Whisper

Whisper est un modèle de reconnaissance vocale automatique (ASR) développé par OpenAI et publié en open source. Entraîné sur 680 000 heures d'audio multilingue, il atteint des performances de transcription proches de l'humain dans plus de 90 langues, avec des résultats particulièrement excellents en français.

Les avantages de Whisper par rapport aux solutions ASR traditionnelles incluent : une robustesse exceptionnelle au bruit ambiant, une bonne gestion des accents régionaux, la capacité de traiter du vocabulaire technique (médical, juridique) et un support du code-switching (passages d'une langue à l'autre au sein d'une même conversation).

VoxiaFlow utilise Whisper comme moteur STT principal pour transcrire les appels en temps réel. Le modèle est optimisé et accéléré pour la production avec une latence inférieure à 500ms, permettant un traitement quasi instantané de la parole de l'appelant. Cette rapidité est essentielle pour maintenir un rythme de conversation naturel.