Lire une réponse : ce que signifie chaque champ et jusqu'où lui faire confiance

Une vraie réponse, annotée

Voici une vraie réponse de POST /v1/voicelab/qa avec "round": true et "measureStatus": true. Le fichier est une voix synthétique que vous pouvez analyser vous-même : https://audiolab.tools/samples/voice/speech-male-plain.mp3.

{
  "durationSec": 32.193,
  "speechRatio": 0.644,
  "longSilences": 2,
  "averageSpeechRmsDb": -30.75,
  "noiseFloorDb": -76.33,
  "signalToNoiseDb": 45.58,
  "clipping": { "count": 0, "severity": "None" },
  "sceneBackground": "unsteady",
  "activeKind": "music",
  "roomEchoScore": 0.223,
  "sibilanceRisk": "Low",
  "measureStatus": {
    "legend": "https://audiolab.tools/docs/start/read-a-response#the-five-statuses",
    "measures": {
      "roomEchoScore": {
        "status": "withdrawn",
        "method": "dsp",
        "lens": "voice.roomEcho"
      },
      "signalToNoiseDb": {
        "status": "validated",
        "basis": "analytic",
        "method": "dsp",
        "lens": "voice.snr",
        "margin": {
          "plusMinus": 6,
          "unit": "dB",
          "note": "Holds for read speech with steady background noise at..."
        }
      },
      "speechRatio": {
        "status": "proxy",
        "method": "dsp",
        "lens": "voice.speechRatio"
      }
    }
  }
}

Une réponse abrégée : 11 de ses 50 champs, et 3 des entrées de measureStatus. La note de la marge est raccourcie ici et donnée en entier plus bas.

1. speechRatio 0.644 Proxy

   La part de l’enregistrement où la voix est assez forte pour compter comme de la parole. Il se lit environ 12 points trop bas sur de la parole propre : les débuts et les fins de mots faibles comptent comme de la pause.

2. longSilences 2 Proxy

   Les pauses de plus de 1,5 s entre deux passages de parole. Comparez les fournisseurs sur le même texte.

3. averageSpeechRmsDb -30.75 Validé

   Le volume de la voix pendant qu’elle parle, en dBFS.

4. noiseFloorDb -76.33 Validé

   Le niveau du dixième le plus calme de l’enregistrement : le fond.

5. signalToNoiseDb 45.58 Validé

   Il tient dans sa marge quand le vrai rapport est de 10 à 30 dB avec un bruit constant. Au-dessus d’environ 50 dB, il dit seulement que les pauses sont très calmes, souvent du silence numérique. Cet exemple est très au-dessus de la plage où la marge tient : lisez-le comme « très propre », pas comme un chiffre précis.

   Marge ±6 dB. Tient pour de la parole lue avec un bruit de fond constant à un vrai rapport de 10 à 30 dB (90 pour cent des cas). Sous 10 dB, il se lit trop haut, de 3 dB ou plus. Avec le détecteur K2, il tient dès 5 dB pour une place de ville et pour la circulation d’une rue, et regroupé sur cuisine, salon, couloir et cafétéria (90e percentile 4,4 dB à 5 dB) ; à 10 dB, la valeur regroupée sur ces quatre est 6,25 dB et un métro atteint 7,3 dB ; à 0 dB, il se lit encore environ 6 dB trop haut.

6. clipping { "count": 0, "severity": "None" } Validé

   Aucun échantillon n’a été aplati.

7. sceneBackground "unsteady" Proxy

   Un mot pour ce qui remplit les pauses. Testé uniquement sur des scènes synthétiques, pas sur des enregistrements réels. Sur cette voix synthétique propre, il dit « unsteady » : ne le lisez pas comme un fait sur la pièce.

8. activeKind "music" Proxy

   Une estimation du type de son. Il dit « music » pour cette voix : une raison de plus de traiter les estimations comme des estimations.

9. roomEchoScore 0.223 Retiré

   Ce n’est pas une mesure de réverbération : il a suivi des temps de réverbération mesurés avec un Spearman de 0,06. Il reste dans la réponse pour que rien ne casse. Au mieux, il dit combien d’énergie reste dans les pauses.

10. sibilanceRisk "Low" Proxy

    Low, Medium ou High. Seule la direction est testée : plus d’énergie autour de 7 kHz le fait monter.

Reproduisez-la :

curl -s https://audiolab.tools/v1/voicelab/qa \
  -H "Authorization: Bearer $AUDIOLAB_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url":"https://audiolab.tools/samples/voice/speech-male-plain.mp3","round":true,"measureStatus":true}'

Sans clé, vous obtenez un essai de 20 appels par mois, 3 par minute.

Les cinq statuts

Chaque mesure porte l’un de cinq mots. Ce sont les mêmes mots et les mêmes couleurs sur /lenses, dans le document OpenAPI, dans les labs et dans le measureStatus d’une réponse.

Ce que vous pouvez conclure

Vous voyez	Vous pouvez dire	Vous ne pouvez pas dire
Validé, avec une marge	Le chiffre, avec sa marge : « 22 dB, à 6 près »	Qu’un écart entre deux enregistrements plus petit que la marge est une vraie différence
Validé, sans marge	Le chiffre est juste pour ce qu’il mesure	Qu’il signifie plus que sa description : lisez « Ce que ce n’est pas » sur /lenses
Proxy	« Le fournisseur A laisse plus de pauses que le fournisseur B sur le même texte »	« A parle 64 % du temps », « la pièce est instable »
Retiré	Seulement ce que son entrée sur /lenses soutient encore	Ce que l’ancien nom promettait : roomEchoScore n’est pas une mesure de pièce

Une marge, c’est de combien le chiffre peut être faux. Elle vient de la norme contre laquelle la mesure a été testée ou de nos propres mesures sur de vrais enregistrements, et la réponse dit pour quelles conditions elle vaut.

D’où viennent les chiffres

L’API, les labs, les serveurs MCP et /lenses lisent tous la même liste de mesures, de sorte qu’un statut ne peut pas différer de l’un à l’autre. Quand une mesure est testée à nouveau et bouge, le changement figure dans le changelog et la réponse montre le nouveau statut à la demande suivante. Comment les changements sont annoncés : changements et dépréciation.