Archives de catégorie : Synchronisation

Convertir « automatiquement » du son en texte : pour quoi faire?

Beaucoup de gens découvrent Sonal sur ce qu’il faut bien appeler un malentendu. Parmi les requêtes qui amènent les internautes sur le site du logiciel, une nombre très important renvoie au souhait de pouvoir convertir plus ou moins automatiquement du son en texte.

Voici par exemple une série de recherches dans Google qui ont amené des internautes sur le site durant la dernière semaine…

  • logiciel de transcription audio en texte
  • programme transcription oral
  • logiciel de transcription vocale
  • logiciel qui écrit ce qui est un dit dans un enregistrement
  • logiciel retranscription audio en texte
  • logiciel retranscription ecrite des memo vocaux mac
  • analyse de la voix pour reconnaissance vocale
  • application qui retranscrit
  • conversion automatique de la voix en texte
  • logiciel conversion oral écrit
  • logiciel de conversion de l’oral a l’ecrit
  • logiciel de retranscription audio en texte
  • logiciel de transcription audio
  • logiciel gratuit pour retranscrire sa voix sur word
  • logiciel gratuit pour retranscrire sa voix sur word pour mac
  • logiciel pour enregistrer sa voix et export vers word
  • logiciel qui écrit ce qui est dit
  • logiciel traduction automatique voix texte écrit »

Je suis toujours un peu désolé de voir le nombre d’internautes qui espèrent trouver en Sonal un outil aussi gratuit que miraculeux qui fera ce travail fastidieux à leur place. Or, si vous avez déjà essayé Sonal, vous savez qu’il vous facilite beaucoup les choses, en vous « dictant » la retranscription, ce qui vous décharge presque complètement du contrôle de la bande (plus besoin de pédalier, ni même de raccourci clavier), mais qu’il ne convertit pas automatiquement le son en texte, comme peuvent le faire – plus ou moins bien – les logiciels de reconnaissance vocale.

Donc, c’est dit – et corrigé en page d’accueil – Sonal est un outil d’aide à la retranscription et, à ma connaissance, la solution à la fois miraculeuse et gratuite qui permettrait de retranscrire « automatiquement » n’existe pas encore. J’ai déjà abordé ce point ailleurs, aussi je serai bref sur ce point.

Les limites de la reconnaissance vocale

La reconnaissance vocale est pour l’instant réduite à une alternative encore problématique : soit elle parvient à reconnaître un lexique réduit chez une grande variété de locuteurs, soit elle parvient à identifier un lexique étendu, mais chez un seul locuteur. Les standards téléphoniques automatisés et tous les outils de pilotage à la voix fonctionnent assez bien s’ils savent à quoi s’attendre. Votre accent marseillais ou franc-comtois ne perturbera pas forcément l’algorithme de reconnaissance vocale s’il sait que vous allez dire soit « billet », soit « horaires ». En revanche, si le logiciel ne sait pas à quels mots s’attendre, il a intérêt à pouvoir décomposer syllabe par syllabe ce que vous venez de dire pour pouvoir trouver le mot le plus probable. Et là il vaut mieux qu’il sache, si par exemple vous avez l’accent franc-comtois, que votre prononciation de « vélo » n’est pas forcément très éloignée de celle de « vêla » dans la bouche d’un picard (d’autant que les logiciels de reconnaissance vocale ne sont pas forcément capables de faire la différence entre un cycliste et un vétérinaire – même s’il doit bien exister des vétérinaires cyclistes, je doute qu’une vache puisse vêler à vélo, mais je m’égare).  Il faut donc que le logiciel vous connaisse. Cela implique que vous aurez du mal, pour l’instant, à donner n’importe quelle voix à retranscrire à un logiciel. Les améliorations sont constantes mais – dernière limite – il ne faut pas perdre de vue que la reconnaissance vocale est adaptée à la production de documents écrits de type courrier. A ma connaissance, aucun logiciel, encore moins gratuit, n’est donc pour l’instant capable de reconnaître efficacement un lexique étendu prononcé par un nombre élevé de locuteurs, à plus forte raison s’ils s’expriment naturellement et se coupent ponctuellement la parole, voire parlent en même temps, comme cela se passe dans un entretien semi-directif.

