La transcription chinoise est d’abord une question d’achat, avant d’être un simple envoi de fichier. Demandez quelle variété parlée le modèle prend en charge, quel script il produit, et si le résultat conserve la parole ou la normalise en chinois écrit formel. Un seul réglage « Chinese » peut laisser ces choix implicites.
Points clés à retenir
- Une étiquette cantonais ne prouve pas qu’un jeu de test représente le cantonais conversationnel. Un audit ACL 2025 a constaté que 89.8% des text prompts dans FLEURS
yue_hkétaient en chinois écrit standard. - Dans une étude de 2022, un modèle cantonais a obtenu un taux d’erreur de caractères de 10.15% sur son propre jeu de test et de 83.42% sur un autre corpus cantonais. Les scores nécessitent un jeu de données et un contexte d’enregistrement.
- Google Cloud et Deepgram exposent différents codes chinois propres à chaque modèle. Confirmez la variété et le script de sortie avec votre modèle réel.
- Pour des citations ou des comptes rendus, conservez l’audio et examinez un transcript représentatif en le comparant à celui-ci avant de traiter un lot complet.
La transcription chinoise a trois exigences distinctes
La variété parlée indique au système de reconnaissance quel type de parole attendre. Le mandarin et le cantonais nécessitent des évaluations séparées ; un modèle qui accepte un code chinois générique peut ne pas donner les mêmes résultats pour les deux. Le script demande si la sortie doit utiliser des caractères simplifiés ou traditionnels. Le registre demande si un transcript cantonais doit conserver un vocabulaire vernaculaire ou se lire comme du chinois écrit standard. Ce sont des exigences de livrable distinctes, même lorsqu’un service les regroupe dans un seul réglage.
Une réécriture formelle peut convenir à des notes de réunion, mais elle ne peut pas servir de citation mot à mot sans vérification de l’enregistrement. Pour un entretien, un document juridique ou un transcript de recherche, demandez un échantillon qui conserve le libellé dont vous avez besoin et gardez l’audio source disponible pour examen.
Ce qu’une étiquette de benchmark cantonais peut masquer
Un audit de jeu de données ACL 2025 a classé les text prompts écrits associés à des sous-ensembles de parole étiquetés cantonais. Son tableau 5 a révélé un écart marqué entre Common Voice 17.0 yue et FLEURS yue_hk :
| Text prompts | Standard Written Chinese | Written vernacular Cantonese | Unmarked |
|---|---|---|---|
Common Voice 17.0 yue | 0.1% | 75.7% | 24.1% |
FLEURS yue_hk | 89.8% | 0% | 10.2% |
Ces pourcentages classent les text prompts, pas la variété parlée des enregistrements individuels. Common Voice comporte aussi une petite catégorie mixte omise de ce tableau.
L’article suggère que FLEURS yue_hk pourrait être mal étiqueté, car ses prompts utilisent largement le chinois écrit standard. Cela ne prouve pas qu’aucun locuteur n’a prononcé les enregistrements en cantonais. Cela signifie que l’étiquette seule ne suffit pas comme preuve pour une affirmation sur la transcription du cantonais familier. Demandez si le benchmark d’un fournisseur utilise des prompts lus, de la parole conversationnelle ou votre domaine cible.
Une étude de corpus cantonais LREC 2022 distincte a trouvé un taux d’erreur de caractères de 10.15% lorsqu’un modèle entraîné sur son corpus MDCC a été testé sur MDCC, mais de 83.42% lorsque le même modèle a été testé sur Common Voice zh-HK. Il s’agit d’un résultat pour une architecture et deux jeux de test, pas d’un taux d’erreur cantonais universel. La leçon pratique est de tester vos accents, vos microphones et votre style d’élocution.
Une étude ASR multi-dialectale de 2026 rapporte également des résultats différents sur le mandarin et ses jeux de test dialectaux, mais ces chiffres ne peuvent pas être comparés directement à l’expérience cantonais de 2022. Pour en savoir plus sur les métriques d’erreur, consultez notre comparaison de la précision de transcription IA.
Lisez les codes de langue comme des promesses propres au modèle
Google Cloud Speech-to-Text répertorie des codes tels que cmn-Hans-CN pour le mandarin simplifié, cmn-Hant-TW pour le mandarin traditionnel et yue-Hant-HK pour le cantonais traditionnel. Ces codes combinent variété, script et région. Les modèles de reconnaissance qui prennent en charge chaque code varient aussi selon la localisation.
La liste des modèles de Deepgram étiquette le cantonais traditionnel comme zh-HK pour Nova-3, aux côtés d’options en mandarin simplifié et traditionnel. Sa liste de langues Flux STT n’inclut pas le chinois. Une langue affichée pour un modèle ne doit jamais être supposée fonctionner dans un autre.
Aucune de ces listes de codes ne vous dit si le cantonais familier sera normalisé en prose formelle. Demandez un court échantillon dans le script et le registre visés. Si le fournisseur ne peut pas répondre à la question du registre, comparez l’échantillon ligne par ligne avec l’audio.
