# Cloud Speech-To-Text (Chirp)

Éditeur : Google (États-Unis). Poids fermés (selon Artificial Analysis).

En bref : 51e sur 51 en transcription en anglais (Artificial Analysis).

Page : https://quelleia.com/voix/modeles/google-cloud-speech-to-text-chirp/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Premier modèle Chirp de Google Cloud Speech-to-Text, version du Universal Speech Model de Google adaptée aux usages du cloud. Google le décrit comme un modèle de 2 milliards de paramètres entraîné sur des millions d'heures d'audio couvrant plus de 100 langues. (lu sur https://cloud.google.com/blog/products/ai-machine-learning/bringing-power-large-models-google-clouds-speech-api?hl=en, https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-speech-to-text-v2-api?hl=en)

- Sortie : mai 2023 (lu sur la page de l'éditeur, https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-speech-to-text-v2-api?hl=en)
- Taille : 2 milliards de paramètres (lu sur la page de l'éditeur, https://cloud.google.com/blog/products/ai-machine-learning/bringing-power-large-models-google-clouds-speech-api?hl=en)

## Langues

- Annoncées par l'éditeur : liste de langues publiée par Google, dont le français.
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://cloud.google.com/speech-to-text/docs/speech-to-text-supported-languages

## Ses classements

- Transcription en anglais, indice AA-WER : 51e sur 51, taux d'erreur par mot 31,21 % ; prix : 16 $ pour 1 000 minutes de parole ; par jeu de test : AA-AgentTalk 6,72 %, Earnings22 11,92 %, VoxPopuli 99,48 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-text/models/google (relevé du 19 octobre 2026).

## Modèles proches

- Transcription en anglais, indice AA-WER : [Qwen3.5 Omni Flash](https://quelleia.com/voix/modeles/alibaba-qwen3-5-omni-flash/), 50e (13,52 %), juste devant

## Comment lire ces chiffres

- Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.

## Noms dans les sources

- Artificial Analysis : Cloud Speech-To-Text (Chirp)

## Liens

- Page de l'éditeur : https://cloud.google.com/blog/products/ai-machine-learning/bringing-power-large-models-google-clouds-speech-api

## Pages lues

- https://cloud.google.com/blog/products/ai-machine-learning/bringing-power-large-models-google-clouds-speech-api?hl=en (« Chirp is Google Cloud's 2B-parameter speech model built via self-supervised training on millions of hours of audio and 28 billion sentences of text spanning 100+ languages . »), 17/10/2026
- https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-speech-to-text-v2-api?hl=en (« In May 2023, at Google I/O, we announced Chirp in Private Preview, the latest version of the USM family, fine-tuned for our Cloud-specific use-cases. Chirp is now GA through the Speech-to-Text v2 API. »), 17/10/2026
- https://cloud.google.com/speech-to-text/docs/speech-to-text-supported-languages (« asia-southeast1 French (France) fr-FR chirp Automatic punctuation »), 17/10/2026