Il serait pourtant dommage de s’arrêter à ce constat d’impossibilité technique. J’aimerais, dans ce qui suit, en profiter pour discuter plus profondément cette question de la « retranscription automatique », du pourquoi de cette aspiration et de ce qu’elle permet de comprendre de l’économie et de l’organisation de la recherche. Je terminerai en avançant, ce n’est pas une surprise, ce que Sonal peut apporter dans ce contexte.

La retranscription, comment y échapper?

L’attrait que suscite l’existence supposée d’un outil de reconnaissance vocale gratuit est bien compréhensible pour qui tient compte de l’économie spécifique de la recherche en sciences humaines. La retranscription manuelle est éminemment chronophage et pour le moins fastidieuse. Tout le monde a donc le désir assez logique d’y échapper, mais cette possibilité est inégalement répartie selon les positions : les chercheurs statutaires qui montent des projets de recherche prévoient généralement une part du budget pour les retranscriptions, qu’ils font réaliser par des prestataires privés ou par des étudiants. De leur côté, les étudiants, les doctorants et les chercheurs sous-financés se retrouvent généralement seuls,  adossés au « mur de la retranscription » et n’ont personne à qui sous-traiter ce qui leur apparaît comme un « sale boulot ».

C’est logiquement eux que la perspective d’une solution miracle attire en premier. On ne peut que comprendre cette envie profonde de s’épargner un travail fastidieux, lorsqu’il s’agit de réaliser une tâche pour un tiers mais je suis beaucoup plus partagé lorsqu’il s’agit d’étudiants à qui l’on demande de retranscrire leurs propres entretiens. C’est sans doute un peu facile, de ma position, de défendre cette option, mais je pense qu’il faut impérativement rappeler que le travail d’analyse des entretiens commence avec le processus de retranscription, qui peut et doit être une véritable étape d’appropriation des matériaux, surtout si l’on souhaite abandonner ensuite le support audio.

Aussi je ne partage pas ce rêve récurrent de pouvoir donner du son à manger à une machine, pour qu’après un processus mystérieux de « conversion », en ressorte du texte parfaitement conforme et donc substituable à la bande. Il me semble d’ailleurs que ce fantasme interroge profondément le rapport des chercheurs au son et les habitudes prises en matière d’organisation du travail. Il fait écho à quelque chose qui ne laisse pas de m’intriguer : pour bon nombre de chercheurs, le travail d’analyse, le vrai travail sociologique, semble ne commencer qu’avec le verbatim des entretiens, ce qui suppose un partitionnement quasi étanche entre les divers matériaux de l’enquête. Cela soulève plusieurs questions.

Relire ou réécouter?

La première, la plus simple, est sans doute la suivante : que gagne-t-on et que perd-on à relire un entretien plutôt qu’à le réécouter ? On gagne plusieurs choses : de la rapidité d’appropriation d’abord. Il faut généralement beaucoup moins d’une heure pour relire la transcription d’un entretien d’une heure. Autre avantage, le texte est un facteur d’objectivation précieux, bien qu’à double tranchant, qui introduit une distance salutaire entre le locuteur et le lecteur. On peut aussi évoquer, de manière très prosaïque, le poids relatif des matériaux sonores et textuels en termes de stockage, même si la question devient de moins en moins prégnante à mesure que les capacités des ordinateurs s’accroissent.

