Ce qu’il vous faut
Windows 10 ou 11
x64 (Intel, AMD) ou ARM64 (Snapdragon). Scrieb prend en charge les deux nativement ; les outils gratuits ci-dessous et la voie Python sont x64 uniquement.
Mémoire vive
8 Go minimum. 16 Go sont confortables pour le grand modèle.
GPU, facultatif mais décisif
NVIDIA RTX série 20 ou plus récente : une heure d’audio en 4 à 12 minutes. Processeur seul : environ une heure par heure.
Disque
1 à 3 Go par modèle, téléchargé une fois. Les fichiers audio et les transcriptions restent là où vous les rangez.
Les cinq options, de la plus simple à la plus technique
| Installation | Locuteurs | GPU | Prix | |
|---|---|---|---|---|
| 1. Scrieb (application) | Installateur | ✓ | NVIDIA, AMD, Intel | Abonnement, essai gratuit |
| 2. Buzz (application) | Installateur | ✗ | NVIDIA | Gratuit |
| 3. WhisperDesktop (interface) | Décompresser + fichier modèle | ✗ | Toutes (DirectCompute) | Gratuit |
| 4. whisper.cpp (binaires) | Décompresser + terminal | ✗ | NVIDIA, optimisé CPU | Gratuit |
| 5. CLI officielle (Python) | Python + pip + ffmpeg | ✗ (WhisperX l’ajoute) | NVIDIA via CUDA | Gratuit |
1. Scrieb : Whisper sans configuration, avec les locuteurs
Scrieb est une application de bureau pour Windows et Mac qui intègre Whisper, un modèle local d’identification des locuteurs et un petit modèle local pour les résumés. Installez, glissez un fichier audio ou vidéo, obtenez une transcription sous forme de dialogue, exportez en DOCX, PDF ou TXT. Internet n’est nécessaire qu’une fois pour télécharger les modèles, ensuite tout fonctionne hors ligne. Voici à quoi cela ressemble :
C’est l’option payante de cette page. Si vous transcrivez seulement des enregistrements à une voix et qu’un terminal ne vous fait pas peur, les options gratuites ci-dessous suffisent. Si vous transcrivez des interviews, des réunions ou des appels et voulez savoir qui a dit quoi sans toucher à Python, c’est celle-ci. Essayer gratuitement.
2. Buzz : application gratuite, sans locuteurs
Application de bureau open source pour Windows, Mac et Linux. Téléchargez l’installateur depuis les publications GitHub du projet, ouvrez-le, glissez un fichier, choisissez la taille du modèle, récupérez le texte. Utilise les GPU NVIDIA. L’export est simple et les locuteurs ne sont pas distingués : pour des dictées, des cours et des mémos, c’est suffisant.
3. WhisperDesktop : interface gratuite pour tous les GPU
Une interface Windows autour de whisper.cpp, intéressante parce qu’elle utilise DirectCompute : les GPU AMD et Intel accélèrent aussi, pas seulement NVIDIA. Téléchargez le zip depuis les publications GitHub (Const-me/Whisper), récupérez un fichier modèle ggml et sélectionnez-le dans l’application. Les mises à jour sont rares et les locuteurs ne sont pas identifiés, mais sur un PC sans carte NVIDIA c’est l’option gratuite la plus rapide.
4. whisper.cpp : binaires prêts à l’emploi, efficace sur CPU
Le portage C++ de Whisper, avec des binaires Windows sur la page des publications GitHub. Décompressez, téléchargez un modèle, lancez-le dans le terminal. Il attend du WAV mono à 16 kHz, donc convertissez d’abord :
ffmpeg -i interview.mp3 -ar 16000 -ac 1 interview.wav whisper-cli.exe -m ggml-medium.bin -f interview.wav -l fr -otxt
La version CUDA de la page des publications utilise les GPU NVIDIA ; la version standard est optimisée pour les processeurs et reste le meilleur choix pour les portables anciens.
5. La ligne de commande officielle, étape par étape
L’implémentation de référence d’OpenAI. Comptez une quinzaine de minutes la première fois.
- Installez Python 3.10 ou 3.11 depuis python.org. Dans l’installateur, cochez « Add Python to PATH ».
- Installez ffmpeg, que Whisper utilise pour lire l’audio. Dans le terminal :
winget install Gyan.FFmpeg
Fermez puis rouvrez ensuite le terminal pour que le PATH soit mis à jour. - Installez Whisper :
pip install -U openai-whisper
- Avec un GPU NVIDIA : installez la version CUDA de PyTorch. Par défaut, pip installe la version CPU, première cause de lenteur. Prenez la commande générée par l’outil de sélection sur pytorch.org pour votre version de CUDA ; elle ressemble à ceci :
pip install torch --index-url https://download.pytorch.org/whl/cu121
Puis vérifiez :python -c "import torch; print(torch.cuda.is_available())"doit afficher True. - Lancez :
whisper interview.mp3 --model medium --language fr --output_format txt
Le premier lancement télécharge le modèle : 1,5 Go pour medium, 3 Go pour large. Le résultat est enregistré à côté du fichier d’entrée en .txt, ou en .srt et .vtt avec d’autres formats de sortie. - Besoin des locuteurs ? Installez plutôt WhisperX (
pip install whisperx) ; il ajoute la diarisation, mais demande un jeton Hugging Face pour le modèle de locuteurs et la même configuration CUDA.
