Uhm : détection des mots de remplissage sur l'appareil pour l'audio et la vidéo
Détection des mots de remplissage sur l'appareil qui repère « euh », « hum » et d'autres hésitations directement dans la forme d'onde, avec une prédiction toutes les 20 millisecondes.
Uhm est un classifieur précis à la trame qui repère les hésitations directement dans l'audio, une prédiction toutes les 20 millisecondes. Il lit la forme d'onde : il n'y a donc pas de transcription à produire au préalable, ce qui est le coût habituel de la détection des disfluences.
Il a été entraîné sur l'anglais et se transfère acoustiquement à l'espagnol, au français, à l'allemand et au néerlandais sans réentraînement. Une transcription n'aiderait même pas : des modèles comme Whisper laissent les hésitations de côté dans leur sortie, si bien que les « euh » n'apparaissent jamais dans le texte à repérer ou à couper. Uhm analyse l'audio et les détecte sur l'appareil, sans envoi ni coût à la minute.
Démo
Performances
Analyse l'audio à 296x le temps réel, sur l'appareil, avec une prédiction toutes les 20 ms.
Facteur temps réel (durée audio sur temps d'analyse), Core ML fp16, à chaud (interne)
| Appareil | Facteur temps réel |
|---|---|
| iPhone 17 Pro | ~296x |
| iPad Pro (M4) | ~279x |
| iPhone 15 Pro | ~169x |
Benchmarks internes. Entraîné sur l'anglais ; se transfère acoustiquement à l'espagnol, au français, à l'allemand et au néerlandais.
Cas d'usage
Montage podcast et vidéo
Localisez chaque hésitation à couper ou resserrer, sans lancer d'abord une passe de transcription.
Nettoyage de transcription
Signalez les disfluences de façon acoustique pour que les transcriptions en aval se lisent proprement.
Aucun coût à la minute
Détectez les hésitations sur l'appareil au lieu d'assembler WhisperX et des regex, ou de payer une reconnaissance vocale cloud à la minute.
Retour sur l'expression orale
Mesurez la fréquence des hésitations dans un discours enregistré, pour des outils d'entraînement et de coaching.
Ce que ça fait
- Précis à la trame : une prédiction toutes les 20 ms.
- Détection acoustique : fonctionne directement sur la forme d'onde, sans transcription requise.
- Préréglage
Bias: précision, équilibré ou rappel. - Entraîné sur l'anglais, se transfère à l'espagnol, au français, à l'allemand et au néerlandais sans réentraînement.
Plateformes et installation
// Swift Package Manager .package(url: "https://github.com/Desert-Ant-Labs/uhm-swift", from: "0.1.0")
import Uhm
let result = try await Uhm().analyze(audioURL: url)
for f in result.fillers { print(f.start, f.end, f.type ?? .other) }
Spécifications
- Résolution
- Une prédiction toutes les 20 ms
- Approche
- Acoustique, sans transcription
- Langues
- Anglais, se transfère vers ES, FR, DE, NL
- Confidentialité
- S'exécute sur l'appareil ; l'audio ne quitte jamais l'appareil
FAQ
Qu'est-ce que Uhm ?
Détection des mots de remplissage sur l'appareil qui repère « euh », « hum » et d'autres hésitations directement dans la forme d'onde, avec une prédiction toutes les 20 millisecondes.
Uhm fonctionne-t-il sur l'appareil ?
Oui. Uhm s'exécute entièrement sur l'appareil : l'inférence a lieu en local, sans appel serveur, de sorte que les données ne quittent jamais l'appareil.
Quelles plateformes Uhm prend-il en charge ?
Uhm est fourni sous forme de SDK natifs sur l'appareil pour Swift.
Combien coûte Uhm ?
Chaque modèle est gratuit jusqu'à 100k appareils actifs mensuels par SDK. Inférence illimitée par utilisateur. Contactez-nous pour des licences sur mesure.
Quelle est la précision ou la vitesse de Uhm ?
Analyse l'audio à 296x le temps réel, sur l'appareil, avec une prédiction toutes les 20 ms.