La saisie vocale Windows (Win+H) utilise les modèles vocaux pré-transformer de Microsoft. La précision sur l'anglais clair tourne autour de 88 %. Les accents la brisent. Les autres langues la brisent. OpenAI Whisper est l'alternative moderne, avec une précision d'environ 98 % sur l'anglais clair, performant sur les accents et 96 langues, et il fonctionne gratuitement, localement, sur le même PC Windows.
Même microphone, même PC Windows, deux modèles vocaux différents.
La reconnaissance vocale intégrée de Microsoft est pratique mais utilise une ancienne pile de reconnaissance vocale. La précision sur les benchmarks d'anglais américain clair est d'environ 88 % (une erreur tous les neuf mots). Sur l'anglais accentué, elle tombe dans les 70 %. Sur la plupart des langues autres que l'anglais, elle est inutilisable pour la rédaction réelle. C'est gratuit, c'est intégré, ça marche pour les listes de courses.
Whisper est un modèle moderne de reconnaissance vocale à transformeurs d'OpenAI, entraîné sur 680 000 heures d'audio. Les benchmarks indépendants placent la précision autour de 97 à 98 % sur l'anglais clair, avec d'excellentes performances sur les accents et 96 langues. StarWhisper intègre Whisper dans une application Windows gratuite qui s'exécute localement sur votre PC. Même microphone. Texte considérablement meilleur.
Différences de précision spécifiques que vous remarquerez dès le premier jour
Anglais indien, écossais, singapourien, sud-africain, caribéen, australien. Whisper a été entraîné sur tous ces accents. Win+H a été entraîné principalement sur l'anglais américain, et cela se voit. L'écart est bien plus important que les 10 points annoncés.
Whisper gère 96 langues. Win+H prend en charge une liste beaucoup plus restreinte et la précision varie considérablement. Pour l'allemand, le français, l'espagnol, le mandarin, le japonais, le coréen, l'hindi, l'arabe, le russe et la plupart des autres, l'écart correspond fonctionnellement à la différence entre utilisable et inutilisable.
Whisper gère plus précisément les termes de programmation, le vocabulaire médical, le langage juridique et la terminologie scientifique car le corpus d'entraînement incluait ce contenu. Win+H a tendance à corriger automatiquement les mots techniques en équivalents anglais courants.
Noms de personnes, de lieux, de marques, de produits. Whisper en préserve davantage. Win+H défigure fréquemment les noms non anglais ou substitue une supposition phonétique.
Whisper maintient le contexte entre les phrases et produit des paragraphes plus cohérents. Win+H est optimisé pour les brefs énoncés et a tendance à perdre le fil lors d'une dictée de plusieurs phrases.
Whisper insère la ponctuation de manière contextuelle et respecte les limites des phrases. Win+H exige que vous disiez « virgule » et « point » explicitement, ce qui ralentit la parole naturelle et produit des transcriptions maladroites.
Microsoft livre la reconnaissance vocale sur Windows depuis plus de vingt ans. Windows Vista avait Windows Speech Recognition (WSR), l'outil de dictée piloté au clavier que presque personne n'utilisait. Windows 10 a ajouté une refonte de la saisie vocale en 2017, accessible via le raccourci Win+H. Windows 11 a encore peaufiné l'interface. Ce qui n'a pas changé de manière significative, c'est le modèle vocal sous-jacent.
Le modèle acoustique sous-jacent de la saisie vocale Windows date de l'ère pré-transformer. Il utilise des architectures de réseaux de neurones récurrents entraînées sur un corpus relativement restrait, composé principalement d'anglais américain. En revanche, le domaine a progressé deux fois : d'abord avec des modèles basés sur les transformeurs, puis avec un pré-entraînement multilingue à grande échelle. Whisper est l'exemple open-source le plus éminent de la deuxième vague, avec 680 000 heures de données d'entraînement dans 96 langues.
L'écart de précision est structurel, ce n'est pas un problème de réglage. Microsoft travaille vraisemblablement sur la reconnaissance vocale de nouvelle génération, mais pour l'instant, l'outil Windows intégré repose sur une technologie plus ancienne. Si vous vous êtes déjà demandé pourquoi la dictée sur votre téléphone Pixel ou votre iPhone semble plus précise que sur votre ordinateur portable Windows, c'est la même explication : ces téléphones utilisent des modèles plus récents.
