N'oubliez pas de nous ajouter aux favoris !

Glossaire

RTF — Facteur de temps réel expliqué

Le facteur de temps réel (RTF) mesure la vitesse d'un ASR Le système traite l'audio en fonction de la durée de l'audio. RTF = 1,0 signifie que le système traite 1 heure d'audio en 1 heure ("temps réel"). RTF = 0,1 signifie 1 heure d'audio en 6 minutes (10× plus rapide que le temps réel). Plus c'est bas, mieux c'est pour le traitement par lots; pour le streaming, le RTF doit rester en dessous de 1,0 sinon votre système prend du retard.

Comment le RTF est calculé

RTF = temps_ecoule_traitement / duree_audio. Si vous transcrivez un fichier de 30 minutes en 3 minutes, RTF = 3/30 = 0,1. Le RTF peut être mesuré par système (single GPU, single thread) ou de bout en bout (votre pipeline entier incluant le téléchargement, la mise en file d'attente, le post-traitement). C'est ce dernier qui est ressenti par les utilisateurs.

Nombres typiques de RTF

Whisper-1 sur l'API d'OpenAI: ~0,05-0,15 RTF (GPU rapides, inférence optimisée). Whisper Large v3 sur un RTX 4090 grand public: ~0,1-0,2 RTF. distil-whisper sur CPU: ~0,5-2,0 RTF (l'inférence uniquement sur CPU est lente). Systèmes ASR en streamingdoit rester sous 1,0 — généralement 0,3-0,7 avec fin de pointage. Anciennes systèmes hybrides HMM sur un CPU rapide : ~0,5-1,5.

Pourquoi le RTF compte moins que vous ne le pensez

Pour la transcription par lots, le RTF est dominé par le temps d'aller-retour réseau (téléchargement du fichier) pour les audios courts, et par l'ASR réel pour les audios longs. Notre pipeline pour un fichier de 5 minutes est un RTF d'environ 0,4 car le téléchargement+la mise en file d'attente+le post-traitement dominent les ~10 secondes que Whisper passe réellement. Pour un fichier de 60 minutes, le RTF chute à ~0,05 car le traitement de Whisper est proportionnel à la longueur de l'audio tandis que les frais généraux sont constants. Les chiffres marketing de RTF doivent être pris avec des pincettes.

En pratique

Téléchargez un podcast de 60 minutes. Téléchargement réseau à une vitesse internet domestique typique: 30 secondes. Mise en file d'attente (serveur occupé, attente d'un travailleur): 5 secondes. Traitement par Whisper: 90 secondes. Post-traitement (formatage, analyse JSON, DOCX export): 10 secondes. Total: 135 secondes = 2,25 minutes. RTF de bout en bout = 2,25 / 60 = 0,0375 — environ 27× temps réel.

Termes associés

Essayez la transcription rapide

Commencez — gratuitement

Dernière mise à jour : 16 novembre 2026

Questions Fréquemment Posées

Que signifie RTF (Facteur de temps réel) en transcription ?

Vitesse à laquelle un système de reconnaissance automatique de la parole (ASR) traite l'audio par rapport à sa durée. RTF = 0,5 signifie que le traitement d'1 heure d'audio prend 30 minutes. Whisper-1 sur un GPU rapide fonctionne à un RTF d'environ 0,1-0,3.

Pourquoi RTF (Facteur de temps réel) critère lors du choix d'un flux de travail de transcription ?

RTF (Facteur de temps réel) 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.

Où puis-je appliquer RTF (Facteur de temps réel) sur Transcript.you ?

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.