Meta transforme la transcription en flux continu et fait chuter le prix du dérushage
— AUDIOVISUEL
Muse Voice Transcribe écoute, découpe et attribue les voix dans un seul modèle, avant de décider seul du moment où répondre. Le tarif affiché casse les prix constatés chez les concurrents, mais la séparation des locuteurs reste encore trop imprécise pour les usages sensibles.
Un modèle unique écoute une conversation, sépare les voix et devine le moment où chacun a fini de parler. Meta Superintelligence Labs fusionne ces trois tâches dans Muse Voice Transcribe, découpées habituellement entre plusieurs outils qui se répondent avec du retard. Le flux sonore est tranché en très courtes tranches, et le modèle choisit à chaque fois de continuer à écouter ou de livrer du texte.
Ce fonctionnement parle directement au monteur vidéo qui dérushe des heures d'interview avant le montage. Une conversation de plus d'une heure, avec une vingtaine d'intervenants, se retrouve transcrite et découpée par personne sans passage manuel préalable. Pour du sous-titrage rapide ou une synchro de rushs multi-caméras, ce genre de repérage automatique fait gagner une phase entière avant l'étalonnage du montage.
La précision de séparation des voix reste le point faible du dossier. Meta annonce un taux d'erreur de diarisation encore élevé sur les jeux de test publics, ce qui oblige à revérifier à la main les attributions dans un entretien filmé ou un tournage à plusieurs intervenants, surtout quand des noms ou des informations sensibles s'y glissent. Un sous-titrage diffusé sans relecture sur ce point expose au contresens de réplique.
Le tarif change davantage le calcul de production que la technique elle-même. Le prix affiché descend à 0,18 dollar par heure de contenu traité, nettement sous les grilles constatées chez les fournisseurs concurrents cités par Meta. Pour un studio qui fait dérusher des dizaines d'heures d'interviews par mois, ce niveau de prix pèse davantage sur la ligne de devis que la qualité brute de la transcription.
La transcription en anglais arrive en tête d'une évaluation indépendante, mais rien ne garantit encore ce niveau dans les conversations en français bruitées, avec plusieurs voix qui se chevauchent en salle de tournage. Le monteur qui teste l'outil sur ses propres rushs saura vite si l'économie promise tient face au bruit réel d'un plateau.