Pour le même usage en plus rapide, il existe faster-whisper : moins de mémoire, et le grand modèle tourne aussi sur des GPU plus modestes.
Les erreurs que tout le monde rencontre
« ffmpeg not found » / FileNotFoundError
ffmpeg n’est pas dans le PATH. Installez-le avec winget puis ouvrez une nouvelle fenêtre de terminal ; l’ancienne garde l’ancien PATH.
Ça marche, mais très lentement
torch.cuda.is_available() renvoie False : la version CPU de PyTorch est installée. Désinstallez torch et installez la version CUDA depuis pytorch.org.
« FP16 is not supported on CPU; using FP32 instead »
Sans gravité. Cela signifie seulement qu’aucun GPU n’a été trouvé. Ajoutez --fp16 False ou corrigez la configuration GPU.
Le premier lancement reste bloqué plusieurs minutes
Le modèle est téléchargé dans %USERPROFILE%\.cache\whisper. Patientez, ou téléchargez-le à l’avance sur une connexion rapide.
Des phrases inventées sur du silence ou de la musique
Whisper hallucine sur ce qui n’est pas de la parole. Coupez les silences avant, ou utilisez une application avec détection d’activité vocale devant le modèle.
Mémoire saturée avec large
Prenez medium, ou large-v3-turbo, ou faster-whisper en int8. Le grand modèle demande environ 10 Go de VRAM dans la version officielle.
Quel modèle sur quel matériel
| Modèle | Précision | Processeur seul | GPU NVIDIA |
|---|---|---|---|
| tiny / base | Faible | Rapide, brouillons uniquement | Instantané |
| small | Bonne (anglais) | Utilisable, ~2× temps réel | Très rapide |
| medium | Très bonne | Environ temps réel ; le choix CPU pour le français | Rapide |
| large-v3 | La meilleure | Trop lent au quotidien | Le choix par défaut avec GPU |
| large-v3-turbo | Proche de large-v3 | Lent | L’option précise la plus rapide |
Dans Scrieb, ce choix est un simple réglage : Whisper Small, Medium ou Large v3 Turbo, et chaque enregistrement peut être retranscrit avec un modèle plus grand en gardant la transcription précédente.
Tarifs
Whisper avec identification des locuteurs et sans configuration. Une licence pour Windows et Mac, sans limite de minutes. Essai gratuit.
Mensuel
- Transcriptions illimitées
- Résumés intelligents
- Support prioritaire
6 mois
- Transcriptions illimitées
- Résumés intelligents
- Support prioritaire
Annuel
- Transcriptions illimitées
- Résumés intelligents
- Support prioritaire
Questions fréquentes
- Whisper fonctionne-t-il sous Windows ?
- Oui. Whisper d’OpenAI tourne sous Windows 10 et 11 via Python, via les binaires de whisper.cpp ou dans des applications de bureau qui l’intègrent. Tout ce qui est présenté ici fonctionne en local : l’audio ne quitte pas le PC.
- Faut-il une carte graphique ?
- Non, mais elle change tout. Sur processeur seul, le modèle « medium » tourne à peu près en temps réel : une heure d’audio prend environ une heure. Avec une NVIDIA RTX série 20 ou plus récente, c’est 5 à 15 fois plus rapide. Les GPU AMD et Intel fonctionnent avec whisper.cpp et certaines applications ; la version Python officielle n’accélère qu’avec NVIDIA.
- Existe-t-il une interface graphique pour Whisper sous Windows ?
- Plusieurs. Scrieb est une application complète avec identification des locuteurs et export DOCX ; Buzz est une application open source gratuite ; WhisperDesktop est une interface gratuite autour de whisper.cpp qui exploite aussi les GPU AMD et Intel. Aucune des interfaces gratuites n’identifie les locuteurs.
- Whisper est-il gratuit ?
- Le modèle est open source et gratuit. Le faire tourner ne coûte que le matériel. Les applications payantes comme Scrieb facturent l’interface, l’identification des locuteurs, les résumés et le support, pas Whisper lui-même.
- Quel modèle Whisper pour le français ?
- « medium » au minimum ; « large-v3 » pour le vocabulaire technique, les accents marqués ou un enregistrement de mauvaise qualité. Les petits modèles sont nettement moins bons en français qu’en anglais. Avec un GPU, « large-v3-turbo » est le meilleur compromis entre vitesse et précision.
- Whisper identifie-t-il les locuteurs ?
- Pas seul. Whisper produit uniquement du texte. L’attribution des locuteurs demande un second modèle. Sous Windows, Scrieb fait cette étape en local ; WhisperX le fait en ligne de commande ; Buzz, WhisperDesktop et la CLI officielle non.
- Pourquoi Whisper est-il si lent sur mon PC ?
- Presque toujours pour l’une de trois raisons : il tourne sur le processeur parce que la version CPU de PyTorch est installée ; le modèle est trop gros pour la machine ; ou un long fichier est traité avec un gros modèle et peu de RAM. Vérifiez d’abord torch.cuda.is_available().