La transcription est une traduction

Si l’on se penche maintenant sur la question des inconvénients associés au fait de travailler un corpus d’entretiens à partir des seuls verbatims, on ouvre une véritable boîte de Pandore. Pour avoir dû « resynchroniser » des entretiens dans Sonal, j’ai eu l’occasion de relire et de réécouter simultanément des entretiens retranscrits par des professionnels, chose qu’on n’a que rarement l’occasion de faire en temps normal. C’est peu dire que l’exercice est surprenant. On y comprend que le rêve d’une conversion stricte des dialogues en texte est parfaitement utopique. Le transcripteur est un traducteur, qui synthétise certaines digressions, lisses des hésitations (pour des raisons de lisibilité qui se défendent), organise des alternances de parole là où il y a superpositions (ce qui est fréquent en entretien).  Le rêve d’une transcription parfaitement fidèle et littérale d’une discussion orale, qui plus est automatique, est donc une pure illusion. La sociologie est une discipline littéraire, une langue, qui ne peut  restituer le langage des personnes interrogées sans transformation. David Guéranger, dans une communication intitulée « L’écriture sociologique en tensions. La réécriture d’un entretien par Pierre Bourdieu » analyse différentes versions d’un entretien publié dans « La Misère du Monde » et montre ainsi comment P. Bourdieu s’est arrangé avec l’hétérogénéité des mondes sémantiques de ses interlocuteurs et de ses lecteurs, arbitrant sans cesse entre la fidélité à la parole et la lisibilité. Cette analyse, qui ne se prive pas de tacler au passage certaines reformulations discutables, illustre très bien les limites d’une analyse centrée sur le seul verbatim.

Le problème, une fois qu’on a admis que les verbatims n’étaient pas parfaitement substituables au son, c’est qu’il faut bien faire le constat que quelque chose cloche dans les protocoles standards de la sociologie, dans lesquels la transcription tend à jouer un rôle de frontière entre une phase empirique de collecte des matériaux sur le terrain et une phase analytique, plus littéraire, qui n’est plus reliée au terrain que par le fil fragile de la fidélité des transcriptions.

C’est là que Sonal apporte quelque chose : pourquoi, puisque c’est techniquement faisable, ne pas travailler à partir de matériaux sonores, en parallèle des retranscriptions?

Dans l’organisation usuelle du travail, le son est condamné à sortir du champ de l’analyse et l’écoute est généralement réalisée par transcripteur qui n’est généralement pas le chercheur lui-même. En grossissant le trait, on peut presque dire que bien souvent, une personne travaille un matériau sonore, le retranscrit, et qu’une nouvelle recherche commence pour une autre personne sur un nouveau matériau une fois les retranscriptions finies. De là l’idée que la vraie sociologie commencerait avec les verbatims,  que le seul matériau « noble » soit d’ordre textuel, ce qui relègue à un oubli plus ou moins programmé les enregistrements, qui sont pourtant un matériau autrement plus riche de signifiants que le texte seul.

Les avantages d’un corpus audio-textuel

Nous vivons probablement une époque de transition dans le travail sociologique. Celui-ci se construit de plus en plus à l’aide d’outils multimédias, avec des enregistrements sonores ou vidéos mais, pour l’instant du moins, les productions  qui permettent la valorisation des matériaux collectés sont dans leur immense majorité de type textuel. Cela explique peut-être l’abandon programmé du son mais les progrès de l’informatique permettent tout à fait de conserver le matériau sonore au coeur de la recherche, et il est très probable qu’il jouera largement son rôle dans les processus de restitution à l’avenir.

C’est l’optique de Sonal. La synchronisation du texte et du son permet de ne plus retranscrire pour remplacer le son par du texte mais bien pour juxtaposer les deux supports, et les garder liés et également accessibles jusqu’au terme du travail d’enquête. Si la bande est retranscrite dans Sonal, la recherche d’un mot clé sous la forme textuelle permettra la réécoute des passages où ce mot est formulé. Le système est ainsi fait que la relecture d’un passage que l’on vient d’écouter, ou l’écoute d’un passage que l’on vient de lire, est quasi-instantanée. La séparation des deux matériaux est abandonnée, la division et la scansion du travail n’est plus la même.  Un corpus audiotextuel synchronisé permet à la fois de cumuler les approches analytiques, mais aussi de gérer les deux formes hétérogènes du discours, sans sacrifier l’une au profit de l’autre, comme on le fait généralement.

