Transcription vocale

Source: 02_speech_transcription

Transcrit de l’audio en texte à l’aide d’un modèle Whisper local téléchargé automatiquement depuis Hugging Face au premier lancement. Deux points d’entrée : main pour l’entrée microphone en direct, fromfile pour transcrire un fichier audio existant.

Exécution

Transcription en direct depuis le microphone :


melodium run 02_speech_transcription/Compo.toml

Transcrire un fichier audio :


melodium run 02_speech_transcription/Compo.toml fromfile -- --input_file speech.wav

Sortie attendue :


[…] info: transcription: Hello, this is a test.
[…] info: transcription: The model is running locally.

Fonctionnement

Deux modèles sont déclarés en tête de chaque point d’entrée :


model Hub()    : HfHub   { repo_id = "openai/whisper-tiny" }
model Speech() : Whisper {}

Hub pointe vers le dépôt HuggingFace pour Whisper tiny. Speech est une configuration Whisper vide — les paramètres par défaut sont utilisés.

Séquence de chargement du modèle

Les connexions garantissent que la capture audio ne démarre qu’une fois le modèle prêt :

fetch télécharge les poids et le tokenizer ; load initialise le modèle ; load.loaded conditionne simultanément decode.ready et la source audio. Aucune primitive de synchronisation n’est nécessaire — le dataflow lui-même impose l’ordre.

See in Compositeur Studio

Fan-out vers le journal et le fichier

Une fois qu’un segment est transcrit par Whisper, il est transmis à deux sorties simultanément grâce à la double flèche --> :


decode.transcribed --> log.messages
decode.transcribed --> write.text

Les deux opérations s’exécutent en parallèle.

Point d’entrée `fromfile`

Le point d’entrée fromFile remplace recordMono par readLocal + decodeMono. Le traitement decodeMono(hint="wav") gère la détection du format de conteneur de manière transparente — le même pipeline fonctionne pour WAV, MP3, FLAC et d’autres formats.