OpenAI Realtime API
Vue d'ensemble
Lors de la configuration d'agents vocaux avec l'OpenAI Realtime API, vous pouvez avoir besoin que l'agent prononce un nom de marque, un acronyme ou un nom de produit d'une manière spécifique — par exemple, en prononçant « KVX » comme « kivex » plutôt qu'en épelant les lettres. Cet article présente les techniques de prompt disponibles pour y parvenir et vous explique comment obtenir les meilleurs résultats.
Comprendre le défi
Le modèle Realtime d'OpenAI génère la parole directement à partir du prompt et de la conversation. Lorsqu'il rencontre une chaîne de lettres inconnue comme « KVX » ou « NTR », il a tendance à les épeler par défaut (« kay-vee-ex », « en-tee-arr »), faute d'association préalable entre cette chaîne et un mot prononcé.
C'est différent pour les acronymes bien connus : le modèle sait déjà que « SQL » se prononce couramment « sequel », si bien qu'une simple instruction dans le prompt suffit. Mais pour les noms de marque propriétaires et les termes inédits que le modèle n'a jamais rencontrés en tant que mots, le contrôle de la prononciation par le prompt est moins fiable et peut nécessiter des essais.
Approche 1 : section des prononciations de référence
OpenAI recommande d'ajouter à votre prompt système une section dédiée aux prononciations de référence. Gardez des entrées courtes et directes :
# Prononciations de référence
- Prononcer "KVX" comme "kivex"
- Prononcer "Solaire" comme "sol-AIR"
Conseils :
- Utilisez des entrées d'une seule ligne, plutôt que des paragraphes explicatifs
- Placez cette section en haut de votre prompt, juste après Rôle et objectif
- Utilisez une rime familière ou un guide phonétique simple (par exemple, « rime avec fizz ») plutôt qu'une notation complexe
- Gardez la liste courte : n'incluez que les termes que le modèle prononce réellement mal
Fiabilité : bonne pour les termes déjà familiers au modèle, moins fiable pour les noms de marque totalement inédits.
Approche 2 : renforcer la prononciation à plusieurs endroits du prompt
Si une seule entrée dans la section des prononciations de référence ne suffit pas, essayez de répéter l'instruction à plusieurs endroits naturels du prompt. Rencontrer la bonne prononciation à plusieurs reprises augmente les chances que le modèle s'y conforme.
Exemple :
# Rôle et objectif
Vous êtes concierge pour KVX Solutions. Rappelez-vous : "KVX" est toujours
prononcé comme "kivex" — deux syllabes, un mot.
# Prononciations de référence
- Prononcer "KVX" comme "kivex" (deux syllabes, rimes avec "give-ex")
Flux de conversation
Ouverture
- Saluez le client. Dites « kivex Solutions » — ne précisez pas les lettres.
# Garde-fous
- Lorsque vous parlez à voix haute, dites toujours "kivex" - jamais K-V-X.
Conseils :
- Variez légèrement la formulation à chaque emplacement afin que le modèle ne s'appuie pas sur un texte identique répété
- Gardez chaque instance brève — un bref rappel, pas une explication complète
- Bons endroits pour renforcer l'instruction : rôle et objectif, prononciations de référence, déroulement de la conversation (en particulier l'ouverture) et garde-fous
Fiabilité : meilleure qu'une instruction unique, mais reste incohérente pour les nouveaux noms de marque.
Approche 3 : orthographe phonétique dans le prompt
Si le modèle continue d'épeler les lettres malgré des instructions répétées, vous pouvez essayer d'écrire le nom de marque phonétiquement tout au long du prompt — par exemple, écrire « Kivex » partout au lieu de « KVX ».
Le modèle lira alors « Kivex » comme un mot et le prononcera correctement. En contrepartie, il écrira également « Kivex » dans les messages de chat, au lieu de l'orthographe officielle de la marque « KVX ».
Le fait que ce compromis soit acceptable ou non dépend de votre cas d'usage. Si l'expérience vocale est prioritaire et le texte de chat secondaire, cette approche peut convenir. Si l'orthographe écrite est tout aussi importante, elle montre en revanche ses limites.
Fiabilité : élevée pour la prononciation, mais l'orthographe de la marque ne sera pas correcte dans le texte affiché.
Résumé des meilleures pratiques
- Commencez par une section claire de prononciations de référence, avec des entrées simples d'une seule ligne
- Si cela ne suffit pas, renforcez la prononciation à 3 ou 4 autres endroits naturels du prompt
- Si le modèle continue d'épeler les lettres, envisagez d'utiliser l'orthographe phonétique tout au long du prompt (en acceptant le compromis sur le texte affiché)
- Évitez de citer de mauvaises prononciations comme exemples à ne pas suivre — cela peut orienter le modèle vers les erreurs mêmes que vous cherchez à éviter
- Testez après chaque modification : de petits ajustements du prompt peuvent avoir un impact important sur le comportement du modèle Realtime
Le contrôle de la prononciation des nouveaux noms de marque reste un point sur lequel l'API Realtime d'OpenAI présente certaines limites. Si vous rencontrez des difficultés persistantes après avoir testé ces approches, contactez notre équipe : nous pourrons travailler ensemble à trouver une solution adaptée à votre cas.