Dicter un message

Dans l'application, un micro permet de dicter un message au lieu de le taper. Une application qui écrit au nom d'un utilisateur — une application mobile, un panneau de votre logiciel — offre la même dictée : elle enregistre la voix, l'envoie à l'API, et pose le texte rendu dans la saisie, où l'utilisateur le relit avant de l'envoyer lui-même.

Transcrire un enregistrement

curl -X POST "https://staging-api.docage.com/Dictation/Transcribe" \
  -H "Authorization: Bearer eyJhbGciOiJSUzI1NiIsInR5cCI6IkpXVCJ9…" \
  -F "audio=@dictee.m4a;type=audio/mp4"

{ "Text": "Quels sont mes rendez-vous de demain ?", "Seconds": 3 }

• Le formulaire (multipart/form-data) porte l'enregistrement sous le nom audio : WebM ou Ogg (Opus), MP4 (AAC) ou WAV, dix mégaoctets au plus — les formats courants des navigateurs et des téléphones.
• Text est le texte reconnu, dans la langue où il a été dicté ; il est vide quand rien n'a été entendu. Seconds est la durée de l'enregistrement.
• Rien n'est envoyé ni gardé : ni l'enregistrement, ni le texte. C'est à votre application de poser le texte dans la saisie, et à l'utilisateur d'envoyer son message.

Une longue dictée

Une dictée de plus de trente secondes part par tranches : un enregistrement de trente secondes au plus par requête, coupé de préférence sur un silence ; votre application réunit leurs textes dans l'ordre. Au-delà de trente secondes, des mots se perdent.

• Envoyez les tranches une à la fois : un utilisateur a au plus deux transcriptions en cours, toutes applications confondues — au-delà, 429, et la tranche se renvoie un instant plus tard.
• Faites transcrire une tranche pendant que l'utilisateur continue de parler : le texte est prêt quand il s'arrête.
• N'envoyez pas une tranche sans parole : la reconnaissance « entend » parfois des mots dans un silence.

Les refus

Chaque refus porte sa raison, dans la langue de l'utilisateur :

• 422 : un enregistrement vide, trop lourd ou d'un format inconnu ;
• 429 : l'utilisateur a déjà deux transcriptions en cours ;
• 502 : la transcription a échoué — la tranche peut se renvoyer, quelques fois au plus ;
• 503 : la dictée est indisponible ;
• 403 : l'offre de l'organisation ne comprend pas les conversations.

Les pièges

• La langue se reconnaît d'elle-même : la route n'en prend aucune, et une phrase dite dans une autre langue que celle de l'utilisateur reste dans cette langue.
• Le texte est une proposition : montrez-le dans la saisie, jamais envoyé d'office.
• Par cette route, la voix est transcrite en Europe et n'est pas gardée ; la reconnaissance vocale intégrée à un navigateur ou à un téléphone peut l'envoyer à son éditeur.