What affects speech recognition qualityCe qui influence la qualité de la reconnaissance

Three groups of factors

The differences in performance from one situation to another are not random. Three groups of factors account for them, and most of them leave you some room to act.

Signal quality

Factor	Effect on performance	What you can do
Microphone quality and placement	Wrong distance or angle: intelligibility drops, consonants get swallowed	Microphone close to the mouth (15 to 20 cm); avoid rubbing and plosives; run an audio test
Background noise	Masks the useful sounds: the error rate rises	Headset or directional microphone; quiet room; software noise reduction
Room reverberation	The echo blurs word and sentence boundaries	A room with little reverberation; curtains or panels; speak facing the microphone
Several speakers, overlapping	Imperfect diarization; segments cut short where voices overlap	Individual microphones; clear turn-taking; targeted rereading
Poor network connection and compression (live)	Artefacts, missed words	A stable connection, wired if possible; limit competing applications

Assigning each segment to the right speaker remains an open problem, particularly where voices overlap (O’Shaughnessy, 2025): expect to carefully reread any transcription of a meeting.

Linguistic content and style

Factor	Effect on performance	What you can do
Language varieties and accents	Performance varies by variety; phonetic confusions	Careful articulation; where possible, a model adapted to the variety
Specialized vocabulary	Rare or technical terms poorly recognized	Terminology preparation; custom dictionaries
Critical entities (numbers, proper nouns, acronyms)	High-impact errors: amounts, references, people	Spell out; repeat; normalize (date formats); targeted checking
Code-switching	Unstable language detection; mixed spellings and terminology	Fix the input language if possible; flag the passages in the other language
Speaking rate and style	Too fast or unclear: substitutions; hesitations: needless insertions	A moderate pace; clean pauses; short sentences
Automatic segmentation and punctuation	Sentence boundaries and punctuation sometimes wrong	Mark the end of a sentence with a short pause; reread punctuation and capitalization

The differences between speakers are not symmetrical: Koenecke et al. (2020) document, across five commercial systems, an error rate almost twice as high for African American speakers as for white speakers. Testing a system with the accents and varieties it will actually be used with is part of evaluating it.

Processing mode and the chain

Factor	Effect on performance	What you can do
Live or offline	Live: fast display but more errors; offline: cleaner output after a delay	Choose according to your priority; revise offline where you can
Cascade chain (recognition, translation, synthesis)	Errors propagate from one stage to the next	Check the transcription before translating; turn translation off where it serves no purpose
End-to-end approach	Often smoother, but quality is uneven across languages and domains	Keep it for straightforward cases; confirm with samples; plan for a human rereading

Trois groupes de facteurs

Les écarts de performance observés d’une situation à l’autre ne sont pas aléatoires. Trois groupes de facteurs les expliquent, et la plupart offrent une marge de manœuvre concrète.

La qualité du signal

Facteur	Impact sur la performance	Solutions possibles
Qualité et placement du micro	Distance ou orientation inadéquates : chute d’intelligibilité, consonnes avalées	Micro près de la bouche (15 à 20 cm) ; éviter frottements et plosives ; faire un test audio
Bruit ambiant	Masque les sons utiles : hausse du taux d’erreur	Casque ou micro directionnel ; environnement calme ; réduction de bruit logicielle
Réverbération de la pièce	L’écho brouille les frontières de mots et de phrases	Pièce peu réverbérante ; rideaux ou panneaux ; parler face au micro
Plusieurs locuteurs, chevauchements	Diarisation imparfaite ; segments tronqués quand les voix se superposent	Microphones individuels ; tours de parole clairs ; relecture ciblée
Mauvaise connexion réseau et compression (en direct)	Artefacts, mots manqués	Connexion stable, filaire si possible ; limiter les applications concurrentes

Attribuer chaque segment au bon locuteur reste un problème ouvert, particulièrement quand les voix se chevauchent (O’Shaughnessy, 2025) : comptez-y une relecture attentive pour toute transcription de réunion.

Le contenu linguistique et le style

Facteur	Impact sur la performance	Solutions possibles
Variétés de langue et accents	Performance variable selon les variétés ; confusions phonétiques	Articulation soignée ; si possible, modèle adapté à la variété
Vocabulaire spécialisé	Termes rares ou techniques mal reconnus	Préparation terminologique ; dictionnaires personnalisés
Entités critiques (nombres, noms propres, sigles)	Erreurs à fort impact : montants, références, personnes	Épeler ; répéter ; normaliser (formats de dates) ; vérification ciblée
Alternance de langues (angl. code-switching)	Détection de langue instable ; mélange de graphies et de terminologies	Fixer la langue d’entrée si possible ; signaler les passages dans l’autre langue
Débit et style de parole	Trop rapide ou flou : substitutions ; hésitations : insertions inutiles	Vitesse modérée ; pauses nettes ; phrases courtes
Segmentation et ponctuation automatiques	Frontières de phrase et ponctuation parfois erronées	Marquer la fin de phrase par une courte pause ; relire ponctuation et casse

Les écarts selon les locuteurs ne sont pas symétriques : Koenecke et al. (2020) documentent, pour cinq systèmes commerciaux, un taux d’erreur presque deux fois plus élevé pour les locuteurs afro-américains que pour les locuteurs blancs. Tester un système avec les accents et variétés réellement visés fait partie de l’évaluation.

Le mode de fonctionnement et la chaîne de traitement

Facteur	Impact sur la performance	Solutions possibles
En direct ou en différé	En direct : affichage rapide mais plus d’erreurs ; en différé : rendu plus propre avec un délai	Choisir selon la priorité ; réviser en différé si possible
Chaîne en cascade (reconnaissance → traduction → synthèse)	Propagation des erreurs d’une étape à l’autre	Vérifier la transcription avant traduction ; désactiver la traduction si inutile
Approche de bout en bout	Souvent plus fluide, mais qualité inégale selon les langues et domaines	Réserver aux cas simples ; confirmer par échantillons ; prévoir une relecture humaine