Speech technology in the language professionsLes technologies de la parole dans les professions langagières
Three use cases
Translation
- Dictated translation. Dictating a first draft can be faster than typing it, and it lowers the risk of musculoskeletal disorders. Wang and Sun (2023) found, however, that the time saved on drafting moved to revision, so a net saving is not guaranteed. Part of that revision repairs the system and part of it is the translator’s own: the study ties revision time to sight translation skill, that is, to how readily a finished sentence can be produced on the spot, where writing lets you shape it as you go. Only the first part shrinks as recognition improves, and it has improved since 2023, so the balance may have shifted, which is not the same as saying the finding is no longer true.
- Spoken post-editing. Correcting machine translation segments by voice rather than by keyboard can be an ergonomic variant of post-editing post-editingpostédition machine translationtraduction automatique The human correction of raw machine translation output; the counterpart, for machine translation, of revision in human translation.Correction humaine de la sortie brute d'une traduction automatique ; l'équivalent, pour la traduction automatique, de l'étape de révision en traduction humaine. . It comes with a steep learning curve, though: this way of working takes getting used to.
Watch for: numbers, proper nouns, punctuation and capitalization remain the most likely errors in a dictated transcription.
Interpreting
- Computer-assisted interpreting (CAI) tools. What any one of them does varies, and no tool has every feature, but between them they cover the whole assignment rather than its terminology alone. Before it, a tool may pull terms out of the documents you are sent, build a glossary from them, drill you on it, and propose translations for terms in context. During it, the glossary is a glance away on a second screen or a tablet, and some tools also listen to the original speech: transcribing it, highlighting numbers as they are spoken, and surfacing the glossary entry for a term as it comes up. Where the audio is processed, on your own machine or in the cloud, is a choice some of them let you make, and it decides what leaves a confidential meeting. InterpretBank is one of the established ones (Fantinuoli, 2016).interpretbank.com
- Live subtitling. Captions are produced as the speaker talks, either in the speaker’s own language, which is an accessibility measure, or translated for a multilingual audience. What decides whether it works is practical: latency latencylatence speechparole The delay between an input and the system's response; in live speech recognition and interpreting, the time between the spoken words and their displayed transcription or translation.Délai entre une entrée et la réponse du système ; en reconnaissance de la parole en direct et en interprétation, temps qui s'écoule entre les mots prononcés et l'affichage de leur transcription ou de leur traduction. , microphone quality and a stable connection.
Multimedia content production
- Automatic subtitling. Educational and promotional video is captioned automatically, which is now ordinary rather than exceptional, because in several jurisdictions accessibility is a legal requirement rather than a courtesy. Ontario is a concrete case: since 2021, public sector bodies and organisations of fifty or more people must conform to WCAG 2.0 Level AA on their websites, which requires captions on prerecorded video. Live captions are explicitly excluded from that requirement, which is worth knowing before assuming the two are treated alike.Ontario’s guidance: How to make websites accessible.
- Video translation with dubbing. The speaker’s voice can be cloned so that the translated track still sounds like them, and some tools go further and resynchronize the lips onto the target language. Where both are done, the result plays as though the video had been recorded in that language rather than translated into it.
Quality remains uneven, so ideally a person checks the output before anything is published.
A critical perspective
- Not necessarily faster. Speed of dictation does not guarantee a net gain in productivity.
- Metrics vs. real impact. An “acceptable” error rate can hide serious errors on amounts, names or acronyms; qualitative evaluation in context remains indispensable.
- Fairness and inclusion. Systems have to be tested with the accents and language varieties they will actually be used with: Koenecke et al. (2020) document marked differences in performance between groups of speakers.
- Data confidentiality. Distinguish the systems that process audio locally, on the device, from those that send it to remote servers; that choice decides what happens to the texts you dictate and the voices you record.
Trois cas d’usage
Traduction
- Dictée de traduction. Dicter un premier jet peut aller plus vite que le taper, et réduit les risques de troubles musculosquelettiques. Wang et Sun (2023) ont cependant constaté que le temps gagné à la rédaction repartait dans la révision, si bien que le gain net n’est pas garanti. Une partie de cette révision répare le système, l’autre revient au traducteur : l’étude relie le temps de révision à l’aptitude à la traduction à vue, c’est-à-dire à la facilité avec laquelle une phrase aboutie se formule sur-le-champ, là où l’écrit permet de la façonner en cours de route. Seule la première partie diminue à mesure que la reconnaissance progresse, et elle a progressé depuis 2023 : l’équilibre a pu se déplacer, ce qui ne veut pas dire que le constat ne tient plus.
- Postédition vocale. Corriger des segments de traduction automatique à la voix plutôt qu’au clavier peut être une variante ergonomique de la postédition post-editingpostédition machine translationtraduction automatique The human correction of raw machine translation output; the counterpart, for machine translation, of revision in human translation.Correction humaine de la sortie brute d'une traduction automatique ; l'équivalent, pour la traduction automatique, de l'étape de révision en traduction humaine. . L’apprentissage est cependant exigeant : cette façon de travailler demande de s’y habituer.
Points de vigilance : les nombres, les noms propres, la ponctuation et la casse restent les erreurs les plus probables d’une transcription dictée.
