multilingual
Modulate · États-Unis
- Poids fermés (selon Open ASR Leaderboard)
- Français annoncé
En bref : 12e sur 39 en transcription en français ; 4e sur 53 en transcription en anglais (Open ASR).
Présentation
Modulate publie sous le nom « multilingual » un modèle de transcription multilingue servi par son API, qui détecte la langue à chaque énoncé et suit les changements de langue. La version complète de l'éditeur ajoute séparation des orateurs, signaux d'émotion, d'accent, de voix synthétique et de données personnelles. Lu sur docs.modulate.ai, le 17/10/2026.
Langues
- Annoncées par l'éditeur : multilingue, dont le français. Lu sur docs.modulate.ai, modulate.ai.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 12e sur 39 en transcription en français (4,14 %).
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
12e sur 39taux d'erreur par mot 4,14 %
Par jeu de test : Common Voice 5,27 %, FLEURS 4,71 %, MLS 2,45 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
4e sur 53taux d'erreur par mot 5,06 %
Par jeu de test : AMI-Cleaned 6,31 %, Earnings22-Cleaned-AA-chunked 6,00 %, Gigaspeech-Cleaned 6,91 %, LS Clean 0,87 %, LS Other 1,77 %, Private (conversational) 12,30 %, Private (scripted) 2,56 %, SPGISpeech 2,06 %, URGENT24 10,04 %, Voice Arena Monsoon 3,26 %, Voxpopuli-AA-Cleaned 3,55 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, Voxtral Small (9e, 4,11 %) · derrière, TheWhisper-Large-V3-Turbo (13e, 4,41 %)
- Transcription en anglais, Open ASR : devant, azure-speech-07-2026 (3e, 5,02 %) · derrière, Resonant-1 (5e, 5,21 %)
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) :
modulate/multilingual - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://docs.modulate.ai/get-started/stt.md (« * **Multilingual Transcription** carries per-utterance timing, speaker labels, and optional emotion, accent, deepfake, and PII/PHI signals. Batch and streaming. »), 17/10/2026
- https://docs.modulate.ai/get-started/stt.md (« Language is detected per utterance, so a file where speakers switch languages reports each utterance in the language actually spoken. »), 17/10/2026
- https://docs.modulate.ai/get-started/stt.md (« Multilingual Transcription covers 100 languages »), 17/10/2026
- https://docs.modulate.ai/get-started/stt.md (« The 25 supported languages are Bulgarian, Croatian, Czech, Danish, Dutch, English, Estonian, Finnish, French, German »), 17/10/2026
- https://www.modulate.ai/api/speech-to-text (« Transcribe supports global coverage with over 50 languages covered. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.