Pour les développeurs

Préparation de l’audio

Chaque enregistrement passe par les mêmes étapes avant d’être évalué, avec les mêmes limites pour tous. Elles sont le standard de Spelly et ne peuvent être changées ni par appel ni par clé.

#Ce que tu peux envoyer

Tout format audio courant est décodé : WAV, FLAC, OGG, WebM, MP3 et d’autres. Un WAV à 16 kHz, 16 bits, mono, ne demande aucune conversion. La stéréo est mixée en mono, et chaque enregistrement est rééchantillonné à 16 kHz.

#Durée et taille

Un envoi de plus de 960 000 octets est refusé avec HTTP 413 (assess.recordingTooLong). Seules les 15 premières secondes d’un enregistrement sont évaluées.

#Le silence aux extrémités

Le silence avant la première parole et après la dernière est coupé, en gardant 750 ms autour de la parole. Est parole tout ce qui dépasse 5 % du niveau le plus fort de l’enregistrement tenu pendant 150 ms, si bien qu’un clic à une extrémité ne peut pas fixer le niveau.

#Les enregistrements refusés

Un enregistrement refusé n’a pas de score et ne coûte rien : sa facturation est rendue.

  • Illisible (HTTP 400, assessment.audioUnreadable) : aucun décodeur ne peut lire le fichier.
  • Rien entendu (HTTP 422, assessment.nothingHeard) : l’enregistrement est silencieux (son pic est inférieur à 0,01 de la pleine échelle, ou son niveau le plus fort inférieur à -50 dBFS), c’est du bruit et non de la parole (un taux moyen de passages par zéro supérieur à 0,25 alors que son niveau le plus fort reste sous -35 dBFS), ou le modèle n’y entend aucun son.
  • Trop court (HTTP 422, assessment.tooShort) : moins de 85 ms, le minimum que lit le modèle, ou trop court pour contenir son texte : le modèle a besoin d’une trame d’environ 40 ms par son attendu, et d’une de plus entre deux sons identiques à la suite.

Des questions ?

Dis-nous ce que tu as en tête et nous te répondrons.

Nous contacter