Azure AI Speech 09-2026 élargit les langues, avec un gain de vitesse lié aux courts audios traités simultanément

La couverture distingue les langues des variantes régionales

Le principal ajout porte sur 25 langues, dont 11 langues indiennes. Microsoft cite l’assamais, le bengali, le gujarati, le kannada, le malayalam, le marathi, l’odia, le pendjabi, le tamoul, le télougou et l’ourdou pour cette nouvelle couverture, ainsi que le catalan, le malais et le gallois parmi les autres ajouts. La prise en charge totale annoncée est de 50 langues et plus de 60 locales. Des variantes régionales peuvent partager une langue tout en nécessitant des choix de locale différents.

L’article illustre une consultation au Koweït mêlant arabe, hindi et anglais indien dans un même enregistrement. C’est un exemple du fournisseur pour un processus multilingue, et non un déploiement clinique évalué par AISubHub. Notre analyse est que des archives monolingues et des conversations qui changent de langue nécessitent des réglages différents. Le tableau complet de prise en charge lié n’a pas été examiné séparément ; cet article ne fournit donc pas de liste exhaustive des cas admissibles.

Les chiffres de qualité exigent de préciser le cadre d’évaluation

Microsoft attribue les progrès de reconnaissance à des évaluations internes comprenant des tests internes et des jeux publics comme GigaSpeech et VoxPopuli. L’entreprise annonce une amélioration allant jusqu’à 25% du Token Error Rate et de 37% de l’Entity Error Rate, en insistant sur les entités liées aux résultats d’entreprise dans les scénarios financiers. Ces améliorations ne doivent être comprises ni comme des gains en points de pourcentage ni comme la promesse d’un résultat identique pour chaque langue, accent et enregistrement ; la base de calcul n’est pas précisée.

L’annonce ne donne ni taux d’erreur de référence, ni ventilation complète des jeux de test, ni taille d’échantillon, ni paramètres d’évaluation suffisants pour reproduire ces chiffres. Selon notre lecture, une évaluation centrée sur les entités demande si les termes métier importants sont corrects, au-delà de la fluidité apparente de la transcription. Un résultat portant sur des entités financières ne prouve pas la précision de la terminologie clinique. Pour en juger, une organisation aurait besoin de ses propres exemples annotés, notamment de noms difficiles et de changements de langue.

Le gain de vitesse est circonscrit et le silence reste à tester

La comparaison porte sur LLM Speech 2607, pas sur tous les produits vocaux ni sur tous les modes de transcription Azure. Microsoft revendique une vitesse de traitement atteignant 2x celle de cette version, particulièrement pour des extraits de 5–10 secondes à forte simultanéité des traitements, c’est-à-dire plusieurs flux à la fois. Il s’agit de performances de traitement dans une condition de charge donnée. Cela n’établit ni latence fixe de bout en bout, ni garantie de niveau de service en streaming, ni baisse proportionnelle de la facture du client.

Microsoft décrit une réduction du contenu halluciné dans les audios silencieux ou vides, sans donner de taux chiffré. C’est une affirmation de réduction, pas l’assurance que le silence ne produira jamais de texte. Notre analyse est qu’un test d’acceptation utile doit inclure des entrées actives et silencieuses : de courts enregistrements concurrents peuvent révéler le comportement du débit de traitement, tandis que des fichiers vides ou silencieux peuvent montrer si les processus en aval reçoivent du contenu inventé. AISubHub n’a réalisé aucun de ces tests.

Distinguer les consignes multilingues d’un exemple non vérifié

Pour un fichier contenant plusieurs langues prises en charge, le texte indique que le mode multilingue est activé par défaut et recommande d’omettre les indications de locale. Il réserve cette indication à un audio réellement monolingue, au lieu d’en faire un moyen de forcer une conversation mixte dans une seule langue. C’est cette distinction opérationnelle qu’il faut conserver en lisant l’exemple de requête.

L’exemple voisin comprend pourtant une liste locales, dont l’explication présente un cas où la locale est connue. Les valeurs visibles de cette liste ne sont pas entre guillemets : la définition affichée n’est donc pas un JSON valide telle qu’elle est écrite. Nous n’avons ni exécuté la commande ni validé une requête corrigée. Nous conseillons d’abord de distinguer le cas monolingue du cas mixte, puis de vérifier séparément le schéma de requête actuel. Copier cet exemple ne démontre pas qu’une intégration fonctionne.

Les listes de phrases apportent un réglage distinct pour les noms de produits, les sigles et le vocabulaire spécialisé. Microsoft indique un maximum de 2000 phrases via le paramètre dédié phraseList. Il s’agit d’une limite d’entrée du vocabulaire, pas d’une affirmation selon laquelle tous les termes seront reconnus ou les indications remplaceront l’évaluation. La documentation de configuration liée n’a pas été lue séparément.

La disponibilité ne fixe ni calendrier de déploiement ni prix

L’annonce désigne Fast Transcription API comme voie d’accès et renvoie vers REST, les SDK et Foundry Playground. Elle précise aussi qu’aucune action du client n’est nécessaire et que la mise à jour sera déployée automatiquement côté service. Le texte ne donne ni heure exacte de fin de déploiement, ni liste de régions, ni conditions par niveau de compte, ni changement de prix. Sa formulation de disponibilité immédiate et celle, future, du déploiement automatique ne doivent pas devenir l’affirmation que tous les clients ont déjà changé de version.

Notre analyse propose cette liste d’évaluation : vérifier la disponibilité dans la ressource concernée, choisir le traitement de la locale selon les enregistrements, tester le vocabulaire important et les entrées silencieuses, puis mesurer le niveau de simultanéité visé. Cette méthode découle des conditions de l’annonce ; ce n’est ni une configuration testée ni une validation des performances. Aucun appel API, déploiement, comparatif de facturation ou essai indépendant de reconnaissance n’a été effectué pour cet article.