L’essentiel
Un benchmark répond à une question précise sur un corpus, un matériel et un protocole donnés. Distinguez les erreurs de reconnaissance, la vitesse de synthèse et l’écoute de bout en bout. Les mesures publiques sur RTX 4070 Ti permettent une comparaison locale délimitée ; elles ne prouvent ni une qualité identique ni la latence du rack.
Lire la question avant le score
Demandez d’abord ce qui entre dans l’essai et ce qui en sort. L’ASR transforme la parole en texte ; le TTS produit de l’audio à partir d’un texte. Une mesure de reconnaissance ne donne donc pas la précision de traduction, et une mesure de synthèse ne décrit pas le délai complet d’une conférence. La page publique des benchmarks présente ces volets séparément : conservez cette séparation lorsque vous préparez une comparaison ou un dossier d’achat.
Comprendre WER, médiane et p95
Le WER rapporte les erreurs de mots à une transcription de référence ; son interprétation dépend notamment du corpus et de la normalisation. Il ne mesure pas directement le sens traduit. La médiane partage les mesures en deux moitiés ; le p95 indique le seuil sous lequel se trouvent environ 95 % des observations. Un bon résultat central peut donc coexister avec des attentes plus longues. Regardez les deux et vérifiez le nombre de cas avant de généraliser.
Situer le comparatif TTS local
Sur l’essai public à une voix, en RTX 4070 Ti, Uni-Translate produit l’audio complet en 1 004,254 ms de médiane, avec un p95 de 1 938,305 ms. Qwen3-TTS FP32 est à 6 251,361 ms et 13 060,148 ms ; BF16 à 6 797,511 ms et 14 923,643 ms. Le gain de 6,2 fois concerne la médiane face au FP32 sur cet essai. Les environnements d’exécution et les durées produites diffèrent ; cette comparaison n’établit pas une qualité équivalente.
Ne pas confondre PCM et parole entendue
Les premières données PCM sont reçues en médiane autour de 168 ms à une voix et 233 ms à quatre voix dans ce protocole. Ce jalon informatique n’est pas la première parole audible au casque. Il ne décrit pas davantage le délai du rack physique. Les spécifications matérielles concernent une plateforme Orin ; les mesures citées ici sont sur RTX 4070 Ti. Des TOPS annoncés par un constructeur ne permettent pas de convertir ces résultats en latence d’événement.
Checklist pour une décision utile
Reliez chaque chiffre à votre question, puis préparez un essai d’écoute représentatif. Un nombre peut aider à choisir quoi vérifier sans suffire à accepter une installation entière. Conservez le lien du protocole avec toute valeur reprise.
- Composant mesuré et résultat attendu identifiés.
- Matériel, corpus et configuration nommés.
- Médiane et p95 lus ensemble.
- Qualité et durée audio examinées séparément de la vitesse.
- Validation physique prévue avant l’événement.
Pour aller plus loin
Spécifications du rackBenchmarks publicsRédigé avec l’aide de l’IA, à partir des caractéristiques publiques de nos produits et de sources documentées.
