Glossaire
Un modèle de ponctuation et de casse prend la sortie brute d'un ASR système — généralement un flux de mots en minuscules, sans ponctuation — et ajoute la capitalisation, les points, les virgules, les points d'interrogation et autres formats qui rendent le texte lisible. Les anciens pipelines ASR nécessitaient un modèle de post-traitement séparé pour cela ; Whisper l'intègre nativement dans son décodeur.
Pourquoi l'ASR a besoin d'une ponctuation séparée
La parole ne contient pas de signes de ponctuation. Les pauses parfois corrèlent avec les limites de phrase, mais pas de manière fiable (les gens font des pauses au milieu d'une phrase pour réfléchir ; les gens ne font pas de pause à chaque point). La sortie pure du modèle acoustique est donc en minuscules et sans ponctuation : "the meeting is at three pm we should bring the slides". Un modèle de ponctuation transforme cela en : "The meeting is at 3 p.m. We should bring the slides."
Comment fonctionnent les modèles de ponctuation autonomes
Entraînez un transformateur (ou un LSTM) sur un grand corpus de texte correctement ponctué. Entrée : une séquence de mots en minuscules sans ponctuation. Sortie : des prédictions par mot de la marque de ponctuation (le cas échéant) qui suit le mot, ainsi que des décisions de capitalisation. Les modèles comme fastpunct, punctuator2, et deepmultilingualpunctuation sont des choix open-source standard. La qualité est généralement bonne sur les textes d'actualité ou conversationnels standard ; elle a du mal avec le contenu spécifique à un dialecte ou à un domaine.
Pourquoi Whisper n'a pas besoin d'un modèle séparé
Whisper a été entraîné sur du texte ponctué et mis en forme dès le départ — le décodeur apprend à sortir la ponctuation directement en tant que partie du flux de tokens. Aucune passe de post-traitement séparée n'est nécessaire. Cela est plus efficace et produit une ponctuation plus appropriée sur le plan contextuel qu'un pipeline en deux étapes. L'inconvénient : Whisper peut sur-comma (des virgules à chaque pause brève) ou sous-comma (de longues phrases sans pauses) selon le style du locuteur.
En pratique
Pipeline ASR pré-2022 (par exemple, Mozilla DeepSpeech) : la sortie est "thank you for joining the meeting today we have three things on the agenda". Passez par un modèle fastpunct pour obtenir "Thank you for joining the meeting. Today we have three things on the agenda." Whisper produit la version ponctuée directement, en une seule passe d'inférence.
Termes associés
Obtenir des transcriptions propres et ponctuées
Commencez — gratuitementDernière mise à jour : 16 novembre 2026
Questions Fréquemment Posées
Un modèle de post-traitement spécialisé qui transforme la sortie ASR en minuscules et sans ponctuation en un texte correctement ponctué et mis en forme. Whisper intègre cela directement ; les anciens pipelines utilisent un modèle séparé.
Modèles de ponctuation et de casse 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.