Transcription du mandarin : simplifié, traditionnel et tons

Fragment 1:

La transcription du mandarin en 2026 produit un texte propre et lisible lorsque vous définissez le bon code de langue et que vous comprenez ce que le moteur peut résoudre seul ou non. Les deux décisions qui comptent avant de commencer sont : quel jeu de caractères vous faut-il, et l'audio est-il réellement du mandarin plutôt que du cantonais.

Simplifié vs Traditionnel : il s'agit de votre public, pas de l'audio

La langue parlée sur votre enregistrement est la même, que le locuteur vienne de Shanghai, Taipei ou Singapour. La sortie écrite, elle, ne l'est pas. Le chinois simplifié (jiantizi) est la norme en Chine continentale et à Singapour. Le chinois traditionnel (fantizi) est la norme à Taïwan, Hong Kong, Macao et dans les publications de la diaspora.

Chaque grand moteur de reconnaissance vocale route l'audio en mandarin vers un jeu de caractères en fonction du code de langue que vous fournissez :

• zh ou zh-CN ou zh-Hans : sortie en simplifié
• zh-TW ou zh-Hant : sortie en traditionnel
• zh-HK : sur Deepgram Nova-3, ce code traite spécifiquement le cantonais en traditionnel

Définir explicitement le code de langue est essentiel. La détection automatique de la langue sur des clips de mandarin courts ou bruités présente un défaut connu : le suivi des problèmes de Deepgram documente des cas où le mandarin est identifié à tort comme de l'anglais sur Nova-2 et Nova-3. Passez toujours le code explicite.

Si votre flux de travail couvre les deux régions, la voie la plus sûre est de transcrire en simplifié puis de convertir en traditionnel avec un outil sensible au contexte comme OpenCC. Une simple table de correspondance de caractères ne fonctionne pas proprement, car de nombreux caractères simplifiés correspondent à plusieurs caractères traditionnels, et choisir le bon exige du contexte. Une correspondance un-à-plusieurs, comme 發/髮 (tous deux simplifiés en 发), nécessite de savoir si le mot signifie « envoyer » ou « cheveux ».

Pourquoi les tons n'apparaissent pas dans votre transcription

Le problème des quatre tons du mandarin (plus un ton neutre) est celui du moteur à résoudre, pas le vôtre à annoter. La transcription génère des caractères chinois écrits standard, sans diacritiques de tons. Ce que fait réellement le moteur, c'est utiliser l'information tonale de manière acoustique pour choisir le bon caractère parmi un ensemble d'homophones, puis afficher ce caractère silencieusement.

Les homophones constituent le principal risque de précision dans la transcription du mandarin. L'inventaire phonémique du mandarin est réduit par rapport au nombre de morphèmes qu'il encode, ce qui signifie que de nombreuses syllabes sonnent identiques : shì peut signifier juste (是), affaire (事), pièce (室), marché (市), pouvoir (势), et des dizaines d'autres. Le moteur doit résoudre cela à partir du contexte et de la modélisation du langage, pas uniquement de la phonétique.

Les termes spécifiques à un domaine accentuent ce problème. Un enregistrement médical utilisant 心 (cœur) plutôt que 新 (nouveau) dans des mots composés, ou un contexte juridique employant 法 (loi) plutôt que 发 (émettre), exige une connaissance du domaine qu'un modèle généraliste peut ne pas posséder. Fournir un glossaire des termes clés lorsque c'est possible réduit ces erreurs. Les noms chinois sont particulièrement vulnérables, car les prénoms puisent dans un petit ensemble de caractères avec de nombreuses options homophoniques et aucune convention rigide.

La sortie en pinyin avec marques tonales (nǐ hǎo plutôt que 你好) est un format secondaire utile uniquement dans les contextes d'apprentissage des langues. Les transcriptions standard pour tout autre usage utilisent les caractères.

Mandarin vs cantonais : deux problèmes de reconnaissance vocale distincts

Cette distinction a une importance pratique et est souvent mal comprise. Le cantonais (yue) est une langue séparée du mandarin pour la reconnaissance vocale, pas un accent régional.

Le cantonais a six tons contre quatre plus un neutre pour le mandarin, une phonologie différente, et un écart important entre la forme parlée familière et sa représentation écrite. Un locuteur de Hong Kong alterne entre le discours cantonais et des caractères chinois écrits qui peuvent refléter la structure grammaticale du mandarin. Cela rend la reconnaissance vocale du cantonais un problème plus difficile, même au niveau technique.

Un modèle entraîné sur le mandarin, confronté à un audio en cantonais, transcrira les mots mandarins les plus proches sur le plan phonétique, produisant un résultat qui semble pertinent mais qui est souvent faux au niveau du mot. La baisse de précision n'est pas une simple dégradation mineure.

