Glossaire
Le beam search est l'algorithme de décodage standard utilisé par les modèles de séquence comme Whisper. Au lieu de choisir de manière gloutonne le mot suivant le plus probable à chaque étape, l'algorithme suit les k (la "largeur du faisceau") meilleures séquences candidates et choisit le meilleur chemin complet. C'est la raison pour laquelle la reconnaissance automatique de la parole ne fait pas d'erreurs évidentes de type glouton comme "I scream" au lieu de "ice cream" — en considérant plusieurs chemins, le bon l'emporte sur le score cumulé.
Décodage glouton vs recherche de faisceau
Le décodage glouton choisit le token de probabilité la plus élevée à chaque étape. Rapide mais myope — les mauvais choix précoces se propagent. Le beam search avec une largeur de faisceau k=5 suit les 5 meilleures séquences partielles après chaque étape. Après le traitement de l'audio complet, il retourne la séquence complète de score le plus élevé. Environ 5 fois plus de calcul que le décodage glouton, en échange d'une meilleure précision notable sur les audios ambigus.
Compromis de largeur de faisceau
Une largeur de faisceau plus élevée = meilleure qualité jusqu'à un certain point, puis des rendements décroissants. k=1 est glouton. k=5 est le point idéal pratique pour la reconnaissance automatique de la parole — la plupart des gains de précision sont capturés ici. k=10-20 récupère quelques cas supplémentaires mais coûte proportionnellement plus. Au-delà de k=20, vous dépensez du calcul sur des cas de queue longue que les humains se trompent aussi.
Pénalité de longueur et autres ajustements
Le beam search pur préfère les séquences plus courtes (chaque token a une probabilité < 1, donc les séquences courtes accumulent une probabilité de produit plus élevée). La normalisation de longueur ou un terme de pénalité de longueur corrige cela. Whisper utilise l'échantillonnage de température au moment du décodage — lorsque les probabilités des tokens sont trop uniformes (le modèle est incertain), il abaisse la température et redécode. Nous utilisons la stratégie de décodage standard de Whisper sans modification — les ajustements propriétaires ont tendance à surajuster.
En pratique
Audio : "I scream for ice cream." Après le traitement des trois premiers mots, le décodage glouton pourrait choisir "I scream for I scream" (en interprétant mal le dernier "ice cream" comme un autre "I scream" parce qu'ils sonnent de manière similaire). La recherche de faisceau conserve à la fois "I scream" et "ice cream" comme candidats après chaque morceau, et la préférence du modèle de langage pour "ice cream" dans le contexte de la nourriture gagne sur le score cumulé.
Termes associés
Lectures complémentaires
Voir le décodage précis en pratique
Commencez — gratuitementDernière mise à jour : 16 novembre 2026
Questions Fréquemment Posées
Une stratégie de décodage utilisée par les moteurs ASR : au lieu de choisir le mot suivant le plus probable à chaque étape (glouton), le système suit les k séquences candidates les plus élevées et choisit le chemin complet le mieux noté. Échange de calcul pour la précision.
Recherche par faisceau 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.