Premiers pas avec Whisper en local
Cette page peut contenir des liens partenaires Amazon : si vous achetez après un clic, le site peut percevoir une commission sans surcoût pour vous. Nos conseils restent indépendants. En savoir plus.
Whisper est un modèle de reconnaissance vocale (speech-to-text, conversion parole → texte) publié en open source : il transforme un fichier audio en texte, sans envoyer votre voix à un cloud si vous l’exécutez sur votre PC. Ce n’est pas un LLM (large language model, modèle de langage pour le chat) comme Ollama : vous n’« discutez » pas avec Whisper, vous obtenez une transcription.
Suite logique après première IA locale en 15 minutes : une fois le chat texte validé, vous ajoutez la voix. Ce tutoriel couvre le premier fichier transcrit ; pour medium, dossiers entiers et ffmpeg avancé, enchaînez avec Whisper transcription FR hors ligne dès que test_fr.wav affiche du texte lisible en français.
Pour qui ?
| Profil | Parcours conseillé | Prérequis |
|---|---|---|
| Débutant sans Python, Windows ou Linux | 3A whisper.cpp | Aucun ; téléchargement binaire + modèle |
À l’aise avec pip et un venv |
3B faster-whisper | Python 3.10+, ffmpeg |
| Préfère une interface graphique | 3C LM Studio | LM Studio déjà installé ou prêt à l’installer |
Notes vocales, réunions familiales ou chaîne n8n + LLM local : le parcours 3A ou 3B reste le plus simple à automatiser.
Durée (1re fois, hors téléchargement du modèle) — 3A ~25 min · 3B ~40 min (Python + venv + ffmpeg) · 3C ~30 min si LM Studio est déjà en place.
Choisissez votre parcours — 3A (whisper.cpp) si vous refusez Python et voulez une commande unique · 3B (faster-whisper) si vous acceptez Python 3.10+ · 3C (LM Studio) pour glisser-déposer un fichier (confort UI, pas le plus léger pour un batch n8n — préférez 3A ou 3B en production).
Choisir son parcours (sans Python ou avec Python)
| Parcours | Durée (1re fois) | Vous si… | Première commande |
|---|---|---|---|
| whisper.cpp (recommandé sans Python) | ~25 min | Vous voulez un exécutable et une ligne de commande | Télécharger la release + ggml-small.bin |
| faster-whisper | ~40 min | Vous acceptez Python 3.10+ et pip |
pip install faster-whisper dans un venv |
| LM Studio (interface) | ~30 min | Vous préférez glisser-déposer un fichier audio | Installer LM Studio → onglet chat / import audio |
Ce dont vous avez besoin (CPU / RAM)
| Ressource | Indication |
|---|---|
| CPU | Quasi tout PC récent ; pas de GPU obligatoire |
| RAM | 8 Go minimum ; 16 Go confortable pour medium |
| Disque | ~150 Mo (small) à ~1,5 Go (medium) selon outil — voir SSD modèles |
| Logiciel | ffmpeg pour convertir MP3/M4A si l’outil le demande |
Pas de tableau GGUF (format quantifié des LLM) ni de VRAM ici : voir VRAM et quel modèle seulement si vous ajoutez ensuite un LLM sur le même serveur.
Workflow maison (texte → résumé)
- Déposez vos enregistrements dans un dossier
vocaux_a_transcrire/. - Lancez Whisper (modèle small, langue fr).
- Récupérez le transcript (fichier
.txtou sortie terminal). - Optionnel : envoyez le texte à Ollama pour résumer — choisir premier modèle.
- Optionnel : n8n surveille le dossier et enchaîne transcription + résumé.
Étapes numérotées
1. Préparer un fichier audio test
Si vous ne suivez que le parcours 3B (faster-whisper) : installez Python et le venv ci-dessous, puis revenez enchaîner avec l’étape 2. Pour 3A (whisper.cpp) ou 3C (LM Studio) : passez directement à l’étape 2 — inutile d’installer Python ici.
Enregistrez 30 à 60 secondes en français (dictée du quotidien). Nommez le fichier test_fr.wav. Formats courants : WAV, MP3, M4A.