Deepgram Nova-3 répertorie désormais zh-HK comme cantonais traditionnel, distinct des variantes mandarin simplifié et traditionnel. Cette séparation est la bonne décision architecturale. Pour les outils qui ne font pas cette distinction, vérifiez si le cantonais est explicitement listé comme langue prise en charge avant de transcrire du contenu de Hong Kong ou du Guangdong.

Pour les réunions mixtes mandarin-cantonais (fréquentes dans les environnements d'entreprise à Hong Kong), le flux de travail pratique consiste à transcrire avec le modèle mandarin et à prévoir une passe de relecture par un éditeur maîtrisant le cantonais sur les segments où il y a alternance de code.

Voir pourquoi l'IA peine avec les langues peu dotées en ressources pour les mécanismes de données d'entraînement derrière ces écarts de précision.

Mandarin taïwanais (Guoyu) vs mandarin continental (Putonghua)

Le Guoyu et le Putonghua partagent une norme écrite commune et une intercompréhension mutuelle, mais ils divergent sur des points qui affectent la reconnaissance vocale.

Les différences acoustiques : Le mandarin taïwanais n'a pas d'erhua (le suffixe 儿化 courant dans le parler de Pékin, par exemple nǎr plutôt que nǎlǐ pour « où »). Les locuteurs à Taïwan fusionnent aussi souvent les consonnes rétroflexes zh/ch/sh en z/c/s, donc « zhōngwén » sonne plus comme « zōngwén ». La gamme de hauteur tonale diffère également : les locuteurs taïwanais utilisent souvent une gamme plus étroite, et le ton montant peut ressembler acoustiquement au ton descendant-montant.

Les différences de vocabulaire : Une étude sur les 7 000 caractères les plus couramment utilisés a trouvé environ 18 % de divergence entre l'usage standard à Taïwan et sur le continent, qui tombe à 13 % pour les 3 500 caractères les plus fréquents. Cela inclut des termes taïwanais d'origine hokkien ou japonaise qu'un modèle entraîné sur le continent peut rendre comme des approximations phonétiques avec d'autres caractères.

Définir zh-TW oriente le moteur vers des attentes adaptées aux schémas de parole taïwanais et garantit une sortie en caractères traditionnels. Le code zh-TW ne concerne pas uniquement le jeu de caractères ; sur des modèles bien configurés, il ajuste aussi la pondération acoustique vers la phonologie du guoyu.

Alternance codique chinois-anglais en pratique

Le mandarin technique et commercial contient presque toujours de l'anglais. Une phrase comme « 我們需要review一下這個PR » (Nous devons revoir cette PR) ou « 這個KPI很重要 » (Ce KPI est important) est une forme parlée standard dans les entreprises technologiques chinoises.

Les modèles multilingues bien entraînés gèrent cela en conservant les mots anglais en écriture latine plutôt qu'en les phonétisant. La sortie que vous voulez est : review reste review, les acronymes comme KPI et OKR restent en latin, et les noms propres comme Apple et Google demeurent en anglais.

Le mode de défaillance se situe aux frontières de l'alternance codique, où le moteur peut perdre une syllabe ou mal interpréter un mot anglais court comme un morphème mandarin. L'alternance en milieu de clause (« 因為這個API... ») est plus difficile que l'insertion d'un mot entier. Si votre audio est dense en anglais en milieu de clause, testez sur un échantillon réel avant de vous engager dans un pipeline.

Voir comment corriger les problèmes d'alternance codique multilingue pour des étapes pratiques de remédiation.

La ponctuation pleine chasse n'est pas facultative

Une transcription mandarine correctement formatée utilise la ponctuation pleine chasse telle que normalisée dans la norme GB/T 15834-2011 :

• 。pour le point de fin de phrase (pas .)
• ，pour la virgule (pas ,)
• 、pour le séparateur d'énumération dans les listes
• ：pour les deux-points
• 「」ou 《》pour les contextes de citation

Si votre sortie de transcription renvoie du texte mandarin avec une ponctuation ASCII demi-chasse (., ,), la transcription est non standard. Pour une publication destinée aux publics de Chine continentale, de Taïwan, ou pour tout document en langue chinoise, cela doit être corrigé avant utilisation. Certains outils produisent une ponctuation pleine chasse correcte par défaut ; d'autres nécessitent un post-traitement.

