Identifier les locuteurs (diarisation)
Mis à jour le
Qu'est-ce que la diarisation ?
La diarisation est la technique qui consiste à identifier automatiquement qui parle et à quel moment dans un enregistrement. Le terme vient du grec « diarizein » (séparer) : il désigne la segmentation de la piste audio en autant de segments qu'il y a de locuteurs distincts.
Sans diarisation, une transcription produit un bloc de texte continu, sans indication de tour de parole. Avec la diarisation, chaque intervention est étiquetée : « Locuteur 1 », « Locuteur 2 », etc. Cela rend le document immédiatement lisible, même sans connaître l'enregistrement.
La diarisation est particulièrement précieuse pour tout contenu à plusieurs voix : réunion d'équipe, entretien de recrutement, interview journalistique, podcast à deux animateurs, table ronde.
Activer l'identification des locuteurs dans Modik
La diarisation est une option à activer avant de lancer la transcription. Elle n'est pas cochée par défaut, car elle ajoute une étape de traitement qui allonge légèrement le temps d'analyse.
- Ouvrez le module Transcription dans le Studio.
- Déposez votre fichier audio ou vidéo.
- Cochez l'option « Identifier les locuteurs ».
- Si vous connaissez le nombre exact de personnes présentes dans l'enregistrement, renseignez-le dans le champ prévu. Ce n'est pas obligatoire, mais cela améliore la précision de la séparation des voix.
- Lancez la transcription.
Une fois la transcription terminée, chaque prise de parole est présentée avec son étiquette de locuteur. Vous pouvez ensuite renommer chaque locuteur pour remplacer « Locuteur 1 » par le prénom ou le nom de la personne.
La diarisation est incluse dans toutes les formules, dès la formule M1.
Quand utiliser la diarisation ?
Tous les enregistrements ne nécessitent pas la diarisation. Voici un aperçu des situations où elle apporte une vraie valeur ajoutée, et de celles où vous pouvez vous en passer :
| Situation | Diarisation utile ? | Pourquoi |
|---|---|---|
| Réunion d'équipe | Oui, fortement conseillée | Plusieurs participants, utile pour le compte-rendu |
| Entretien (RH, journalistique) | Oui | Distingue l'interviewer des réponses |
| Podcast à deux voix ou plus | Oui | Attribue les répliques à chaque animateur |
| Monologue, dictée vocale | Non nécessaire | Une seule voix : la diarisation n'apporte rien |
| Conférence avec un seul orateur | Non nécessaire | Même logique : pas de locuteur à séparer |
Conseils pour de meilleurs résultats
La qualité de la diarisation dépend directement de la qualité de l'enregistrement. Quelques pratiques améliorent sensiblement le résultat :
- Indiquez le nombre de locuteurs si vous le connaissez : cela contraint l'algorithme et réduit les attributions incorrectes.
- Favorisez des enregistrements clairs, sans bruits de fond importants ni musique de fond : les voix se distinguent mieux sur un fond silencieux.
- Évitez les chevauchements prolongés : lorsque deux personnes parlent simultanément durant plusieurs secondes, la diarisation peut attribuer la totalité du segment à un seul locuteur.
- Utilisez un micro dédié par locuteur si le contexte le permet : c'est le meilleur moyen d'obtenir une séparation parfaite.
Une fois votre transcription obtenue, vous pouvez l'exporter dans différents formats. Consultez la page exporter en TXT, SRT ou VTT pour conserver les attributions de locuteurs dans le fichier final.
Audio et vidéo : même fonctionnement
Modik accepte les fichiers audio (MP3, WAV, M4A…) comme les fichiers vidéo (MP4, MOV…). Dans les deux cas, la piste audio est extraite automatiquement avant d'être analysée. La diarisation s'applique donc à l'identique : vous n'avez pas à convertir votre vidéo en audio avant de la déposer.
Pour rappel, la transcription — avec ou sans diarisation — est disponible depuis le module Transcription accessible via le Studio. Reportez-vous à transcrire un fichier audio ou vidéo pour la procédure complète de démarrage.
Questions fréquentes
Dans quelle formule la diarisation est-elle disponible ?
L'identification des locuteurs est incluse dans toutes les formules, dès la formule M1 (6 €/mois). Les formules se distinguent par leur volume de tokens, pas par l'accès aux modules.
Dois-je indiquer le nombre de locuteurs avant la transcription ?
Vous pouvez le préciser, mais ce n'est pas obligatoire. Indiquer le nombre exact de personnes aide Modik à mieux séparer les voix, surtout lorsque plusieurs intervenants se chevauchent ou ont des timbres proches.
Puis-je renommer les locuteurs après la transcription ?
Oui. Une fois la transcription terminée, chaque étiquette ("Locuteur 1", "Locuteur 2"...) peut être remplacée par le prénom ou le nom de la personne concernée. Consultez la page dédiée au renommage des locuteurs pour le détail des étapes.
La diarisation fonctionne-t-elle aussi pour les vidéos ?
Oui. Modik extrait automatiquement la piste audio d'une vidéo avant de la transcrire : la diarisation s'applique donc aussi bien à un fichier audio qu'à un fichier vidéo.
Que se passe-t-il si deux personnes parlent en même temps ?
La diarisation fait de son mieux pour séparer les voix simultanées, mais les chevauchements très brefs peuvent être attribués à un seul locuteur. Plus l'enregistrement est de bonne qualité et plus les prises de parole sont bien délimitées, meilleur sera le résultat.
Une question sur Modik ? Le plus simple est encore d'essayer.
Ouvrir Modik