---
title: "Qu’est-ce qu’une API speech-to-text ? ASR et transcription"
description: "Le speech-to-text transforme l’audio parlé en texte écrit. Fonctionnement des API de transcription, prix à la minute d’audio, mesure de la précision et limites."
url: https://broadrouter.com/fr/glossary/speech-to-text/
lang: fr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/glossary/speech-to-text/) (mis à jour le 2026-11-15).

# Speech-to-text (reconnaissance vocale)

Mis à jour 2026-11-15

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

Aussi appelé : reconnaissance vocale, reconnaissance automatique de la parole, transcription audio, API de transcription, parole vers texte, STT, ASR, speech to text, automatic speech recognition, transcription API, audio transcription, voice to text

Notes vocales, appels et réunions contiennent des informations qu’un logiciel ne peut pas rechercher tant qu’elles ne sont pas du texte. Le speech-to-text comble cet écart.

## Comment ça marche

Hugging Face définit la reconnaissance automatique de la parole comme « the task of transcribing a given audio to text » (traduction : « la tâche consistant à transcrire un audio donné en texte »). Un modèle ASR moderne convertit l’audio en caractéristiques, puis génère la suite de mots la plus probable.

Avec une API compatible OpenAI, vous envoyez le fichier en formulaire multipart à `/v1/audio/transcriptions` :

```bash
curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe-arabic \
  -F language=ar \
  -F file=@voice-note.wav
```

La réponse est un JSON avec la transcription dans `text`. Les fournisseurs limitent la taille et les formats des fichiers ; l’endpoint d’OpenAI lui-même accepte des fichiers jusqu’à 25 Mo (d’après son guide speech-to-text, vérifié le 2026-11-15).

## Pourquoi c’est important

-   **La précision fait la valeur.** Une transcription avec des noms ou des nombres erronés peut être pire que pas de transcription du tout. La précision se mesure avec le [taux d’erreur de mots](https://broadrouter.com/fr/glossary/word-error-rate/), et elle chute avec les accents, les dialectes, les voix qui se chevauchent et l’audio téléphonique.
-   **Prix par heure d’audio.** Le STT est facturé à la minute d’audio : le volume est donc facile à prévoir, en multipliant les heures d’audio par le tarif horaire.
-   **Confidentialité.** La voix transporte des noms, des numéros de téléphone et des informations médicales ou bancaires. Demandez si l’audio et les transcriptions sont conservés ; voir [conservation zéro des données](https://broadrouter.com/fr/glossary/zero-data-retention/).
-   **Pipelines.** Une transcription alimente souvent ensuite un LLM, pour des résumés, du routage ou de l’extraction.

## Sur BroadNet Inference

| Modèle | Langues | Prix par minute | Par heure |
| --- | --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/fr/models/cohere-transcribe-arabic/) | Arabe, dialectes compris | $0.0042 | $0.25 |
| [BroadNet Transcribe](https://broadrouter.com/fr/models/cohere-transcribe/) | 14 langues | $0.002 | $0.12 |

Les deux acceptent du WAV ou du MP3 jusqu’à 26 214 400 octets (25 Mio) par fichier ; un fichier plus gros renvoie un 413. Envoyez `language=ar` pour l’arabe, sinon le texte peut revenir translittéré en lettres latines. BroadNet classe le modèle arabe #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026) sur l’Open Universal Arabic ASR Leaderboard. L’audio et les transcriptions ne sont pas conservés.

D’autres fournisseurs peuvent coûter moins cher. Le 2026-11-14, la [page des tarifs de Soniox](https://soniox.com/pricing) affichait environ 0,10 USD de l’heure pour la transcription de fichiers (asynchrone) et 0,12 USD de l’heure en temps réel, et sa liste de langues inclut l’arabe. C’est moins que les $0.25 de l’heure de BroadNet Transcribe Arabic : testez donc les deux sur votre propre audio. Notre [index ouvert des prix des API speech-to-text](https://broadrouter.com/data/speech-to-text-api-prices/) liste plus de 20 produits, avec une source et une date pour chaque prix.

Les deux modèles fonctionnent avec le crédit de départ gratuit de $5, qui couvre environ 1,190 minutes d’audio arabe. Commencez par le [guide speech-to-text pour l’arabe](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/), convertissez les fichiers `.ogg` de WhatsApp avec le [guide des notes vocales](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/), et comparez les fournisseurs avec le [guide d’achat](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/).

## Questions fréquentes

### Comment mesure-t-on la précision du speech-to-text ?

Avec le taux d’erreur de mots (WER), la part de mots qu’une transcription se trompe par rapport à une référence correcte. Plus c’est bas, mieux c’est. Mesurez-le sur vos propres enregistrements, car la précision varie beaucoup selon l’accent, le dialecte et la qualité audio.

### Comment transcrire des fichiers qui dépassent la taille limite ?

Découpez l’audio en morceaux plus courts, idéalement aux pauses, et transcrivez chacun. La compression en MP3 réduit aussi la taille.

### Pourquoi l’arabe revient-il parfois en lettres latines ?

Sans indication de langue, certains modèles translittèrent. Sur BroadNet Inference, envoyez language=ar pour l’arabe.

## Voir aussi

-   [Taux d’erreur sur les mots (WER)](https://broadrouter.com/fr/glossary/word-error-rate/) (terme)
-   [Conservation zéro des données (zero data retention, ZDR)](https://broadrouter.com/fr/glossary/zero-data-retention/) (terme)
-   [API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/) (terme)
-   [Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/) (terme)
-   [Diarisation du locuteur (speaker diarization)](https://broadrouter.com/fr/glossary/diarization/) (terme)
-   [Détection d’activité vocale (VAD)](https://broadrouter.com/fr/glossary/vad/) (terme)
-   [Fréquence d’échantillonnage (sample rate)](https://broadrouter.com/fr/glossary/sample-rate/) (terme)
-   [Horodatages (speech-to-text)](https://broadrouter.com/fr/glossary/timestamps-asr/) (terme)
-   [Code-switching (alternance codique)](https://broadrouter.com/fr/glossary/code-switching/) (terme)
-   [Synthèse vocale (text-to-speech, TTS)](https://broadrouter.com/fr/glossary/text-to-speech/) (terme)
-   [WAV](https://broadrouter.com/fr/glossary/wav/) (terme)
-   [API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/) (guide)
-   [Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/) (guide)
-   [API speech-to-text pour l’arabe : comment la choisir en 2026](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/) (article)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-speech-to-text&utm_content=page-cta) ·

**Sources**

-   [Tarifs speech-to-text de Soniox (consulté le 2026-11-14)](https://soniox.com/pricing)
-   [Hugging Face Tasks, reconnaissance automatique de la parole](https://huggingface.co/tasks/automatic-speech-recognition)
-   [OpenAI, guide speech-to-text (endpoint de transcription, limite de 25 Mo par fichier ; vérifié le 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Référence de l’API de BroadNet Inference, transcription (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-speech-to-text&utm_content=sources)
-   [Prix de BroadNet Inference lisibles par machine (pricing.json) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-speech-to-text&utm_content=sources)
