Patientdesk.ai a lancé deux modèles vocaux dédiés à la langue turque : Alania pour la conversion du texte en parole, et Duyu pour la conversion de la parole en texte. Les deux modèles peuvent être utilisés avec un seul compte et une seule clé API, avec une période d’utilisation gratuite d’un mois à compter de la date d’inscription dans le cadre de l’offre de lancement.
Des modèles conçus pour les défis de la langue turque
L’entreprise affirme que le développement des deux modèles est parti du constat que de nombreuses solutions d’intelligence artificielle vocale reposent principalement sur des données anglaises. Elle ajoute que la nature agglutinante de la langue turque, les noms propres, la faible qualité audio des appels téléphoniques, ainsi que la prononciation des adresses e-mail et des numéros de téléphone constituent des défis pratiques pour les modèles généralistes.
Patientdesk.ai s’est appuyée sur son expérience dans le développement d’un assistant vocal répondant aux appels de cliniques aux États-Unis, puis a entraîné Alania et Duyu en mettant l’accent sur les usages turcs.
Les performances de Duyu en conversion de la parole en texte
Selon les chiffres publiés par l’entreprise, Duyu a atteint un taux d’erreur de mots de 4,71 % lors du test turc ouvert FLEURS, contre 5,04 % pour le modèle Whisper large-v3 d’OpenAI dans le même test.
Dans une série de tests internes comprenant des voix de qualité téléphonique et des conversations mentionnant des adresses e-mail et des numéros de téléphone, Duyu a enregistré un taux d’erreur de 9,87 %, tandis que l’entreprise a indiqué un taux de 10,4 % pour le modèle ElevenLabs Scribe v2 sur le même ensemble. L’article ne précise pas la taille de l’ensemble de test ni sa méthodologie ; la comparaison doit donc être considérée comme un résultat communiqué par l’entreprise et non comme une évaluation indépendante et exhaustive.
Duyu peut traiter des fichiers audio enregistrés et convertir des conversations en direct en texte en temps réel, ce qui le destine aux applications de transcription instantanée et aux appels vocaux.
Alania et la diffusion audio à faible latence
Alania se concentre sur la lecture de textes turcs avec une voix unique, cohérente et naturelle. Le modèle peut envoyer l’audio sous forme de flux avant la fin de la phrase, une fonctionnalité adaptée aux appels téléphoniques et aux assistants vocaux sensibles à la rapidité de réponse. La plateforme propose actuellement une seule option vocale, avec des options d’intonation liées à des contextes tels que les rendez-vous, les questions et l’apaisement.
Intégration API et projet de recherche ouvert
Les deux modèles sont compatibles avec le format courant de l’API OpenAI, ce qui permet aux développeurs de les intégrer à des applications existantes avec des modifications limitées. Patientdesk.ai permet également d’essayer les modèles via le navigateur et de créer des clés API.
En parallèle, l’entreprise a publié Antalia-1, un modèle turc expérimental open source de conversion du texte en parole. La version comprend les poids du modèle, son code, un rapport technique et environ cinq heures de données vocales turques. L’entreprise distingue ce projet de recherche de ses produits commerciaux.
Qu’est-ce qui change concrètement ?
Ce lancement offre aux développeurs une option destinée à des cas d’utilisation turcs spécifiques, notamment les appels et les données comprenant des numéros et des adresses e-mail. Toutefois, les comparaisons publiées ne suffisent pas à elles seules pour juger de la qualité dans tous les environnements, et le fait qu’Alania ne propose actuellement qu’une seule voix limite la flexibilité de son utilisation. Antalia-1 offre quant à lui aux chercheurs un point de départ examinable et évolutif, tandis que l’évaluation des performances et les conditions pratiques de licence restent en dehors du périmètre des détails fournis dans l’article.