Support moteur pour le mandarin en 2026

Deepgram Nova-3 est le changement marquant pour 2026 en mandarin. Nova-3 prend en charge le simplifié (zh, zh-CN, zh-Hans), le traditionnel (zh-TW, zh-Hant) et le cantonais (zh-HK) comme variantes explicites. Deepgram a rapporté une réduction relative de 65,21 % du WER sur la transcription par lots en mandarin simplifié par rapport à Nova-2, et de 44,87 % pour le traditionnel. Ce sont des améliorations relatives, pas des chiffres de précision absolus, mais l'amélioration directionnelle est substantielle. Pour en savoir plus sur ce moteur, voir Deepgram Nova-3 expliqué.

AssemblyAI Universal-2 prend en charge le chinois mandarin, ce qui le place dans la bande de précision « supérieure à 10 % et inférieure ou égale à 25 % de WER » selon leur documentation. Autrement dit, ça fonctionne, mais le mandarin n'est pas dans leur niveau de précision le plus élevé. La documentation de leur modèle Universal-3 Pro ne liste pas le mandarin dans les tableaux détaillés de support linguistique à la mi-2026, donc Universal-2 reste la voie confirmée pour le chinois sur AssemblyAI.

OpenAI Whisper Large-v3 gère le mandarin avec des performances raisonnables. Des variantes affinées spécifiques au chinois (comme Belle-whisper-large-v3-zh) montrent une amélioration relative de 24 à 65 % sur les benchmarks chinois de reconnaissance vocale par rapport au modèle de base, ce qui donne une idée du plafond du mandarin pour le modèle de base. Pour du contenu chinois technique ou spécifique à un domaine, une variante affinée vaut la peine d'être évaluée.

Le mandarin régional avec une phonologie non standard marquée (mandarin du Sichuan, accent shanghaïen, mandarin influencé par le hokkien) reste en dessous de la précision du putonghua standard pour tous les grands moteurs. La prédominance du mandarin formel de diffusion dans les données d'entraînement est une limite structurelle.

Une comparaison des performances des différents moteurs sur les langues à faibles ressources est disponible dans précision de transcription expliquée.

Comparer les outils pour la transcription en chinois

Le support du chinois chez Otter se limite au simplifié et est marqué bêta dans leur propre documentation, ce qui en fait un mauvais choix pour du contenu destiné à Taïwan ou des besoins en sortie traditionnelle. Notta prend en charge le simplifié et le traditionnel, avec une page dédiée à la transcription audio en chinois qui montre un vrai investissement sur le mandarin. La voie API de Deepgram offre le contrôle le plus précis sur les codes de langue et les variantes, au prix d'une intégration à faire soi-même.

Mon avis : pour des fichiers audio autonomes où vous voulez une sortie propre en simplifié ou en traditionnel sans dépendre d'un bot de réunion, ConvertAudioToText est la voie directe. Pour des pipelines API multilingues où vous construisez votre propre produit, Deepgram Nova-3 est celle par laquelle je commencerais en 2026, vu les améliorations documentées du WER sur le mandarin.

Diarisation des locuteurs pour le chinois

L'audio professionnel en chinois tend vers une prise de parole structurée dans les contextes formels. Les interviews à deux locuteurs avec des pauses nettes produisent une diarisation plus propre que les podcasts décontractés où les gens se coupent la parole.

Le défi de diarisation spécifique au mandarin, c'est que les normes conversationnelles chinoises incluent des backchannels affirmatifs (嗯, 对, 好) prononcés à voix basse pendant que le locuteur principal continue. Cela génère de faux changements de locuteur chez les diariseurs moins sophistiqués.

L'enregistrement par microphone, lorsqu'il est disponible, élimine la plupart de ces erreurs. Pour un audio de type podcast avec un seul micro, prévoyez une légère passe de relecture sur la diarisation dans les segments qui se chevauchent.

Voir la diarisation des locuteurs expliquée pour comprendre comment l'algorithme sous-jacent gère ces cas.

Conseils pour une meilleure transcription du mandarin

1. Définissez le code de langue exact : zh-CN pour le simplifié, zh-TW pour le traditionnel, zh-HK pour le cantonais. La détection par défaut n'est pas fiable sur les clips courts.
2. Fournissez un glossaire des noms propres (noms de personnes, marques, noms de produits internes) avant le traitement. Les prénoms chinois sont particulièrement sujets aux erreurs de sélection d'homophones.
3. Pour un contenu technique, incluez les termes du domaine. Un modèle qui ne connaît pas 机器学习 (apprentissage automatique) comme composé peut le découper incorrectement.
4. Enregistrez dans des conditions de faible bruit. Les distinctions tonales sont le principal signal de désambiguïsation et elles se compressent sous le bruit de fond.
5. Traitez l'audio en cantonais comme nécessitant un outil séparé ou un code de langue distinct, pas comme une variante du réglage mandarin.
6. Pour les résumés IA en chinois, vérifiez que l'outil génère bien le résumé en chinois plutôt que de résumer en anglais et de s'en contenter. La plupart des outils de réunion orientés vers l'Ouest ne proposent que des résumés en anglais.