Interprétation
- Outils d’interprétation assistée par ordinateur (angl. computer-assisted interpreting, CAI). Ce que fait tel ou tel outil varie, et aucun ne réunit toutes les fonctions, mais ensemble elles accompagnent toute la prestation et pas seulement sa terminologie. En amont, un outil peut extraire les termes des documents reçus, en constituer un glossaire, vous le faire mémoriser et proposer des traductions de termes en contexte. Pendant la prestation, le glossaire se consulte d’un coup d’œil sur un second écran ou une tablette, et certains outils écoutent aussi le discours original : ils le transcrivent, mettent les nombres en évidence à mesure qu’ils sont prononcés et font apparaître l’entrée de glossaire d’un terme quand il arrive. Le lieu du traitement de l’audio, votre machine ou le nuage, est un choix que certains vous laissent, et il décide de ce qui sort d’une réunion confidentielle. InterpretBank est l’un des plus établis (Fantinuoli, 2016).interpretbank.com Ces outils sont conçus pour soutenir une interprète plutôt que pour la remplacer, ce qui ne veut pas dire qu’aucun remplacement n’a lieu.
- Sous-titrage en direct. Les sous-titres se produisent au fil du discours, soit dans la langue de l’oratrice, ce qui relève de l’accessibilité, soit traduits pour un auditoire multilingue. Ce qui décide du résultat est pratique : la latence latencylatence speechparole The delay between an input and the system's response; in live speech recognition and interpreting, the time between the spoken words and their displayed transcription or translation.Délai entre une entrée et la réponse du système ; en reconnaissance de la parole en direct et en interprétation, temps qui s'écoule entre les mots prononcés et l'affichage de leur transcription ou de leur traduction. , la qualité du micro et la stabilité de la connexion.
Création de contenu multimédia
- Sous-titrage automatique. Les vidéos éducatives et promotionnelles se sous-titrent automatiquement, ce qui est devenu courant plutôt qu’exceptionnel, parce que plusieurs législations font de l’accessibilité une obligation et non une politesse. L’Ontario en est un cas concret : depuis 2021, les organismes du secteur public et les organisations de cinquante personnes ou plus doivent respecter le niveau AA des WCAG 2.0 sur leurs sites, ce qui exige le sous-titrage des vidéos préenregistrées. Le sous-titrage en direct est explicitement exclu de cette obligation, ce qui vaut la peine d’être su avant de supposer que les deux sont traités pareil.Les indications de l’Ontario : How to make websites accessible.
- Traduction vidéo avec doublage. La voix de l’oratrice peut être clonée pour que la piste traduite lui ressemble encore, et certains outils vont plus loin en resynchronisant les lèvres sur la langue cible. Quand les deux sont faits, le résultat passe comme une vidéo tournée dans cette langue plutôt que traduite vers elle.
La qualité reste variable, si bien qu’idéalement une personne vérifie le résultat avant toute diffusion.
Perspective critique
- Pas nécessairement plus rapide. La vitesse de dictée ne garantit pas un gain de productivité net.
- Métriques contre impact réel. Un taux d’erreur « acceptable » peut masquer des erreurs graves sur les montants, les noms ou les sigles ; l’évaluation qualitative en contexte reste indispensable.
- Équité et inclusion. Les systèmes doivent être testés avec les accents et variétés linguistiques réellement visés : Koenecke et al. (2020) documentent des écarts de performance marqués selon les groupes de locuteurs.
- Confidentialité des données. Distinguez les systèmes qui traitent l’audio localement, sur l’appareil, de ceux qui l’envoient sur des serveurs distants ; le choix engage la confidentialité des textes dictés et des voix enregistrées.
Sources
- Fantinuoli, C. (2016). InterpretBank: Redefining computer-assisted interpreting tools. Proceedings of the 38th Conference Translating and the Computer, London, 42–52. https://aclanthology.org/2016.tc-1.5/
- Koenecke, A., Nam, A., Lake, E., Nudell, J., Quartey, M., Mengesha, Z., Toups, C., Rickford, J. R., Jurafsky, D., & Goel, S. (2020). Racial disparities in automated speech recognition. Proceedings of the National Academy of Sciences, 117(14), 7684–7689. https://doi.org/10.1073/pnas.1915768117
- Wang, L., & Sun, S. (2023). Dictating translations with automatic speech recognition: Effects on translators' performance. Frontiers in Psychology, 14, 1108898. https://doi.org/10.3389/fpsyg.2023.1108898
Sources
- Fantinuoli, C. (2016). InterpretBank: Redefining computer-assisted interpreting tools. Proceedings of the 38th Conference Translating and the Computer, London, 42–52. https://aclanthology.org/2016.tc-1.5/
- Koenecke, A., Nam, A., Lake, E., Nudell, J., Quartey, M., Mengesha, Z., Toups, C., Rickford, J. R., Jurafsky, D., & Goel, S. (2020). Racial disparities in automated speech recognition. Proceedings of the National Academy of Sciences, 117(14), 7684–7689. https://doi.org/10.1073/pnas.1915768117
- Wang, L., & Sun, S. (2023). Dictating translations with automatic speech recognition: Effects on translators' performance. Frontiers in Psychology, 14, 1108898. https://doi.org/10.3389/fpsyg.2023.1108898