Chaque outil de transcription cloud nécessite internet et télécharge votre audio. Pour l'audio confidentiel (juridique, médical, R&D, matériel source journalistique), c'est inacceptable. StarWhisper exécute Whisper localement sur votre machine Windows. L'audio ne quitte jamais l'appareil.
Installez une fois avec internet, travaillez hors ligne pour toujours ensuite.
Téléchargez l'installateur gratuit depuis la page d'accueil de StarWhisper et exécutez-le. L'installation prend environ deux minutes et inclut un téléchargement unique des fichiers du modèle Whisper (de quelques centaines de mégaoctets à plusieurs gigaoctets selon la taille du modèle que vous choisissez). C'est la seule fois où internet est requis.
Activez le mode avion, débranchez le câble ethernet, désactivez l'adaptateur wifi, ou entrez simplement dans un environnement sans signal. StarWhisper n'a pas besoin de connexion pour fonctionner. Si vous voulez une preuve absolue, exécutez Wireshark ou n'importe quel moniteur réseau : zéro paquet ne sortira du processus StarWhisper pendant la transcription.
Ouvrez StarWhisper. Faites glisser n'importe quel fichier audio (MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, AAC, plus l'audio extrait des vidéos MP4, MOV, AVI, MKV) sur la fenêtre. Le modèle Whisper sur votre disque dur décode et transcrit l'audio. La langue est automatiquement détectée parmi 96 prises en charge.
StarWhisper traite l'audio localement sur votre CPU ou GPU. Vitesse : environ 10 fois plus rapide que le temps réel sur un processeur d'ordinateur portable moderne et 50 fois plus rapide sur un GPU NVIDIA avec CUDA activé. Un fichier audio d'une heure est transcrit en environ 6 à 12 minutes sur CPU ou 1 à 2 minutes sur un GPU de milieu de gamme.
La transcription apparaît dans la fenêtre StarWhisper une fois le traitement terminé. Copiez dans le presse-papiers, enregistrez en .txt, ou exportez avec des horodatages en option. Le fichier est écrit sur votre disque dur local. Pas de synchronisation cloud, pas de téléchargement, pas de télémétrie. Le texte vous appartient et uniquement à vous.
Des situations réelles où la transcription cloud échoue ou est interdite.
Vols long-courriers, trajets en train, trajets en voiture dans des tunnels. Les outils cloud meurent quand le signal meurt. La transcription locale continue de fonctionner sur un ordinateur portable entièrement déconnecté.
Déplacements pour conférences, voyages d'affaires, chambres d'hôtel avec internet défectueux ou limité. Le fichier audio que vous avez enregistré plus tôt se transcrit toujours localement, aucun réseau nécessaire.
Studios d'enregistrement, salles d'imagerie médicale, hôpitaux avec blocage de signal délibéré, et environnements similaires où les téléchargements cloud ne peuvent tout simplement pas atteindre le serveur.
Les Sensitive Compartmented Information Facilities interdisent la connectivité réseau. L'architecture locale de StarWhisper est compatible avec les exigences isolées ; le déploiement dépend de l'approbation de l'installation.
Dépositions juridiques, interviews de sources journalistiques, audio de R&D, enregistrements de séances de thérapie. Le téléchargement cloud rompt la confidentialité. Préoccupations en matière de confidentialité expliquées.
Les outils cloud facturent à la minute ou au mois. L'installation locale est gratuite jusqu'à la limite de mots quotidienne ou 10 dollars par mois pour une utilisation illimitée. Modèle de tarification.
La plupart des personnes qui tapent "comment transcrire de l'audio" dans un moteur de recherche atterrissent sur Otter, Rev, Trint, Happy Scribe, Sonix, Descript, ou l'un des dizaines de services similaires. Ils fonctionnent tous de la même manière : vous téléchargez votre fichier audio sur leurs serveurs, leur backend (souvent le même modèle Whisper d'OpenAI qui s'exécute localement sur votre propre machine) traite le fichier, et la transcription vous revient. Pour un utilisateur occasionnel avec un audio non sensible et une bonne connexion internet, cela suffit.
Ce n'est pas suffisant pour une grande partie des besoins de transcription dans le monde réel.
Les avocats ne peuvent pas télécharger les conversations privilégiées de leurs clients vers un serveur tiers sans violer leurs règles d'éthique et le secret professionnel de l'avocat lui-même. Les médecins et les thérapeutes ne peuvent pas télécharger l'audio des patients sans enfreindre la loi HIPAA aux États-Unis ou des réglementations équivalentes ailleurs. Les journalistes travaillant avec des sources confidentielles ne peuvent pas télécharger les enregistrements sources sans compromettre la source. Les équipes de R&D en entreprise ne peuvent pas télécharger l'audio de produits avant lancement sans exposer des secrets commerciaux. Le travail gouvernemental et de défense ne peut évidemment rien télécharger de classifié. Même pour les enregistrements personnels non réglementés, beaucoup de gens ne veulent tout simplement pas que leurs notes vocales restent éternellement sur le serveur de quelqu'un d'autre.
