azure-speech-07-2026
Microsoft · États-Unis
- Poids fermés (selon Open ASR Leaderboard)
- Français annoncé
En bref : 1er sur 39 en transcription en français ; 3e sur 53 en transcription en anglais (Open ASR).
Présentation
Service de transcription d'Azure AI Speech (API LLM Speech de Microsoft Foundry), où un grand modèle de langage renforce un modèle de reconnaissance vocale. Il détecte la langue automatiquement, sait aussi traduire l'audio et accepte des consignes (prompt) pour orienter le style de sortie. Lu sur learn.microsoft.com, devblogs.microsoft.com, le 17/10/2026.
Langues
- Annoncées par l'éditeur : 25 langues, dont le français (ar, zh, cs, da, nl, en, fi, fr, de, el, he, hi, hu, id, it, ja, ko, nb, pl, pt, ru, es, sv, th, tr). Lu sur learn.microsoft.com.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 1er sur 39 en transcription en français (3,14 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
1er sur 39taux d'erreur par mot 3,14 %
Par jeu de test : Common Voice 4,32 %, FLEURS 2,48 %, MLS 2,62 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
3e sur 53taux d'erreur par mot 5,02 %
Par jeu de test : AMI-Cleaned 7,05 %, Earnings22-Cleaned-AA-chunked 5,20 %, Gigaspeech-Cleaned 7,48 %, LS Clean 1,23 %, LS Other 2,71 %, Private (conversational) 12,71 %, Private (scripted) 2,12 %, SPGISpeech 2,17 %, URGENT24 9,90 %, Voice Arena Monsoon 3,00 %, Voxpopuli-AA-Cleaned 1,65 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : derrière, azure-speech-06-2026 (2e, 3,27 %)
- Transcription en anglais, Open ASR : devant, Zoom Scribe V2 Pro (2e, 4,70 %) · derrière, multilingual (4e, 5,06 %)
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.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
microsoft/azure-speech-07-2026 - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://learn.microsoft.com/en-us/azure/ai-services/speech-service/llm-speech (« A large language model (LLM) enhances a speech model, delivering improved quality, deep contextual understanding, multilingual support, and prompt-tuning capabilities. »), 17/10/2026
- https://learn.microsoft.com/en-us/azure/ai-services/speech-service/llm-speech (« The service operates in multi-lingual mode by default, so you don't need to specify the input language locale. »), 17/10/2026
- https://learn.microsoft.com/en-us/azure/ai-services/speech-service/llm-speech (« The following input languages are supported for both transcribe and translate tasks: Arabic , Chinese , Czech , Danish , Dutch , English , Finnish , French , German »), 17/10/2026
- https://devblogs.microsoft.com/foundry/announcing-azure-ai-speech-llm-2607/ (« This release delivers a decisive quality leap across Tier 1 and Tier 2 languages, positioning our model at #2 standing on HuggingFace’s OpenASR leaderboard »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.