Glossaire
Un modèle de langage (LM) attribue des probabilités aux séquences de mots. En reconnaissance vocale, un LM désambiguïse entre des transcriptions phonétiquement similaires : "recognize speech" vs "wreck a nice beach" sonnent presque identiques, mais le LM donne à la première une probabilité beaucoup plus élevée en fonction des schémas de co-occurrence des mots. Les systèmes ASR modernes à transformateurs comme Whisper intègrent le LM directement dans leur décodeur.
Anciens modèles de langue n-gram
Les modèles de langage ASR pré-2018 utilisaient des modèles n-grammes — des statistiques basées sur le comptage de texte d'entraînement, lissées pour gérer les séquences non vues. Typique : un modèle LM 3-gramme ou 4-gramme entraîné sur des milliards de mots de texte d'actualité et web. Le décodage combinait le score du modèle acoustique et le score du LM, pondérés par un facteur de mise à l'échelle du LM. Efficace mais limité — les LMs n-grammes ne peuvent pas raisonner sur le contexte à long terme.
Modèles de langue neuronaux dans l'ASR moderne
Le décodeur de Whisper est lui-même un modèle de langue à base de transformateur conditionné par la sortie de l'encodeur (audio). Il génère un jeton à la fois, chacun conditionné par tous les jetons précédents — un modèle de langue à contexte effectivement non borné. C'est pourquoi Whisper gère les longues phrases avec une cohérence des noms propres et un accord grammatical que les systèmes anciens manquaient. L'inconvénient : des hallucinations lors de longs silences, où le LM génère volontiers un texte plausible mais erroné.
Adaptation de domaine via LM
Si vous transcrivez du contenu médical, juridique ou technique avec beaucoup de jargon, le LM généraliste peut mal reconnaître les termes spécialisés. Solutions : (1) biais — fournir à la modèle une liste d'indices de termes probables (Whisper prend en charge cela via le paramètre "prompt"); (2) affinage — entraîner sur les transcriptions de votre domaine. Nous utilisons le paramètre prompt de Whisper pour les téléchargements de domaine connu et sinon laissons le LM général s'en charger.
En pratique
Audio : « the patient presented with paroxysmal atrial fibrillation. » Un modèle de langue généraliste pourrait transcrire « paroxysmal » par « box of small » — phonétiquement proche, mais sans aucun sens. Avec un prompt de vocabulaire médical, Whisper favorise le terme médical correct et obtient le bon résultat.
Termes associés
Lectures complémentaires
Essayer la transcription IA
Commencez — gratuitementDernière mise à jour : 16 novembre 2026
Questions Fréquemment Posées
Le composant qui transforme les suppositions de phonèmes en mots réels en prédisant les séquences de mots probables. Les transformateurs de type Whisper intègrent les deux dans un seul modèle.
Modèle de langage Affecte la manière dont vous comprenez la qualité de la transcription, le timing, la compatibilité ou la technologie derrière les résultats de la transcription vocale.
Utilisez le flux de travail associé à /ai-transcription lorsque vous souhaitez voir comment ce concept de glossaire se connecte à une tâche de transcription réelle.
Parcourir le glossaire de transcription ou lisez le guide complet de la transcription IA.