FAQ

Dois-je utiliser la sortie en chinois simplifié ou traditionnel pour ma transcription ?

Adaptez-vous à votre public : simplifié (zh-CN) pour le contenu destiné à la Chine continentale et à Singapour, traditionnel (zh-TW) pour Taïwan, et zh-HK pour Hong Kong. Le même mandarin parlé produit une sortie en caractères différente selon le code de langue que vous passez au moteur. Si votre public traverse les régions, transcrivez en simplifié puis convertissez avec une bibliothèque sensible au contexte comme OpenCC, qui gère les nombreux caractères simplifiés correspondant à plusieurs caractères traditionnels.

Les tons apparaissent-ils dans les transcriptions en mandarin ?

Non. La transcription du mandarin standard produit des caractères chinois, pas du pinyin avec les tons. Le moteur utilise les distinctions tonales pour lever l'ambiguïté entre homophones et choisir le bon caractère, mais ces distinctions sont absorbées dans le processus de sélection des caractères et ne sont jamais affichées. Le résultat est un texte propre, sous la forme que vos lecteurs attendent, comme 你好 plutôt que nǐ hǎo.

Pourquoi la précision du cantonais chute-t-elle même quand je sélectionne le chinois ?

Le cantonais (yue) est une langue distincte du mandarin, pas un accent de celui-ci. Il compte six tons contre quatre plus le ton neutre pour le mandarin, une phonologie différente, et une forme écrite standardisée limitée. Les moteurs de reconnaissance vocale entraînés sur des données en mandarin performent mal sur l'audio cantonais. Deepgram Nova-3 propose zh-HK comme variante séparée, et c'est le bon code pour l'audio cantonais. Pour d'autres outils, vérifiez s'ils listent le cantonais comme option de langue distincte avant de transcrire du contenu cantonais de Hong Kong sous un réglage chinois général.

Comment l'alternance codique mandarin-anglais affecte-t-elle la transcription ?

Le mandarin des affaires et de la tech mélange fréquemment des termes anglais en pleine phrase. Les modèles multilingues bien entraînés gèrent cela en gardant les mots anglais en alphabet latin plutôt qu'en les phonétisant en caractères. Les acronymes comme KPI, OKR et API restent en alphabet latin. Les noms de produits comme Apple et Microsoft aussi. Le défi survient quand le locuteur change de langue en plein milieu d'une proposition plutôt qu'entre deux mots : certains moteurs perdent une syllabe à la frontière du changement. Tester sur un échantillon réel de votre audio avant de vous engager dans un pipeline vaut le coup.

Quels codes de langue dois-je utiliser pour la transcription du mandarin ?

Pour le mandarin simplifié, utilisez zh, zh-CN ou zh-Hans. Pour le traditionnel, utilisez zh-TW ou zh-Hant. Sur Deepgram Nova-3, zh-HK correspond au cantonais traditionnel. Sur AssemblyAI Universal-2, le mandarin est pris en charge. Définissez toujours la variante explicitement plutôt que de compter sur la détection automatique de la langue, car le mandarin peut être confondu avec d'autres langues sur des extraits courts ou bruités.

Le mandarin taïwanais (Guoyu) est-il traité différemment du putonghua continental ?

Ils sont suffisamment proches pour que la plupart des moteurs les gèrent sous un même modèle de mandarin, mais ils divergent sur des points mesurables. Le mandarin taïwanais n'utilise pas le suffixe erhua (儿化), courant dans la prononciation pékinoise, et les locuteurs fusionnent souvent les consonnes rétroflexes zh/ch/sh en z/c/s. Le vocabulaire diffère aussi : environ 13 à 18 % des caractères courants varient dans leur usage standard entre Taïwan et le continent. Régler sur zh-TW signale ces attentes au moteur et oriente aussi la sortie vers les caractères traditionnels, qui constituent le système d'écriture standard à Taïwan.

Sources

• Deepgram Nova-3 s'étend à l'Asie-Pacifique (Deepgram)
• Aperçu des modèles et langues Deepgram
• Langues prises en charge par AssemblyAI
• Langues prises en charge par Otter.ai (centre d'aide)
• Tarifs Otter.ai
• Tarifs Notta
• Notta : audio chinois en texte
• Mandarin taïwanais (Wikipédia)
• Ponctuation chinoise (Wikipédia)
• Journal des modifications Deepgram Nova-3 mandarin (31 mars 2026)