Python + venv (étape 3B uniquement) — copiez une ligne à la fois dans Invite de commandes (cmd) :
winget install -e --id Python.Python.3.12
python -m venv %USERPROFILE%\whisper-venv
%USERPROFILE%\whisper-venv\Scripts\activate.bat
python -m pip install --upgrade pip
PowerShell (équivalent — une ligne à la fois ; ne modifiez pas les $env:…) :
winget install -e --id Python.Python.3.12
python -m venv "$env:USERPROFILE\whisper-venv"
& "$env:USERPROFILE\whisper-venv\Scripts\Activate.ps1"
python -m pip install --upgrade pip
Linux / macOS :
python3 -m venv ~/whisper-venv && source ~/whisper-venv/bin/activate
2. Installer ffmpeg (conversion audio)
-
Windows :
winget install -e –id Gyan.FFmpeg
Ou binaire depuis ffmpeg.org.
- macOS :
brew install ffmpeg - Linux : paquet
ffmpegde votre distribution
Convertir un MP3/M4A si besoin :
ffmpeg -i note.m4a -ar 16000 -ac 1 test_fr.wav
Résultat attendu : à la fin de l’étape 3,
test_fr.wavproduit du texte en français sur la sortie standard ou dans un fichier.txt.
3. Transcrire (choisir 3A, 3B ou 3C)
Question unique : acceptez-vous d’installer Python 3.10+ sur votre PC ?
- Non → 3A whisper.cpp (exécutable + ligne de commande).
- Oui → 3B faster-whisper (venv + script
transcrire_test.pyci-dessous). - Je veux une interface → 3C LM Studio (glisser-déposer, pas idéal pour automatiser).
3A — whisper.cpp (~25 min, sans Python)
- Téléchargez la release sur whisper.cpp.
- Téléchargez
ggml-small.bin(~466 Mo) : fichier sur Hugging Face (miroir couramment utilisé par le README whisper.cpp). - Dans le dossier contenant modèle et audio :
./main -m ggml-small.bin -f test_fr.wav -l fr -otxt
Sous Windows, l’exécutable peut s’appeler main.exe ou whisper-cli.exe — voir le README de votre archive. Résultat attendu : un fichier test_fr.wav.txt ou du texte français affiché dans le terminal.
3B — faster-whisper (~40 min, Python)
Avec le venv activé :
pip install faster-whisper
Script à enregistrer — créez transcrire_test.py dans le même dossier que test_fr.wav, collez le bloc entier ci-dessous sans modifier les espaces, puis lancez python transcrire_test.py :
from faster_whisper import WhisperModel
model = WhisperModel("small", device="cpu", compute_type="int8")
segments, info = model.transcribe("test_fr.wav", language="fr")
for segment in segments:
print(segment.text, end="")
print()
Résultat attendu : le terminal affiche une phrase ou un paragraphe en français correspondant à votre enregistrement (ponctuation parfois approximative avec small).
Dépannage 3B (repliable)
Si pip install faster-whisper échoue, vérifiez que le venv est actif (le prompt affiche (whisper-venv)). Sur Windows, relancez l’invite cmd ou PowerShell en administrateur uniquement si winget le demande — pas pour pip seul.
3C — LM Studio (~30 min, interface graphique)
3C = confort d’interface : pratique pour un test ponctuel, mais pas le chemin le plus léger si vous visez un dossier surveillé et des transcriptions en série avec n8n — préférez 3A ou 3B pour l’automatisation. LM Studio ne remplace pas whisper.cpp pour des fichiers très longs sur CPU modeste ; voir aussi les limites comparées à whisper.cpp dans Whisper transcription FR hors ligne.
Suivez installer LM Studio, onglet Chat, importez test_fr.wav, langue français, lancez la transcription (Transcribe / Audio).
4. Organiser le dossier entrant
Créez vocaux_a_transcrire. Plus tard, n8n pourra surveiller ce dossier, appeler Whisper, puis envoyer le texte à Ollama — comme pour l’assistant familial et les vocaux scolaires.
5. Enchaîner avec Ollama (optionnel)
- Copiez le transcript dans Open WebUI ou
ollama runavec : « Résume en 5 puces en français ». - Rappelez à la famille que les LLM peuvent inventer des dates — voir assistant privé.
6. Vérifier la qualité
Si la ponctuation ou les noms propres sont faibles, restez sur small avant de monter à medium (plus lent sur CPU). Voir le tableau des tailles en fin d’article.
Après la première transcription réussie
- Archiver le
.txtdans un dossier daté (transcripts/2026-10/) pour retrouver vos essais sans mélanger les tests. - Comparer tiny vs small sur le même
test_fr.wav: notez le temps CPU et les erreurs sur les noms propres — inutile de monter à medium tant que small suffit pour vos vocaux courts. - Chaîner avec Ollama : copiez le texte dans Open WebUI avec un modèle instruct Q4 (« Résume en cinq puces »).