Comparez le service, pas seulement le tarif affiché
En octobre 2026, la page Chinese Scribe d’ElevenLabs affiche 0.40 $ par heure d’audio, tandis que la page chinoise de GoTranscript annonce une transcription humaine à partir de 1.02 $ par minute. Ce sont des prix de départ pour des périmètres différents, pas des devis équivalents. Le service humain annonce la prise en charge du mandarin et du cantonais, des livrables en simplifié ou en traditionnel, ainsi qu’une localisation optionnelle. Vérifiez les tarifs actuels, les options et le livrable exact avant de commander.
Les chiffres de benchmark exigent la même prudence. La comparaison multilingue menée par le fournisseur AssemblyAI présente une seule colonne chinoise plutôt que des lignes séparées pour le mandarin et le cantonais. Il s’agit d’un instantané des systèmes et jeux de données testés, pas d’une preuve de performance sur votre entretien en cantonais. Demandez quelle version du modèle, quel sous-ensemble linguistique et quel calcul du taux d’erreur de caractères ont produit le score cité.
Pour le passage mandarin-anglais, construisez aussi un échantillon bilingue. Le défi chinois-anglais ISCSLP 2022 a signalé un taux d’erreur de mélange de 16.70% pour son système gagnant, contre une base de référence du défi à 26.50%. Ce résultat contrôlé ne peut pas prédire chaque réunion, mais il montre pourquoi une démonstration monolingue est un test d’achat incomplet.
Un test audio-vers-texte chinois en quatre étapes
- Identifiez la parole. Notez si la source est en mandarin, en cantonais, dans une autre variété, ou mêlée à l’anglais. Sélectionnez un code explicite pris en charge lorsque le modèle en propose un.
- Précisez la sortie. Indiquez les caractères simplifiés ou traditionnels et si le transcript doit conserver le langage conversationnel.
- Testez un audio représentatif. Incluez de vrais accents, du bruit de fond, des noms et tout changement de langue. Examinez la sortie en parallèle de l’enregistrement.
- Conservez un chemin de relecture. Sauvegardez l’audio, documentez le modèle et les paramètres, et prévoyez une relecture humaine lorsque le libellé exact est important.
Les sous-titres en direct et un transcript d’archive n’ont pas les mêmes critères de réussite. Consultez la transcription en temps réel versus la transcription à partir d’un audio enregistré pour ce choix de flux de travail. Si l’objectif est un texte chinois traduit depuis une autre langue parlée, utilisez un flux de travail de traduction vocale comme notre guide du traducteur arabe vers chinois.
Où MirrorCaption s’insère
MirrorCaption affiche actuellement une seule option de langue chinoise. Il ne propose pas d’option cantonais distincte ni de contrôle de script simplifié/traditionnel, et nous ne publions aucun taux d’erreur de caractères chinois pour le produit. Les enregistrements téléversés prennent une seule langue source sélectionnée par fichier. Utilisez un service avec des contrôles explicites et une relecture humaine lorsque votre tâche exige un enregistrement cantonais certifié ou mot à mot.
Pour une conversation mandarin-anglais en direct, MirrorCaption peut afficher la parole originale à côté d’une traduction pendant que les personnes parlent. Essayez-le avec votre propre échantillon pour décider si cela est utile pour la réunion ; cela ne remplace pas un transcript d’archive relu.
Essayez MirrorCaption gratuitement
Voyez les sous-titres chinois et anglais en direct côte à côte sur une conversation représentative. Une heure gratuite pour essayer, une seule fois, sans carte bancaire.
Commencer gratuitementQuestions fréquentes
La transcription en cantonais est-elle aussi précise qu’en mandarin ?
Il n’existe pas de chiffre unique de précision comparable. Une étude cantonais de 2022 a montré qu’un modèle passait de 10.15% de taux d’erreur de caractères sur son propre jeu de test à 83.42% sur un autre corpus. Testez le même type d’audio que celui que vous prévoyez de transcrire.
Un logiciel de transcription peut-il distinguer automatiquement le mandarin et le cantonais ?
La détection dépend du modèle et de l’enregistrement. Google Cloud répertorie le cantonais comme yue-Hant-HK ; Deepgram Nova-3 le répertorie comme zh-HK. Choisissez une variété explicite lorsque c’est possible et testez un échantillon.
Un transcript chinois sera-t-il en caractères simplifiés ou traditionnels ?
Cela dépend du service et du modèle. Certains codes de langue documentés associent le script à une variété et à une région. Confirmez la sortie réelle avant de soumettre un gros lot.
Comment les outils gèrent-ils une réunion qui mélange chinois et anglais ?
Utilisez un enregistrement représentatif avec des changements de langue et des noms. Le défi ISCSLP 2022 a signalé un taux d’erreur de mélange de 16.70% pour son système gagnant sur son propre jeu de test, ce qui rappelle qu’il faut tester directement l’audio bilingue.
MirrorCaption me permet-il de choisir la variété et le script chinois ?
Non. MirrorCaption propose actuellement une seule option de langue chinoise, sans contrôles séparés pour le cantonais ou le script. Nous ne publions pas notre propre benchmark de précision en chinois.