Skip to main content
Gradium propose la transcription (STT) via deux transports. Ils partagent les mêmes modèles : choisissez le transport adapté à votre source audio et à vos besoins de latence.

​
Choisir un modèle

Deux types de modèles de transcription sont disponibles, sélectionnés avec model_name :
  • "default" : un modèle de transcription standard. La transcription est produite dans la langue de l’audio. Définissez language dans json_config, ou passez "any" pour la détection automatique.
  • "stt-translate" : un modèle de transcription avec traduction. La transcription est générée dans une autre langue, que vous choisissez avec language (ou target_language). Consultez Paramètres de transcription.
Les deux types fonctionnent de manière identique sur les deux transports.

​
WebSocket ou REST

Si vous transcrivez de l’audio préenregistré et n’avez pas besoin de VAD, REST est la solution la plus simple. Passez au WebSocket lorsque vous avez besoin d’audio en direct, de gestion des tours de parole ou de flush dans le flux.

​
Ce que les deux transports ont en commun

  • Modèles : le même model_name fonctionne sur les deux.
  • Formats d’entrée : PCM (plusieurs fréquences d’échantillonnage), WAV, Opus, mu-law, A-law.
  • Options réglables : temp, language, padding_bonus, delay_in_frames et un dictionnaire keywords pour renforcer les noms propres et le jargon, le tout via json_config. Consultez Paramètres de transcription.

​
Ce qui est propre à chaque transport

  • WebSocket uniquement : messages step de VAD sémantique toutes les 80 ms, send_flush() dans le flux pour forcer le traitement, contrôles de délai adaptatif (delay_in_frames), contrôles du flux via le message de configuration (send_setup_on_start, wait_for_ready_on_start), tokens pour navigateur. Consultez Cycle de vie du WebSocket.
  • REST uniquement : envoyez l’audio complet dans le corps de la requête ; recevez du NDJSON via une réponse en streaming.

​
Étapes suivantes

Utiliser l'API WebSocket

Audio en streaming en entrée, transcriptions et signaux VAD en sortie, avec contrôle du flush.

Utiliser l'API REST

Transcription en une seule fois d’un fichier audio complet.

Recette de gestion des tours de parole

Utilisez la VAD sémantique et le délai adaptatif pour décider quand un agent doit répondre.

Recette de renforcement de mots-clés

Reconnaissez les noms propres, les marques et le jargon en orientant la transcription vers un dictionnaire personnalisé.

Exemples GitHub

Parcourez des démos complètes d’agents vocaux construits avec la transcription (STT) et la synthèse vocale (TTS) de Gradium.

Paramètres de transcription

language, temp, padding_bonus, delay_in_frames.

Erreurs

Contrats d’erreur pour REST, WebSocket et les réponses en streaming.