Glossaire
La prosodie est le terme générique pour les schémas rythmiques, intonatifs et d'accentuation de la langue parlée. C'est comment quelque chose est dit, séparément de ce qui est dit. La hauteur de la voix monte à la fin d'une question oui-non; l'accent tombe sur le mot contrastif; le débit ralentit pour les points importants. L'ASR moderne transcrit principalement les mots et rejette la prosodie, mais la prosodie porte 30-40% du sens de la parole conversationnelle.
Ce que la prosodie encode
Trois grandes choses. (1) Type de phrase: hauteur de la voix montante = question, hauteur de la voix descendante = déclaration. (2) Focus et emphase: "Je n'ai pas dit qu'il avait volé l'argent" vs "Je n'ai pas dit il a volé l'argent" — mêmes mots, sens opposés, la prosodie désambiguïse. (3) Émotion et attitude: sarcasme, doute, certitude, excitation, ennui. La prosodie est un canal majeur pour ces signaux.
Prosodie et ASR
La transcription standard élimine la prosodie — la sortie n'est que des mots. Certains systèmes l'annotent : la recherche en pathologie du langage et de la parole utilise ToBI (Tones and Break Indices) pour marquer les caractéristiques prosodiques dans les transcriptions. Pour la reconnaissance vocale commerciale, la prosodie est principalement utilisée implicitement par le modèle de langage (une intonation interrogative favorise l'ajout d'un point d'interrogation). La transcription prosodique directe est une niche de recherche.
La frontière : la prosodie pour l'émotion et l'intention
Les LLM audio (Whisper fine-tuné, OpenAI Realtime, GPT-4o-audio) consomment désormais l'audio directement sans le transcrire d'abord en texte — préservant ainsi la prosodie. Cela permet la détection d'émotion ("l'utilisateur semble frustré"), la détection d'intention ("est-ce une question ou une affirmation ?") et la détection de sarcasme. Attendez-vous à ce que la transcription consciente de la prosodie devienne une fonctionnalité standard en 2026-2027.
En pratique
Enregistrement : "Oh, super." Le texte transcrit seul est ambigu — cela peut être de l'enthousiasme ou du sarcasme. La prosodie lève l'ambiguïté : ton montant + timbre clair = enthousiasme ; ton plat + débit lent + accent sur "super" = sarcasme. Les transcriptions standards ne peuvent pas saisir cela ; les modèles audio conscients des émotions le peuvent.
Termes associés
Lectures complémentaires
Essayer la transcription IA
Commencez — gratuitementDernière mise à jour : 16 novembre 2026
Questions Fréquemment Posées
Les schémas d'accentuation, d'intonation et de rythme dans la langue parlée. L'ASR moderne ignore pour la plupart la prosodie pour la transcription au niveau des mots, mais c'est la prochaine frontière pour la détection d'émotion et d'intention.
Prosodie 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.