#

Points clés

• Nari Labs a ajouté des horodatages au niveau des mots à son endpoint Qwen3-ASR.

• Les clients peuvent demander cette fonctionnalité avec un paramètre `word_timestamps`.

• La transcription finale arrive d'abord, puis les données de timing suivent dans un événement séparé.

• Nari indique que ce changement est additif et ne supprime pas les champs existants.

• L'entreprise signale une latence plus faible pour la transcription finale dans sa propre comparaison.

Ce que Nari a annoncé

Nari Labs a publié une note d'ingénierie le 23 septembre 2026. La note annonce des horodatages au niveau des mots pour son endpoint de reconnaissance vocale Qwen3-ASR. La fonctionnalité s'adresse aux développeurs et s'applique à la couche API, et non à un nouveau modèle vocal de base.

L'entreprise indique qu'une session peut demander la fonctionnalité avec un paramètre `word_timestamps`. La transcription finale est fournie en premier. Les limites des mots suivent ensuite dans un événement séparé utilisant le même identifiant d'élément. Cela permet aux clients de relier les données de timing à l'énoncé correspondant.

Comment fonctionnent les données de timing

Chaque mot inclut une heure de début et une heure de fin. Nari mesure les deux en secondes à partir du début de l'énoncé. L'entreprise présente cela comme un changement additif. Elle précise que la version ne supprime ni ne modifie les champs de réponse existants.

L'article explique aussi la séparation interne entre reconnaissance et alignement. Le reconnaisseur produit la transcription. Un second modèle, Qwen3-ForcedAligner-0.6B, estime les limites des mots à partir du texte et de l'audio terminés. Autrement dit, la transcription et l'étape de timing sont deux tâches distinctes.

Conception d'exécution et latence

Nari indique que son runtime planifie la reconnaissance vocale et l'alignement comme des tâches indépendantes. Il regroupe également les travaux d'alignement compatibles par lots. L'entreprise affirme que cela évite que le chemin de la transcription finale soit retardé par l'aligner.

Dans la comparaison de Nari, la latence de la transcription finale était inférieure de 12 % à une base de référence en processus séparé pendant l'exécution de l'aligner. Il s'agit d'un résultat communiqué par le fournisseur. La source ne décrit pas un benchmark exécuté de manière indépendante. Elle ne publie pas non plus la configuration complète du test.

Ce que couvre la comparaison

La comparaison interne de Nari sur les interfaces de transcription en temps réel indique que plusieurs schémas publics concurrents n'exposent qu'un timing au niveau du segment ou ne documentent pas le timing par mot. L'entreprise dit avoir vérifié cette évaluation à partir de références API publiques et de types SDK officiels le 23 septembre.

La comparaison exclut les interfaces batch et les fonctionnalités non documentées. C'est important, car l'affirmation est étroite. Elle reflète la surface publique destinée aux développeurs que Nari a examinée, et non toutes les implémentations possibles.

Considérations opérationnelles

La source suggère quelques points pratiques pour les développeurs. D'abord, la transcription arrive avant l'événement de timing. Les clients doivent donc gérer deux messages liés. Ensuite, les données de timing utilisent le même identifiant d'élément, donc la logique applicative doit conserver ce lien.

Troisièmement, la fonctionnalité est additive. Les champs existants restent en place. Cela peut réduire le risque d'intégration pour les clients qui utilisent déjà l'endpoint. Toutefois, la source ne fournit pas de matrice de compatibilité complète, donc les équipes devraient tester leurs propres flux de travail.

Pertinence pour le Maroc

La source ne rapporte aucun fait spécifique au Maroc. Une leçon générale pour les lecteurs est que les changements d'API additifs peuvent être plus faciles à adopter lorsqu'ils préservent les champs existants et séparent le timing de la livraison de la transcription.

Conclusion

La mise à jour de Nari ajoute des horodatages au niveau des mots à Qwen3-ASR via une étape d'alignement séparée. La conception permet de maintenir la livraison de la transcription pendant que les données de timing arrivent ensuite. L'entreprise signale aussi une amélioration de latence dans sa propre comparaison, mais la source ne présente pas de benchmark indépendant.

Pour les développeurs, l'intérêt principal est un timing plus précis sans remplacer la structure de réponse existante. Pour les lecteurs qui évaluent la version, la principale limite est claire : la source reste centrée sur la fonctionnalité API et ne fait pas de revendications plus larges sur l'étendue du déploiement, la prise en charge des langues ou la disponibilité régionale.