La différence de précision apparaît immédiatement sur des phrases réelles. Ci-dessous se trouvent des exemples typiques tirés de rapports d'utilisateurs. La colonne « Prononcé » est ce qui a été dit. La colonne « Win+H » est la sortie textuelle. La colonne « Whisper » est ce que StarWhisper a produit à partir d'un audio identique.
| Prononcé | Sortie Win+H | Sortie Whisper (StarWhisper) |
|---|---|---|
| "The deployment went to staging at 3 PM" | the deployment went to staging at three p m | The deployment went to staging at 3 PM. |
| "Schedule a meeting with Aoife on Thursday" | schedule a meeting with eva on Thursday | Schedule a meeting with Aoife on Thursday. |
| "The patient reported intermittent dyspnea" | the patient reported intermittent disney | The patient reported intermittent dyspnea. |
| "Refactor the auth middleware to use JWT tokens" | refactor the off middleware to use jay w t tokens | Refactor the auth middleware to use JWT tokens. |
| "Send the contract to [email protected]" | send the contract to monara at example dot com | Send the contract to [email protected]. |
Ces exemples ne sont pas triés sur le volet. Ils sont représentatifs du type d'erreur que vous voyez si vous dictez pendant un certain temps avec autre chose que le vocabulaire d'anglais américain le plus générique.
La différence de précision n'est pas magique, c'est de l'architecture et de l'échelle. Whisper est un transformeur de séquence à séquence entraîné de bout en bout sur un corpus audio massif et diversifié. StarWhisper intègre le modèle Whisper et l'exécute localement sur votre PC Windows.
OpenAI a entraîné Whisper sur environ 680 000 heures d'audio collectées sur le Web, dont 117 000 heures de données multilingues et 125 000 heures de données de traduction. C'est environ deux ordres de grandeur de plus que ce sur quoi l'ancienne pile Microsoft a été entraînée. Des données d'entraînement plus vastes et plus diversifiées sont la principale raison pour laquelle Whisper gère bien les accents, le vocabulaire technique et les langues autres que l'anglais.
Whisper utilise un transformeur encodeur-décodeur, la même architecture générale que GPT et les modèles de traduction modernes. Cette architecture est bien meilleure pour le contexte à longue portée que les modèles récurrents qui ont dominé la reconnaissance vocale dans les années 2010. C'est pourquoi Whisper produit des paragraphes cohérents tandis que les anciens systèmes produisent des phrases cohérentes mais perdent le fil entre elles.
Whisper a été entraîné conjointement sur plusieurs tâches vocales : transcription, traduction, identification de la langue, détection de l'activité vocale. Cette configuration multitâche produit un modèle robuste dans des conditions où n'importe quel modèle à tâche unique se dégraderait. En pratique, cela signifie que Whisper gère les silences, le bruit de fond et les changements de langue avec élégance.
Parce que Whisper est open-source et de taille raisonnable, il s'intègre sur une machine Windows grand public et fonctionne à des vitesses utilisables sur le CPU. C'est pourquoi StarWhisper peut l'emballer dans un outil local gratuit. Aucun abonnement cloud n'est impliqué, aucun audio ne quitte votre PC, et l'avantage de précision s'applique indépendamment de la connectivité Internet. Tous les détails sur la façon dont le modèle fonctionne localement se trouvent sur la page des fonctionnalités de confidentialité et hors ligne.
La saisie vocale Windows est gratuite, intégrée, livrée sur chaque machine Windows 10 et 11, et ne nécessite aucune configuration. Pour le cas où vous souhaitez dicter une seule phrase dans une zone de texte et ne vous souciez pas des accents, du vocabulaire technique ou des langues autres que l'anglais, cela fonctionne. De nombreux utilisateurs en tirent une véritable valeur sur les téléphones aussi, où la dictée intégrée équivalente est également suffisamment bonne pour de brefs messages.
Si vos besoins en dictée se limitent à « une phrase courte occasionnelle dans le Bloc-notes, en anglais américain clair, sans noms propres », il n'y a aucune raison d'installer quoi que ce soit d'autre. La friction de l'installation d'une application distincte n'en vaut pas la peine pour une phrase toutes les quelques semaines.
| Fonctionnalité | Saisie vocale Windows (Win+H) | StarWhisper (Whisper) |
|---|---|---|
| Précision sur l'anglais clair | ~88% | ~97-98% |
| Anglais accentué | Faible | Fort |
| Langues autres que l'anglais | Limité | 96 langues |
| Vocabulaire technique / médical / juridique | Défiguré | Préservé |
| Ponctuation automatique | Manuelle (« virgule », « point ») | Automatique |
| Chiffres automatiques (3 PM vs trois h p) | Non | Oui |
| L'audio quitte votre appareil | Oui (Cloud Microsoft) | Non (Mode Local) |
| Fonctionne hors ligne | Non | Oui |
| Accélération GPU | Non | NVIDIA CUDA + Vulkan |
| Coût | Gratuit, intégré | Gratuit jusqu'à 500 m/j, 10 $/mo illimité |
| Raccourci clavier | Win+H (fixe) | Configurable |
| Fonctionne dans n'importe quel champ de texte | La plupart | Tous |
Vous n'avez pas à choisir. Les deux peuvent coexister. Voici le chemin le plus simple.