Voilà le fin mot de ce long billet : j’ai l’impression que les gens téléchargent Sonal pour les possibilités de retranscription  alors que son intérêt premier est dans l’organisation radicalement nouvelle des matériaux qu’il propose. Il y a beaucoup plus dans ce projet qu’une volonté de faciliter les retranscriptions, il s’agit d’abord de permettre une gestion simultanée des matériaux sonores et textuels, à rebours de ce qui se faisait jusqu’ici, en s’appuyant sur des interfaces très simples pour organiser et analyser des corpus.  Il ne s’agit plus de rechercher à tout prix le moyen idoine d’accélérer et d’évacuer la phase de réécoute et de retranscription, avant de commencer le « vrai travail » sur le texte, mais bien de faire tomber les frontières entre le « moment sonore » et le « moment textuel » de la recherche.  Je vois donc Sonal comme le support d’une nouvelle approche des données et de leur organisation, rompant avec la scansion consacrée qui astreignait à retranscrire avant de commencer à analyser.

 

Alex Alber

Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS) Chercheur associé du Centre d'Etudes de l'Emploi.

More Posts - Website

Resynchroniser un entretien

La version 1.0 de Sonal permet dorénavant de réintégrer dans un corpus Sonal des entretiens déjà retranscrits hors de l’application et de les y découper pour les mettre en forme comme s’ils avaient été retranscrits dans Sonal. Cette tâche revient à « resynchroniser » le texte et le son.

Cela peut vous permettre, si vous découvrez Sonal au milieu d’une recherche, d’intégrer des entretiens déjà retranscrits dans votre corpus, pour pouvoir les soumettre au même cadre analytique que les nouveaux, que vous saisirez dans Sonal.

Cela présente également l’intérêt, si vous ne retranscrivez pas vous-mêmes vos entretiens (bienheureux…), de tirer profit des fonctions de synthèse et d’analyse de Sonal.

Dans tous les cas, avant de commencer, il vous faut donc un fichier son (pour l’instant au format WAV mais Sonal tolérera très bientôt tous les formats lisibles par Windows Media Player) et le texte retranscrit qui va avec, soit dans Word (format *.doc ou *.docx), soit sous forme de texte brut (*.Txt). Les mises en forme n’étant pas conservées lors de l’importation, les deux formats sont indifférents.

Je précise que le fichier son est encore indispensable et que Sonal ne peut pas (encore) servir à indexer thématiquement du texte. Cela viendra à terme mais, pour ne pas m’éparpiller, je privilégie le travail sur support audiotextuel. Si vous souhaitez découper du texte seul, il existe un certain nombre d’outils, dont plusieurs gratuits (Weft-Qda notamment). Je vous renvoie à la page très complète de Christophe Lejeune qui en recense un grand nombre.

Etape 1 : Importer la bande…

La réintégration d’un entretien déjà retranscrit dans Sonal suppose au préalable que la bande son soit intégrée au corpus. Suivez exactement la même démarche que si vous vouliez le retranscrire manuellement. Pour mémoire, l’importation d’une bande sonore peut se faire soit à l’aide du menu « entretiens », soit directement à l’aide du bouton de raccourci :

Vous avez donc ajouté la version sonore de votre entretien au corpus. Il se trouve en bas de votre corpus, comme dans l’exemple ci-dessous  :

Etape 2 : Importer le texte de la retranscription

Pour lui associer du texte, ouvrez la page de lecture de l’entretien.  Pour ce faire, le plus simple est encore de cliquer sur le petit bouton représentant une page de texte à la droite de l’entretien.

Une fois dans la page de lecture, dans le menu « Entretiens », choisissez, en fonction du format du fichier qui contient la retranscription de l’entretien l’un ou l’autre des items du menu. Vous avez deux formats possibles. Si votre fichier est au format word, choisissez « doc ou docx ». Si vous n’avez pas Word, exportez votre fichier dans le bloc note au format *.txt et choisissez ce format pour l’importation.

Ciblez le fichier qui contient les retranscriptions, choisissez « ouvrir ».

Attention, si vous aviez déjà commencé à encoder le fichier, tout ce que vous avez fait sera écrasé!  Un message vous prévient au cas où. Assurez vous de ne pas faire de fausse manipulation.

Après importation, le texte du fichier va être associé à l’entretien dans un seul et unique extrait dénué de thématique, dont la durée sera égale à celle de l’entretien. La barre de navigation en haut de la page se strie de gris (ce qui renvoie à l’absence de thématique) et le texte de l’entretien apparaît dans son intégralité :

Dans le corpus, l’entretien aura cette apparence :

En l’état, il ne sert pas à grand chose d’avoir un extrait gigantesque. Il va falloir le redécouper progressivement.

