Radeon Vega 3, fait tourner Rapide à environ 3 secondes par phrase une fois la langue connue : le texte apparaît environ 3,5 à 5 secondes après la fin d’une phrase ; pendant la détection de la langue, une phrase prend environ 5 secondes. Équilibré y est trop lent, et Automatique ne le choisit pas. Avec une GeForce GTX 1650, Équilibré prend environ 1,3 seconde par phrase (environ 2,1 pendant la détection) et reste sur la carte. Un appel où chacun parle à son tour suit le rythme ; deux côtés qui parlent sans pause, non.
• Avec un forfait qui inclut notre service hébergé, Automatique y envoie toutes les langues, ces quatre comprises : le matériel de votre ordinateur n’a donc pas d’importance. Sans lui, Automatique les fait tourner sur cet ordinateur avec le meilleur modèle qui suit le rythme, ce qui peut prendre du retard sans carte graphique ni Apple Silicon.
• Quand un modèle sur la carte graphique est trop lent, Automatique l’essaie d’abord une fois sur le processeur et garde celui qui lit le plus vite, en affichant « Reconnaissance vocale passée à … » s’il a changé ; il ne réessaie pas dans cette version de l’application. Si votre ordinateur prend encore du retard, l’application le signale et propose un choix plus rapide : avec un forfait qui inclut notre service hébergé, Rapide ou notre service (notre service seul si Rapide est trop lent) ; sans lui, Rapide ou l’interrupteur « Utiliser le GPU » là où il est proposé (l’interrupteur seul si Rapide est trop lent). Elle reste sur le choix local le plus rapide, garde les sous-titres au plus près du direct et ne bascule jamais l’audio vers le cloud d’elle-même.

Microphone et haut-parleur

Paramètres, puis Avancé, puis AudioParamètres›Avancé›Audio liste vos microphones et vos sources de haut-parleur et indique celui qui est utilisé. Un changement s’applique aussitôt à l’enregistrement ; un périphérique qui ne s’ouvre pas laisse le précédent en place. Un périphérique enregistré qui n’est pas branché au début de l’écoute (un casque éteint) est remplacé par celui du système pour cette session ; le réglage reste, et le périphérique est de nouveau utilisé la prochaine fois qu’il est là. Sous macOS, il n’y a pas de haut-parleur à choisir : l’application entend elle-même le son de l’ordinateur, grâce à l’autorisation Enregistrement de l’écran.

Détection de la voix

La section Détection de la voix, numérotée sur l’image ci-dessous, décide de ce qui compte comme parole. Les deux seuils fixent le niveau au-dessus duquel un son compte comme une voix, l’un pour votre microphone (100 par défaut), l’autre pour les autres participants (200) ; chacun va de 1 à 10 000. Indice sur ma propre parole est désactivé par défaut : l’application répond à ce que disent les autres participants et, une fois activé, aussi à ce que vous dites. Filtrer l’écho du haut-parleur est activé par défaut et écarte les phrases du microphone qui ne sont que le son de l’appel revenant par vos haut-parleurs. Ajuster automatiquement la sensibilité est activé par défaut : pendant l’écoute, chaque seuil suit l’appel, entre la moitié et le double de sa valeur enregistrée, sans jamais être enregistré, et le démarrage suivant repart donc de vos valeurs. Suggérer un calibrage est activé par défaut : quand un côté n’est toujours pas reconnu, un avis le signale avec un lien Calibrer ; le désactiver supprime l’avis, et Calibrer dans les paramètres fonctionne dans tous les cas.

Calibrer

Quand un côté n’est toujours pas reconnu, la fenêtre affiche « L’autre côté est difficile à comprendre : vérifiez le volume ou calibrez. » (ou « votre microphone »). Vérifiez d’abord le volume du système, et que Paramètres, puis Avancé, puis AudioParamètres›Avancé›Audio utilise le bon microphone et le bon haut-parleur.

Calibrez ensuite, pendant que l’application écoute. Le lien Calibrer de l’avis ouvre les deux boutons de calibrage, et , dans le titre de Détection de la voix, dans Paramètres, puis Avancé, puis AudioParamètres›Avancé›Audio. Calibrer le micro (info-bulle « Calibrer le micro ») vous demande de rester silencieux 3 secondes, puis de lire une phrase à voix haute trois fois. Calibrer le haut-parleur (info-bulle « Calibrer le haut-parleur ») joue un court extrait trois fois dans votre haut-parleur pendant que vous restez silencieux. L’application place le niveau entre le bruit de fond et la voix, et Enregistrer le conserve. Quand la voix ne dépasse pas nettement le bruit, l’application le signale et ne change rien.

Couper votre micro

Ctrl+Alt+M, ou dans la barre d’actions, fait que l’application cesse de vous entendre : rien de votre microphone n’est transcrit ni envoyé. Les autres participants sont toujours entendus, et cela ne coupe pas votre micro dans l’appel. Son pendant, Ctrl+Alt+O ou juste à côté, met plutôt les autres participants en pause : rien de ce qu’ils disent n’est transcrit, envoyé ni facturé, jusqu’à ce que vous appuyiez de nouveau. Chaque démarrage se fait micro ouvert et sans pause.