Tu as un enregistrement — un standup, un appel client, une réunion parents-profs — et tu as besoin des parties utilisables : ce qui a été décidé, qui fait quoi, et quel passage appartient à quel locuteur. Voici le workflow qui marche, avec la vraie sortie incluse.
Étape 1 — Dépose le fichier, dis ce que tu veux en tirer
Trois portes d'entrée : envoie un fichier audio (MP3, WAV, M4A, FLAC — jusqu'à une heure en une passe), appuie sur le bouton micro dans la zone de message pour dicter ou enregistrer, ou utilise le bouton d'enregistrement en haut du tiroir de fichiers — les enregistrements atterrissent dans ton espace de travail dans tous les cas. Ensuite, dis en une phrase ce dont tu as vraiment besoin :
- Transcription seule — « transcris ça » te donne le texte.
- Compte rendu — « transforme-le en compte rendu avec les actions » te donne un document structuré.
- Sections — « sépare la partie niveau école de la partie niveau classe » marche aussi — la transcription porte des timestamps, donc l'agent peut découper des sections par le temps.
Si l'audio a plusieurs locuteurs, dis-le — la transcription tourne avec séparation des
locuteurs, et la sortie nomme les tours <|speaker:0|>, <|speaker:1|>, et ainsi de suite.
Étape 2 — À quoi ressemble une vraie transcription
On a synthétisé un standup de 32 secondes à deux locuteurs (le même moteur de voix qui alimente notre pipeline podcast — donc ce fichier est une démo propre côté droits, pas la vraie réunion de quelqu'un) et on l'a passé dans la machine. Écoute toi-même :
Et la transcription réelle qu'elle a produite, étiquettes de locuteurs incluses :
<|speaker:0|> Let us start the sprint review. Marketing finished the landing page refresh, and sign-ups are up 12% week over week. <|speaker:1|> Good numbers. On my side, the new transcription pipeline shipped yesterday. Meeting recordings up to 60 minutes now work in one pass. Next, I want feedback on the minutes format before we announce it. <|speaker:0|> One open item. Pricing for the minutes feature, I will bring a proposal to Thursday. Anything else? <|speaker:1|> Just one thing. We still owe the team an incident write-up from last week. I will draft it today.
Chaque tour porte aussi des timestamps de début et de fin — c'est ce qui rend possible le découpage en sections et le « clippe le passage où on a parlé du pricing » sans réécouter.
Étape 3 — Le compte rendu est une étape de mise en forme, pas de transcription
La transcription est la matière première ; le compte rendu est un produit éditorial. Dis à l'agent l'audience et la forme — « compte rendu pour l'équipe, décisions dans une section, actions avec responsables » — et il écrit le document, il ne se contente pas de formater le dump. Dans une vraie exécution, il a produit deux fichiers à partir d'un seul enregistrement : un résumé au niveau de l'école et un résumé au niveau de la classe, découpés au moment où la réunion a changé de périmètre.
Les limites honnêtes
- Les dictaphones aux conteneurs bizarres peuvent mal se décoder. Si un fichier échoue, l'agent le convertit en WAV avec ffmpeg et réessaie — dis « ça a échoué » et il se débrouillera, mais un MP3/M4A standard sorti d'un téléphone reste le chemin le plus lisse.
- L'audio multilingue a un biais de langue dominante. Un mélange anglais-chinois marche bien ; un enregistrement très multilingue peut marquer les passages en langue secondaire avec une étiquette de langue au lieu de les transcrire.
- Les étiquettes de locuteurs sont des numéros, pas des noms. La transcription dit speaker:0 et speaker:1 ; l'agent devine les identités d'après le contexte (« le directeur », « le client ») et tombe juste plus souvent qu'à son tour — vérifie les noms avant de publier un compte rendu.
- Les traits d'union et les noms de produits peuvent dériver. « meeting-to-minutes » peut revenir « meeting to minutes ». Passe une fois sur les noms propres.
La suite
Le même pipeline alimente tout ce qui est en aval d'une transcription : les emails de suivi, les présentations faites à partir du contenu d'une réunion, un digest hebdomadaire des standups. C'est une capacité de l'agent persistant — le même espace de travail qui contient tes documents contient l'audio, la transcription, et ce que tu lui demandes d'en faire.
Essaie : ouvre l'espace de travail, dépose un enregistrement, et dis « transcris ça, puis rédige-moi le compte rendu ».