StarWhisper est conçu pour cette catégorie d'utilisateurs. Le modèle Whisper qui le propulse s'exécute entièrement sur votre machine Windows. Après une installation unique (qui est la seule étape nécessitant internet), l'application n'a pas besoin de se connecter à un serveur. Vous pouvez transcrire en mode avion, dans un sous-sol, dans un avion, dans un hôtel avec un wifi défectueux, dans un SCIF, ou sur un poste de travail isolé en permanence. L'audio ne quitte jamais l'appareil.
La "confidentialité" est facile à affirmer dans un texte marketing. Il vaut mieux la vérifier par soi-même lorsque les enjeux sont importants.
Installez StarWhisper, terminez le téléchargement du modèle, puis activez le mode avion (ou débranchez l'ethernet et désactivez le wifi, si votre ordinateur portable a un bouton wifi physique c'est encore mieux). Ouvrez StarWhisper et transcrivez un fichier. Cela fonctionne. Ce seul test confirme que tout dans le pipeline de transcription se produit localement, car il n'y a littéralement aucun réseau à utiliser.
Si vous voulez une confirmation absolue que StarWhisper ne télécharge rien lorsque le réseau est disponible, installez Wireshark (gratuit, open-source) ou tout autre outil de capture de paquets équivalent. Filtrez sur le processus StarWhisper. Lancez une transcription. Observez zéro paquet sortant du processus StarWhisper pendant la transcription elle-même. La télémétrie du système d'exploitation (Windows lui-même envoie une télémétrie en arrière-plan par défaut) apparaîtra dans la capture mais est distincte de ce que fait StarWhisper.
Pour les déploiements en SCIF ou isolés où vous avez besoin de garanties plus strictes, installez StarWhisper sur une machine connectée, terminez le téléchargement du modèle, copiez l'intégralité du dossier installé (Program Files plus le répertoire des modèles en cache) sur une clé USB en utilisant les procédures de supports amovibles approuvées, transférez vers la machine cible isolée, et exécutez-y. L'application fonctionnera sans aucun réseau car tous les poids du modèle et les dépendances de code résident sur le disque. C'est également utile pour le cas rare où vous souhaitez déployer StarWhisper sur de nombreux points de terminaison au sein d'un réseau d'entreprise qui n'autorise pas l'accès internet sortant depuis les postes de travail.
Un assistant juridique enregistre une déposition ou un entretien de témoin pour un usage interne. L'enregistrement contient des conversations privilégiées et des affaires confidentielles liées au client. Le télécharger vers un service cloud comme Rev ou Otter romprait le secret professionnel (ou nécessiterait au minimum un accord de partenaire commercial et une revue éthique). Faites glisser le fichier dans StarWhisper sur un ordinateur portable, obtenez la transcription localement, aucun téléchargement. Cela s'applique également aux négociations de règlement enregistrées, aux appels de préparation de témoins experts, et à tout autre audio soumis aux obligations de confidentialité du cabinet. Voir conversion vocale en texte pour les avocats pour le flux de travail juridique complet.
Un clinicien enregistre une consultation avec un patient à des fins de prise de notes (avec consentement). L'audio contient des informations de santé protégées (PHI). La loi HIPAA autorise le traitement des PHI sur l'équipement du clinicien lui-même mais restreint généralement leur téléchargement vers des services cloud tiers sans accords BAA explicites. La transcription locale avec Whisper sur le poste de travail Windows du clinicien maintient l'audio sous un contrôle conforme à la HIPAA. Voir la FAQ sur la conformité HIPAA pour plus de détails et conversion vocale en texte pour les thérapeutes pour le contexte de la santé mentale.
Un journaliste d'investigation enregistre un entretien avec une source. La source a accepté de parler à la condition que l'enregistrement ne soit partagé avec personne d'autre, y compris un fournisseur de transcription. Le téléchargement du fichier sur Otter, Rev, ou n'importe quel service cloud le partagerait techniquement avec l'infrastructure du fournisseur. La transcription locale respecte la promesse. Voir conversion vocale en texte pour les journalistes pour le flux de travail spécifique au reporter.
Les chercheurs sur le terrain, les participants à des conférences et les professionnels en déplacement ont régulièrement de l'audio à transcrire mais pas d'internet fiable. Le wifi d'hôtel coupe. Les réseaux de conférence limitent les gros téléchargements. Les trajets en train à travers des zones mortes. Le flux de travail des outils cloud stagne ; le flux de travail local non. Déposez le fichier, obtenez la transcription, passez à autre chose. Voir la FAQ sur la dictée vocale hors ligne Windows pour des scénarios de dictée connexes.
