Faut-il simplement utiliser whisper.cpp vous-même ?

La plupart des pages comparatives sur Internet existent pour expliquer pourquoi l'alternative est moins bonne. Celle-ci ne le peut pas, car l'alternative est précisément ce sur quoi notre app est construite.

whisper.cpp est l'implémentation en C/C++ du Whisper d'OpenAI, écrite par Georgi Gerganov. Elle est sous licence MIT, gratuite, activement développée, et très bonne. Offline Transcription s'en sert comme moteur. Quand elle a intégré la détection d'activité vocale, notre app en a bénéficié aussi, puisque c'est le même code.

La question honnête n'est donc pas « lequel est le meilleur ». C'est « voulez-vous faire l'assemblage vous-même ».

Lancez-le vous-même si… #

Vous êtes à l'aise dans un terminal. Tout tient en ./build/bin/whisper-cli -m model.bin -f audio.wav. Si cette phrase ne vous paraît pas extraordinaire, vous êtes à dix minutes d'une transcription et vous ne devriez payer personne pour cela.

Vous voulez l'automatiser par script. Dossiers surveillés, tâches cron, transcriptions envoyées vers d'autres outils, transcription sur un serveur — c'est là qu'une CLI n'est pas seulement moins chère mais réellement meilleure. Aucune interface graphique ne rivalise avec une boucle shell pour l'automatisation.

Vous voulez tous les réglages. Taille de faisceau, repli de température, prompts personnalisés, modèles alternatifs, quantifications entièrement différentes. Nous exposons les réglages dont la plupart des gens ont besoin selon nous ; whisper.cpp les expose tous.

Votre budget est nul. C'est tout à fait légitime. C'est un logiciel libre et il fonctionne.

Utilisez l'app si… #

Vous ne voulez rien compiler. Obtenir le chemin rapide sur Apple Silicon implique de compiler avec les bonnes options et de convertir l'encodeur en Core ML avec des outils Python. C'est documenté et ce n'est pas difficile, mais cela prend tout de même un après-midi la première fois, et c'est à refaire à chaque mise à jour. Nous le faisons une fois et livrons le résultat.

Vous la voulez sur votre téléphone. Le dépôt contient un projet iOS d'exemple, mais le compiler, le signer et l'installer sur votre propre appareil est un vrai travail Xcode, qui expire avec votre profil de provisionnement à moins d'avoir un compte développeur. Une app universelle sur l'App Store, c'est tout autre chose.

Le travail est dans la relecture, pas dans la transcription. C'est le cœur honnête du sujet. Sortir du texte d'un audio, c'est une commande. Retrouver le passage dont vous avez besoin, vérifier un nom à l'écoute, le corriger et exporter des sous-titres, c'est là que le temps passe vraiment — et une CLI vous donne un fichier texte en vous souhaitant bonne chance. Un navigateur de segments où vous cliquez sur une ligne pour entendre cette ligne, c'est quelque chose qu'un terminal ne sait pas faire.

D'autres personnes doivent s'en servir. Des collègues, une équipe de recherche, un monteur. « Installez les outils en ligne de commande de Xcode et lancez make » n'est pas une méthode de travail que vous pouvez confier à quelqu'un d'autre.

Ce que vous payez vraiment #

Pas le modèle — il est gratuit et public. Pas le moteur — il est sous licence MIT et public.

Vous payez l'emballage : un encodeur Core ML compilé et livré, un modèle quantifié embarqué à une taille qui tient sur un téléphone, une file d'attente, un choix de langue par fichier, un navigateur de segments avec lecture audio, sept formats d'export, et une gestion des longs fichiers qui garde la mémoire stable pour qu'un enregistrement de deux heures ne fasse pas tuer votre processus sur un iPhone.

C'est une vraie quantité de travail, et il est aussi parfaitement raisonnable de décider que vous préférez le faire vous-même gratuitement.

Un mot sur l'open source #

Puisque notre app en dépend : si whisper.cpp vous est utile, que ce soit à travers notre app ou directement, cela vaut la peine de mettre une étoile au dépôt et de lire les issues. Si la transcription locale est devenue bonne sur du matériel grand public ces deux dernières années, c'est en grande partie grâce à ce projet et à la bibliothèque ggml sur laquelle il repose.

Nous le suivons de près — notre article sur le fonctionnement de la transcription en local est essentiellement une description de ce que fait whisper.cpp, puisque c'est ce qui tourne.