Etape 3 : redécouper l’entretien

Pour ce faire, il faudra utiliser la même méthode que pour placer des points de synchronisation. La petite différence étant que vous utiliserez préférentiellement la fonction découper au niveau des points de synchronisation que vous aurez repérés.

Les choses se passent donc dans la page de lecture. Je poursuis avec mon exemple. La première question de l’entretien portait sur un bref rappel des étapes de la carrière des personnes.  Une thématique descriptive nommée « récit du parcours » me permet  de repérer ces passages rétrospectifs.

A la lecture, je m’aperçois qu’après un certain temps passé à décrire le – long – parcours du répondant, l’entretien change de sujet et aborde la description détaillée de son activité présente. C’est donc le moment de changer de thématique, de clore le premier extrait et d’en débuter un nouveau.

Pour ce faire, je vais utiliser la méthode du point de synchronisation.

La première chose à faire est d’activer le mode synchro :


Ensuite je vais cliquer sur le premier mot du nouvel extrait que je veux placer (Clic droit depuis la version 1.5.3). Le menu contextuel aura cette apparence :


A ce stade, je me suis contenté de lire le texte et la bande n’est pas synchronisée avec le texte. Pour faire en sorte que le découpage du texte corresponde à celui du son, la première chose à faire est d’utiliser le bouton en forme de loupe  situé à droite du menu. Celui-ci va me placer dans le son aussi près que possible de la position dans le texte.

La qualité du placement peut varier en fonction de la variation du débit et surtout de la distance à la dernière position connue. Il est plus rapide et efficace de renseigner périodiquement la position dans la bande (en plaçant des points de synchronisation aux passages intéressants) que de rechercher en une fois la position de passages éloignés de 10 à 20 minutes.

Ajustez au besoin la position dans le lecteur sonore pour le « caler » sur le passage textuel qui marquera la frontière entre les deux extraits. Il n’est pas nécessaire d’être exactement à la position donnée, puisque vous pourrez toujours recaler le point de jonction des extraits. Placez-vous grosso modo à l’endroit voulu.

Recliquez sur le premier mot du nouvel extrait et choisissez cette fois-ci le bouton en forme de ciseaux. L’extrait est scindé en deux parties de part et d’autre du mot choisi. Vous avez donc deux extraits.

En retournant en arrière, je peux affecter la thématique idoine au premier extrait (la petite flèche en bout de ligne fait apparaître un menu permettant de choisir la thématique):

En renouvelant la démarche sur la portion suivante, que l’on va redécouper en deux en choisissant un nouvel extrait, on procédera progressivement à la resynchronisation de tout l’entretien. Le premier découpage peut d’ailleurs être assez rudimentaire, puis affiné au fur et à mesure. Les fonctions de synchronisation sont ainsi faites que vous pouvez revenir sur tous les choix faits…

 

 

Alex Alber

Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS) Chercheur associé du Centre d'Etudes de l'Emploi.

More Posts - Website

La prochaine version va vous faire baliser…

A l’échelle (modeste) de l’histoire du développement de Sonal, la version à paraître constituera un tournant décisif.

L’objet central de petite révolution sera la page de lecture des entretiens : la « liseuse » ou le « reader » selon votre niveau de tolérance aux anglicismes. Cette page, qui était déjà présente à l’état de brouillon dans les versions précédentes et que très peu d’utilisateurs avaient sans doute remarquée, sera dans l’avenir l’interface la plus incontournable du logiciel : une véritable application dans l’application, où se déroulera  l’essentiel des tâches d’encodage des données.

Comme son nom l’indique, cette page permettra d’abord de « lire » (dans le sens textuel) les entretiens (je me suis pour cela beaucoup inspiré des réflexions d’Hubert Guillaud sur son blog pour améliorer la lisibilité de l’interface).  Il s’agira donc du pendant textuel de la page de visualisation, qui est surtout pensée pour écouter les entretiens.