- Automatiser plus tard : dossier
vocaux_a_transcrire/+ n8n une fois le parcours 3A ou 3B stable — pas 3C en production batch. - Domotique : la voix peut alimenter Home Assistant + Ollama seulement si la latence totale (Whisper + LLM) reste acceptable ; testez d’abord sur une lampe non critique.
Erreurs fréquentes
| Problème | Cause | Solution |
|---|---|---|
| Fichier introuvable | Chemin avec espaces non quoté | Mettre le chemin entre guillemets |
| Sortie en anglais | Langue non forcée | Paramètre language="fr" |
| Très lent | Modèle large sur CPU |
Passer à small |
| Erreur codec | MP3 sans ffmpeg | Convertir : ffmpeg -i entree.mp3 sortie.wav |
Suite de votre parcours
À lire ensuite — une fois
test_fr.wavtranscrit en français, enchaînez dans cet ordre (quatre lectures prioritaires).
- Whisper transcription FR hors ligne — modèle medium, plusieurs fichiers d’un coup, ffmpeg avancé.
- Première IA locale en 15 minutes — si Ollama n’est pas encore installé pour résumer vos transcripts.
- Open WebUI pour débutants — coller le texte transcrit et demander un résumé structuré en français.
- n8n + LLM local — surveiller
vocaux_a_transcrire/après un parcours 3A ou 3B stable.
Micro pour vos enregistrements test (optionnel)
Le micro intégré du portable suffit pour test_fr.wav. Si vous enregistrez souvent des vocaux familiaux ou scolaires, un micro USB réduit le bruit de fond — utile avant de monter au modèle medium. Recherche indicative sur Amazon.fr (oct. 2026 — vérifiez le prix et les avis au moment de l’achat) : microphone USB. Lien partenaire : commission sans surcoût pour vous ; détail des règles sur la page affiliation.
Formats audio et ffmpeg
| Format | Remarque |
|---|---|
| WAV | Idéal tests, fichiers plus lourds |
| MP3 | Courant ; ffmpeg requis souvent |
| M4A | Messages iPhone ; convertir si erreur |
| OGG | Libre ; bien supporté par ffmpeg |
Conversion exemple :
ffmpeg -i note.m4a -ar 16000 -ac 1 test_fr.wav
Whisper accepte souvent 16 kHz mono ; la conversion stabilise les résultats sur CPU.
Modèles Whisper (taille vs qualité)
| Modèle | RAM ~ | Vitesse CPU | Français |
|---|---|---|---|
| tiny | faible | rapide | approximatif |
| base | faible | rapide | correct bref |
| small | moyenne | raisonnable | bon choix début |
| medium | plus lourd | lent | meilleure ponctuation |
| large | lourd | très lent | sur GPU surtout |
Sur CPU, restez sur small. Avec une RTX pour Ollama, certaines builds acceptent device="cuda" pour des fichiers longs — fermez les gros modèles chat avant (VRAM).
Matériel transcription seule
Pas besoin de RTX : un mini-PC 16 Go suffit souvent. Si vous cumulez Whisper + Ollama + Docker, visez 32 Go — RAM 32/64.
Sécurité et RGPD (règlement général sur la protection des données)
Après votre premier fichier .txt transcrit localement :
- Les vocaux peuvent contenir noms, adresses ou voix d’enfants : traitez-les comme des documents sensibles.
- Pas de copie sur un cloud grand public « pour sauvegarder » sans lire les conditions du service.
- Le traitement 100 % local limite les transferts vers des sous-traitants commerciaux, mais n’efface pas vos obligations de prudence au foyer.
- Cadre détaillé : RGPD et IA 100 % locale ; comparaison cloud : coût sur 3 ans.
Questions fréquentes
Whisper est-il un chatbot comme Ollama ?
Non : Whisper convertit la parole en texte (speech-to-text). Ollama fait du texte à texte. Les deux peuvent coexister sur le même PC.
Quel modèle pour le français en CPU ?
small ou medium selon patience ; tiny pour tests rapides mais plus d’erreurs sur les noms propres.
Faut-il ffmpeg ?
Souvent oui pour convertir MP3/M4A en WAV ou flux compatible ; installez-le via le site officiel ou le gestionnaire de paquets de votre OS.
LM Studio ou whisper.cpp pour automatiser des dossiers ?
whisper.cpp ou faster-whisper conviennent mieux au batch et à n8n ; LM Studio reste un parcours confort pour un test manuel à l’écran.