La plupart des utilisateurs constatent qu'en l'espace d'une semaine, ils arrêtent complètement d'appuyer sur Win+H car la différence de précision est si grande que l'outil intégré devient agaçant en comparaison. Si vous souhaitez une comparaison plus approfondie des deux outils côte à côte, la page dédiée StarWhisper vs Saisie vocale Windows couvre les compromis plus en détail.
Whisper est un véritable réseau de neurones et il a besoin d'un peu de puissance de calcul pour fonctionner rapidement, mais les exigences sont modestes selon les normes de 2026.
Pour les machines plus anciennes ou moins puissantes, StarWhisper choisit automatiquement la bonne taille de modèle Whisper. Le petit modèle fonctionne en temps réel sur pratiquement n'importe quel ordinateur portable Windows moderne, même avec des graphiques intégrés. Les modèles moyen et grand sont plus lents mais plus précis et bénéficient du GPU. Vulkan est disponible en tant que chemin GPU multi-fournisseurs pour les cartes AMD et Intel.
Si votre raison de demander « pourquoi la dictée Windows est-elle si mauvaise » est que vous voulez une solution locale gratuite qui respecte votre matériel, la réponse est oui, cela fonctionne sur des machines que vous possédez déjà. Plus de détails sur la page des fonctionnalités de précision professionnelle.
C'est une plainte courante concernant Win+H. La solution dans les documents d'assistance de Microsoft consiste généralement à réinitialiser les autorisations vocales ou à réinstaller les modules linguistiques. Si vous avez rencontré cela plusieurs fois et que vous souhaitez un outil plus stable, installer une application de dictée distincte est une solution de contournement raisonnable. StarWhisper fonctionne indépendamment de la pile vocale Windows, il ne tombe donc pas en panne de la même manière.
Win+H ne ponctue pas automatiquement par défaut. Vous pouvez activer un paramètre appelé « ponctuation automatique » dans certaines versions récentes de Windows, mais le comportement est incohérent. Whisper gère la ponctuation de manière contextuelle en fonction de la structure de la phrase, de sorte que les pauses parlées deviennent des virgules, les fins deviennent des points, etc., sans intervention manuelle.
C'est la plainte la plus courante et celle qui a la solution la plus importante. Whisper gère l'anglais accentué avec une précision proche de celle d'un locuteur natif. Si votre accent est autre qu'américain, l'écart est si grand que passer à un outil basé sur Whisper donne l'impression de porter des lunettes pour la première fois.
Win+H fonctionne dans la plupart des zones de texte Windows standard, mais présente des cas limites dans certaines applications. StarWhisper utilise le même mécanisme de collage que n'importe quel éditeur de méthode d'entrée (IME) Windows, il fonctionne donc partout où votre clavier fonctionne, y compris dans les applications où Win+H échoue. Cela s'applique à Word, Outlook, aux barres d'adresse de Chrome, Slack, etc. La FAQ sur la dictée vocale hors ligne dédiée présente la liste de compatibilité.
Le plan gratuit couvre 500 mots par jour, ce qui est suffisant pour évaluer la différence de précision sur un travail réel pendant une semaine ou deux. Si vous vous surprenez à utiliser la dictée de manière intensive (écrivains, chercheurs, créateurs de contenu, quiconque produit plus de quelques milliers de mots par jour), la version Pro coûte 10 $ par mois ou 80 $ par an. Il n'y a pas de calcul par poste ni de palier de vente incitative. Détails de tarification sur la section tarification de la page d'accueil.
Pour les écrivains en particulier, la vitesse de la dictée basée sur Whisper est la principale attraction une fois que la précision n'est plus un obstacle. Voir la voix vers le texte pour les écrivains pour le flux de travail de rédaction de formulaires longs spécifiquement.
Comparaison détaillée côte à côte des deux outils.
Comment StarWhisper atteint une précision de 97 à 98 % sur la dictée réelle.
Configuration, raccourcis clavier, applications compatibles et comportement hors ligne sur Windows.
Flux de travail de dictée de formulaires longs pour les auteurs, blogueurs et journalistes.