Elle vise aussi et surtout à rendre la saisie plus simple pour ceux qui souhaitent retranscrire leurs entretiens en intégralité. En effet, le fonctionnement actuel de Sonal est très adapté à un travail de retranscription partielle mais, à l’expérience, la gestion des extraits peut paraître un peu fastidieuse lorsque l’on souhaite retranscrire en intégralité ( même si de nombreuses fonctions ont été ajoutées précisément pour permettre de retranscrire « en continu »). La liseuse a donc été pensée pour solutionner ce « problème » et permettre une retranscription plus fluide.

Sonal propose donc dorénavant une philosophie de travail légèrement différente : l’utilisateur pourra retranscrire de manière linéaire, sans nécessairement se soucier des partitions d’extrait, en progressant au rythme de la dictée. C’est, à l’expérience, comme cela que beaucoup de gens travaillent déjà avec Sonal, en ne créant qu’un extrait gigantesque (qui fait d’ailleurs considérablement ramer l’application) qu’ils allongent en progressant au fil de la dictée. La retranscription à l’intérieur de la liseuse prend acte de cette manière de travailler, mais en compense le principal inconvénient : la perte des coordonnées temporelles.

Il est temps de baliser…

Comment? Par l’introduction de balises, qui renseignent sur la position exacte des passages retranscrits à l’intérieur des extraits (les coordonnées d’un passage sont simplement renseignées entre crochets à l’intérieur du texte, ex: « [65,5] Question : … »  veut dire que la question  retranscrite débute à 1 minute , 5 secondes et 6 dixièmes). C’est une sorte d’indexation chronologique qui se réalisera pour l’essentiel sans intervention spécifique du transcripteur, puisque cette position est renseignée par le système de dictée (lors de la validation d’une portion retranscrite, Sonal sait qu’à la position du curseur dans le texte correspond celle de la fin de la portion dans la bande).

L’intérêt d’un tel système, outre qu’il permet de renforcer le maillage chronologique autour du texte et donc de réécouter plus vite un passage repéré dans la retranscription (ou de relire ou réécrire un passage entendu), c’est que les « points de synchronisation » peuvent ensuite être convertis en bornes d’extraits, et réciproquement. Après la retranscription, on peut donc à loisir (re)définir les frontières des extraits, les fusionner, les scinder etc…

La logique de travail sous-tendue par ces fonctionnalités est donc de retranscrire de manière continue,  mais en ajoutant des marqueurs temporels à intervalles réguliers qui permettront par la suite de procéder à un découpage de l’entretien. Cette organisation peut faciliter la division du travail entre transcripteur et chercheur. Le transcripteur utilisant Sonal pourra transmettre au chercheur un texte « synchronisé » au sein duquel ce dernier pourra naviguer beaucoup plus simplement et procéder à ses propres découpages. Il pourra également ajouter là où il le souhaite des points de synchronisation et même déplacer les existants.

La resynchronisation des entretiens

Ces fonctionnalités permettent de resynchroniser des entretiens très facilement, c’est à dire d’importer un entretien déjà retranscrit hors de l’application, de l’associer à la bande son et de procéder à des découpages d’extraits portant de manière simultanée sur le texte et le son. C’est une grande nouveauté qui devrait intéresser bien des utilisateurs, tout particulièrement ceux qui avaient déjà des entretiens retranscrits avant de se mettre à Sonal. Comme d’habitude, le fonctionnement est pensé pour être très intuitif : la resynchronisation se fait au fil de l’écoute, simplement en cliquant dans le texte sur les mots que l’on vient d’entendre. La position dans la bande et la position dans le texte sont associées. On peut ensuite choisir de transformer le point choisi en simple balise ou en borne d’extrait. Ceux-ci sont ensuite placés sur une grille de calage dans laquelle ils pourront être déplacés manuellement pour que la position de la balise corresponde exactement à celle de la bande. La synchronisation se fait donc assez tranquillement.

Toutes ces fonctionnalités sont en voie de finalisation.Encore quelques fignolages et ce sera en ligne…

 

 

 

 

 

 

 

Alex Alber

Sociologue. Maître de Conférences à l'Université F. Rabelais de Tours/ Laboratoire CITERES (UMR CNRS) Chercheur associé du Centre d'Etudes de l'Emploi.

More Posts - Website