WhisPaste est un outil open source de reconnaissance vocale hors ligne pour Windows, macOS et Linux, gratuit sur GitHub. En mode local, il exécute les modèles Whisper entièrement sur votre propre machine : votre audio reste sur votre ordinateur, et aucune connexion Internet ni aucun compte n'est nécessaire.
Choisir un mode : local par défaut, cloud à la demande
WhisPaste passe par défaut en mode local. Le modèle tourne sur votre processeur ou votre GPU, l'audio reste sur la machine, et la transcription arrive au curseur sans aller-retour réseau. Si vous avez besoin d'une vitesse maximale pour un long enregistrement, vous pouvez basculer un seul réglage vers un fournisseur cloud, mais c'est un réglage explicite que vous choisissez, et non un repli caché.
Ce que le mode hors ligne peut et ne peut pas faire
WhisPaste propose deux moteurs hors ligne. Whisper hors ligne couvre 99 langues et la parole naturelle, avec pauses et reprises. Le second moteur, Parakeet, échange cette couverture linguistique contre la vitesse (environ 25 langues ; sur processeur, plusieurs fois plus rapide que le modèle Whisper compact selon notre benchmark, et plus rapide encore avec l'accélération GPU). Aucun des deux ne sait faire : séparer les locuteurs, ou utiliser des modèles qui dépassent votre mémoire disponible. À titre indicatif, le modèle compact nécessite environ 900 Mo de mémoire graphique, Balanced environ 1,5 Go et Best Quality environ 2,6 Go (nos estimations).
Profil RAM et processeur
Le minimum est de 8 Go de RAM et un processeur 64 bits sous Windows 10, macOS 12 Monterey (Apple Silicon) ou Linux, suffisant pour le modèle compact sur processeur. Avec 16 Go de RAM et un GPU de 2 à 4 Go de VRAM, le modèle balanced est un choix confortable pour la saisie vocale au quotidien. Apple Silicon partage la mémoire entre processeur et GPU, donc le sélecteur considère que 2 Go de mémoire unifiée suffisent pour Balanced.
- Quelle taille de modèle choisir pour la reconnaissance vocale hors ligne ?
- Commencez par le modèle compact : il gère la parole courante sur une machine de 8 Go sans GPU. Avec 16 Go de RAM et un GPU dédié, le modèle balanced est en général le meilleur choix pour les accents et le vocabulaire technique, et le GPU le garde rapide. WhisPaste propose exactement trois tailles ; Best Quality n'en vaut la peine que si vous disposez d'environ 3,6 Go de mémoire graphique ou plus et traitez de longs enregistrements. L'assistant de configuration suggère une taille selon votre matériel.
- Le mode hors ligne fonctionne-t-il vraiment sans aucune connexion Internet ?
- Oui. Après le téléchargement unique du modèle, WhisPaste exécute whisper.cpp entièrement sur votre machine. Le mode avion, un poste de travail isolé du réseau ou un partage de connexion instable n'y changent rien. Les statistiques d'utilisation, les rapports de plantage et la vérification des mises à jour sont activés par défaut et nécessitent le réseau, mais la transcription n'attend jamais après eux, et vous pouvez désactiver ces trois éléments.
- Quelle est la précision de la reconnaissance vocale hors ligne par rapport aux API cloud ?
- Pour la saisie vocale courante, les modèles hors ligne sont une excellente base. Les domaines spécialisés (accents marqués, environnements très bruyants, vocabulaire technique rare) bénéficient parfois d'un grand modèle cloud. WhisPaste vous permet de changer de fournisseur dans les réglages : vous pouvez garder le hors ligne par défaut et ne recourir au cloud que lorsqu'un enregistrement en a vraiment besoin.