Transcrire l’audio en texte avec Whisper, en local

Whisper est un modèle de reconnaissance de la parole publié en open source par OpenAI. Entraîné sur des centaines de milliers d’heures d’audio multilingue, il comprend le français, les accents, le vocabulaire technique, et ajoute la ponctuation. Plusieurs logiciels l’utilisent : on choisira ici Buzz, une application graphique gratuite, et faster-whisper, une version optimisée pour la ligne de commande et l’automatisation.

Pour automatiser : faster-whisper en Python

Idéal pour traiter un dossier entier d’enregistrements ou intégrer la transcription à vos outils. Avec Python 3.10 ou plus récent :

python -m venv whisper-env
# Windows : whisper-env\Scripts\activate   ·   Linux : source whisper-env/bin/activate
pip install faster-whisper

Créez un fichier transcrire.py :

from faster_whisper import WhisperModel

model = WhisperModel("large-v3-turbo", device="cuda", compute_type="float16")
segments, info = model.transcribe("reunion.mp3", language="fr", vad_filter=True)

with open("reunion.txt", "w", encoding="utf-8") as f:
    for s in segments:
        f.write(f"[{s.start:7.1f}s] {s.text.strip()}\n")
print("Transcription terminée")

python transcrire.py

L’option vad_filter=True ignore les silences, ce qui évite la plupart des phrases inventées. Sans carte NVIDIA, remplacez par device="cpu", compute_type="int8". Si une erreur mentionne cuBLAS ou cuDNN, installez les bibliothèques CUDA indiquées dans la documentation de faster-whisper.

• Résumer automatiquement : collez la transcription dans Open WebUI ou LM Studio avec un modèle comme Mistral Small ou Qwen3 : « Rédige un compte rendu structuré avec décisions et actions ». Pensez à augmenter le contexte pour les longues réunions.
• Qui parle ? La « diarisation » (séparer les intervenants) s’ajoute avec des outils comme WhisperX ou pyannote, plus techniques à installer.
• Dictée vocale : Open WebUI intègre la dictée par micro via Whisper pour discuter avec votre IA à la voix.
• Qualité audio : un micro proche de la personne qui parle améliore plus la précision que n’importe quel réglage.