Transcrire une conférence téléphonique à l'aide d'Amazon Transcribe et de Vonage

De temps en temps, je me rappelle que je vis dans le futur. Du moins, le futur dont je rêvais dans les années 80.

L'un de mes premiers emplois consistait à transcrire des appels au service clientèle qui s'étaient transformés en plaintes contre l'entreprise pour laquelle j'étais intérimaire. J'étais à l'époque, et je le suis toujours, une piètre dactylo et cela a toujours été une épreuve que je n'ai jamais appréciée.

Je me suis dit que ce serait formidable si les ordinateurs étaient assez performants pour faire cela automatiquement. Il n'en était pas question avec les ZX Spectrum et les BBC Micros de l'époque.

Quelques décennies plus tard, la possibilité de transcrire des enregistrements vocaux n'est pas particulièrement nouvelle. Ce qui est nouveau, c'est la disponibilité généralisée de cette technologie et, grâce à la puissance des API, la facilité avec laquelle elle peut être incorporée dans une grande variété de flux de travail.

Si vous êtes comme moi, vous passez beaucoup de temps en téléconférence et vous avez souvent besoin de vous référer à ce qui s'y est dit. Ne serait-ce pas génial si vous pouviez les transcrire automatiquement pour pouvoir les revoir à votre guise ? C'est possible, et j'ai l'application de démonstration qui le prouve !

L'Applications

Notre application de démonstration utilise l'API Voice de Vonage pour connecter un nombre quelconque d'appelants à une conférence, puis achemine l'audio vers l'API Transcribe d'Amazon. Lorsque la transcription est prête, elle est téléchargée localement et analysée pour afficher ce qui a été dit par chaque participant. C'est un peu basique pour le moment, mais il pourrait facilement être étendu pour présenter une interface agréable qui vous permettrait de voir toutes vos conférences et d'afficher la transcription en cliquant sur un bouton.

Il y a ici quelques pièces mobiles, comme le montre le schéma suivant :

Diagram showing the functionality of the Amazon Transcribe Call demo

Nous utilisons l'API Voice de Vonage pour créer une conférence téléphonique. Lorsque la conférence est terminée, le son brut de l'appel est téléchargé sur le service de stockage en nuage S3 d'Amazon.

Lorsque l'audio apparaît dans notre seau de stockage, nous utilisons le service Cloudwatch d'Amazon pour déclencher un événement. Cet événement déclenche à son tour une fonction Lambda sans serveur qui alerte notre application que la transcription est disponible. L'application télécharge ensuite la transcription et en analyse le contenu.

Essayez-le !

Le code source de la démo et les étapes à suivre pour l'exécuter se trouvent ici.

En outre, nous disposons d'un tutoriel montrant comment il a été assemblé.

Nous serions ravis que vous l'utilisiez et que vous nous fassiez part de vos commentaires. Nous serions enthousiastes si vous forciez le repo et l'amélioriez encore plus !