Une brève explication de la raison pour laquelle cela est possible, étant donné que la transcription cloud était la seule option il y a quelques années.
OpenAI a publié le modèle Whisper en tant que open source sous la licence MIT en 2022. Whisper est un réseau de neurones unique entraîné sur environ 680 000 heures d'audio multilingue. La plus grande version compte environ 1,5 milliard de paramètres et s'exécute avec quelques gigaoctets de RAM. Les versions plus petites font quelques centaines de mégaoctets et s'exécutent sur un processeur d'ordinateur portable typique en temps réel ou plus rapidement. Cela signifie que le même modèle qui alimente la plupart des services modernes de transcription cloud peut s'exécuter localement sur du matériel grand public.
StarWhisper regroupe le modèle Whisper avec un pipeline de décodage audio, une interface utilisateur, et la glue spécifique à Windows qui vous permet d'y faire glisser des fichiers. Après l'installation, l'ensemble du pipeline se trouve sur votre disque dur : poids du modèle, bibliothèques de codecs, code d'analyse, formatage de sortie. Aucun de ces éléments n'a besoin d'un accès réseau au moment de l'exécution. La transcription est calculée sur votre CPU ou GPU et écrite dans un fichier local. Pour une explication architecturale plus approfondie, voir architecture de confidentialité et hors ligne.
Le compromis par rapport aux services cloud est le matériel. La transcription cloud s'exécute sur n'importe quel serveur puissant que le fournisseur souhaite fournir. La transcription locale s'exécute sur votre ordinateur portable, qui est plus lent qu'un serveur GPU dédié. En pratique, la différence de vitesse a moins d'importance qu'on pourrait s'y attendre : un processeur d'ordinateur portable moderne typique transcrit l'audio à environ 10 fois le temps réel, ce qui signifie qu'un fichier d'une heure prend de 6 à 12 minutes. Un GPU NVIDIA avec CUDA ramène cela à 1 ou 2 minutes. Pour la plupart des flux de travail non temps réel (transcrire un fichier audio existant, pas le sous-titrage en direct), la vitesse locale est plus que suffisante.
L'offre gratuite de StarWhisper fournit 500 mots par jour et 3 500 mots par semaine de sortie transcrite. L'offre gratuite fonctionne hors ligne exactement de la même manière que l'offre Pro ; il n'y a pas de fonctionnalités réservées au mode en ligne verrouillées derrière le mur gratuit. La seule différence est la limite de mots quotidienne.
Pour une utilisation occasionnelle typique (une courte réunion enregistrée, une note vocale personnelle, un seul extrait de podcast), 500 mots par jour suffisent. Une note vocale de 5 minutes représente environ 700 mots ; un seul paragraphe typique de texte dicté rentre largement dans la limite. Pour une utilisation professionnelle à volume élevé (dépositions juridiques complètes, transcriptions de séances médicales de plusieurs heures, travail journalistique quotidien), l'offre Pro supprime la limite à 10 dollars par mois ou 80 dollars par an. Détails de l'offre Pro. Un essai gratuit de 7 jours de Pro est disponible si vous souhaitez vérifier le flux de travail sur un long fichier.
L'offre gratuite est véritablement gratuite sans carte de crédit, sans mur d'inscription, et sans piège de minuteur d'essai qui se transforme en paiement. Ce n'est pas une version de démonstration de l'application payante ; c'est la même application avec une limite de mots. L'utilisation commerciale est autorisée sur les deux offres. Pour un examen approfondi de l'approche sans abonnement, voir le modèle de tarification sans abonnement.
Si l'angle hors ligne est ce qui vous a amené ici, plusieurs guides connexes approfondissent des sujets adjacents. Pour la question spécifique de savoir comment la transcription Whisper locale se compare à Whisper dans le cloud, voir Whisper local vs cloud. Pour la catégorie plus large des préoccupations en matière de confidentialité dans la transcription, voir préoccupations de confidentialité en matière de transcription. Pour les flux de travail hors ligne spécifiques à un format, voir comment convertir un MP3 en texte, comment convertir un M4A en texte, et comment convertir un WAV en texte, qui utilisent tous le même pipeline exclusivement local décrit ci-dessus. Pour la dictée hors ligne en temps réel (pas la transcription de fichiers existants), voir la FAQ sur la dictée vocale hors ligne Windows.
Le flux de travail hors ligne complet pour le format audio le plus courant.
Plongée en profondeur sur le fonctionnement du traitement local et pourquoi c'est important.
Le problème créé par la transcription cloud et comment l'éviter.
Dictée en temps réel hors ligne, pas seulement la transcription de fichiers.