Say the comma.
Get the comma.Dites la virgule.
Obtenez la virgule.

The same word,
two meanings.Le même mot,
deux sens.

A fixed list of rules can’t tell these apart without breaking something else. A model that reads the whole sentence can.Une liste de règles fixes ne sait pas les distinguer sans casser autre chose. Un modèle qui lit toute la phrase, si.

Watch SPOT
read a sentence.Regardez SPOT
lire une phrase.

One step among five.Une étape sur cinq.

The model decides. The script writes. That split keeps the model from ever inventing a character.Le modèle décide. Le script écrit. Cette séparation empêche le modèle d’inventer un caractère.

A small transformer
that labels words.Un petit transformer
qui étiquette les mots.

SPOT is built like the models behind modern chatbots, but far smaller and given a much narrower job: it reads a sentence and gives every word a label. It does not write anything.SPOT est construit comme les modèles des assistants modernes, mais bien plus petit et avec un travail bien plus étroit : il lit une phrase et donne une étiquette à chaque mot. Il n’écrit rien.

18 commands,
in French and English.18 commandes,
en français et en anglais.

SPOT is in beta. For now it understands French and English only; other languages come later. Dictation itself still works in more than 25 languages, only the voice commands are limited to these two.SPOT est en bêta. Pour l’instant il comprend seulement le français et l’anglais ; d’autres langues viendront plus tard. La dictée elle-même marche toujours dans plus de 25 langues, seules les commandes vocales sont limitées à ces deux-là.

Quotes and parentheses count as two commands each, so 16 rows show all 18. You can turn voice commands off in Settings.Les guillemets et les parenthèses comptent chacun pour deux commandes : 16 lignes montrent donc les 18. Vous pouvez désactiver les commandes vocales dans les Réglages.

Trained from scratch,
on dictation that never existed.Entraîné de zéro,
sur des dictées qui n’existaient pas.

No public data set has people saying “comma” and “new line”, so the examples were made. Written sentences were turned into what a dictation would say, with the commands spoken aloud and the labels known in advance.Aucun jeu de données public ne contient des gens qui disent « virgule » et « à la ligne » : les exemples ont donc été fabriqués. Des phrases écrites ont été transformées en ce qu’une dictée dirait, avec les commandes prononcées et les étiquettes connues d’avance.

Measured on sentences
it had never seen.Mesuré sur des phrases
qu’il n’avait jamais vues.

A locked test set of about 900 sentences: in each language, 300 with commands, 100 ordinary ones and 50 traps. They were written apart from the training and never used to fix SPOT, and they were spoken by Windows voices SPOT never heard, then transcribed by each Hear model. Each bar counts, among the 300 sentences with commands in that language, how many end up with exactly the right symbols (words are not judged, only the symbols). Grey: without SPOT. Blue: with SPOT.Un jeu de test verrouillé d’environ 900 phrases : dans chaque langue, 300 avec commandes, 100 ordinaires et 50 pièges. Elles ont été écrites à part de l’entraînement et jamais utilisées pour corriger SPOT, puis dites par des voix Windows que SPOT n’a jamais entendues et transcrites par chaque modèle de Hear. Chaque barre compte, parmi les 300 phrases avec commandes de la langue, combien finissent avec exactement les bons symboles (les mots ne sont pas jugés, seulement les symboles). Gris : sans SPOT. Bleu : avec SPOT.

Clean synthetic voice, about ±5 points of margin. With a degraded voice (faster, noisy, phone-like), the scores drop by up to 20 sentences.Voix de synthèse propre, avec environ ±5 points de marge. Avec une voix abîmée (plus rapide, bruitée, façon téléphone), les scores baissent d’au plus 20 phrases.