> ## Documentation Index
> Fetch the complete documentation index at: https://docs.gradium.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Présentation de la transcription (STT)

> Quand utiliser l'API WebSocket plutôt que l'endpoint REST, et comment les éléments s'articulent

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](/fr/guides/transcription-settings#langues).

Les deux types fonctionnent de manière identique sur les deux transports.

## WebSocket ou REST

| Si votre audio est... | Utilisez | Pourquoi |
| - | - | - |
| En direct (microphone, téléphonie, boucle d'agent) et que vous avez besoin d'une gestion des tours de parole en moins d'une seconde | [WebSocket](/fr/guides/speech-to-text) | Latence minimale. Envoyez l'audio au fil de la capture, recevez le texte et les signaux VAD dès qu'ils sont produits. Réagissez à la fin de tour en temps réel. |
| Un fichier complet dont vous disposez déjà sur disque ou en mémoire | [REST](/fr/guides/speech-to-text-rest) | Un seul POST HTTP avec l'audio dans le corps. Aucune connexion à gérer : le serveur renvoie les résultats NDJSON en flux dans le corps de la réponse. |
| Disponible, mais vous voulez les signaux VAD ou réagir aux événements de flush | [WebSocket](/fr/guides/speech-to-text) | Utilisez `stt_stream` (en mode pull) sur le WebSocket. Même faible latence, sans gestion manuelle de la connexion. |
| Issu du microphone d'un navigateur ou d'un client mobile | [WebSockets dans le navigateur](/fr/guides/browser-websockets) | Utilisez des tokens de courte durée plutôt que d'exposer une clé API. |
| Un flux média de téléphonie | [Audio de téléphonie](/fr/guides/recipes/telephony-audio) | Utilisez directement `ulaw_8000`, `alaw_8000` ou du PCM à faible fréquence d'échantillonnage. |

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](/fr/guides/transcription-settings#renforcement-de-mots-clés-keyword-boosting), le tout via `json_config`. Consultez [Paramètres de transcription](/fr/guides/transcription-settings).

## 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](/fr/guides/websocket-lifecycle).
* **REST uniquement** : envoyez l'audio complet dans le corps de la requête ; recevez du NDJSON via une réponse en streaming.

## Étapes suivantes

<CardGroup cols={2}>
  <Card title="Utiliser l'API WebSocket" icon="waveform-lines" href="/fr/guides/speech-to-text">
    Audio en streaming en entrée, transcriptions et signaux VAD en sortie, avec contrôle
    du flush.
  </Card>

  <Card title="Utiliser l'API REST" icon="file-audio" href="/fr/guides/speech-to-text-rest">
    Transcription en une seule fois d'un fichier audio complet.
  </Card>

  <Card title="Recette de gestion des tours de parole" icon="comments" href="/fr/guides/recipes/turn-taking">
    Utilisez la VAD sémantique et le délai adaptatif pour décider quand un agent doit répondre.
  </Card>

  <Card title="Recette de renforcement de mots-clés" icon="spell-check" href="/fr/guides/recipes/keyword-boosting">
    Reconnaissez les noms propres, les marques et le jargon en orientant la transcription vers un dictionnaire personnalisé.
  </Card>

  <Card title="Exemples GitHub" icon="github" href="https://github.com/gradium-ai/gradbot/tree/main/demos">
    Parcourez des démos complètes d'agents vocaux construits avec la transcription (STT) et la synthèse vocale (TTS) de Gradium.
  </Card>

  <Card title="Paramètres de transcription" icon="sliders" href="/fr/guides/transcription-settings">
    `language`, `temp`, `padding_bonus`, `delay_in_frames`.
  </Card>

  <Card title="Erreurs" icon="triangle-exclamation" href="/fr/guides/errors">
    Contrats d'erreur pour REST, WebSocket et les réponses en streaming.
  </Card>
</CardGroup>


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.