ASR locale ou dans le cloud
En fonction des possibilités techniques de votre dispositif, de la performance que vous souhaitez obtenir et du budget que vous souhaitez dépenser, vous pouvez opter pour une reconnaissance vocale (ASR, Automated Speech Recognition) sur votre dispositif (avec le modèle Vosk) ou dans le cloud.
ASR dans le cloud
Mistral
Actuellement, sur le logiciel IGOOR, la meilleure qualité de transcription, notamment en français, s'obtient avec le modèle voxtral-mini-transcribe développé par Mistral. Vous pouvez l'utiliser, avec un prix à la consommation, à travers le AI Studio de Mistral.
Si vous optez pour Mistral, vous devez donc créer un compte sur le AI Studio de Mistral :
S'abonner à Mistral et créer une clé API
Une fois que vous obtenez une clé API, allez dans :
Paramètres > Accueil > Reconnaissance Vocale > Configure la reconnaissance vocale
Dans la page qui s'ouvre, choisissez Mistral au lieu de Groq comme fournisseur, et insérez votre clé API.
Whisper
La deuxième meilleure option supportée par IGOOR est Whisper-large-v3-turbo, fourni par Groq. C'est le modèle par défaut d'IGOOR parce que :
- Déjà intégrée à l'offre de Groq à travers son API ;
- ce modèle est le standard de facto pour la reconnaissance vocale, il est amplement utilisé ; partout dans le monde et supporte une large quantité de langues avec une qualité suffisante ;
- le prix est très compétitif par rapport au marché ;
- il est très rapide.
En alternative, dans les paramètres de l'extension Whisper, vous pouvez choisir le modèle Whisper-Large-v3 qui est :
- Légèrement plus cher ;
- moins rapide ;
- Légèrement plus précis.
ASR local
Allez dans :
Paramètres > Extensions > ASR
- désactivez le module ASR JAVASCRIPT
- activez le module VOSK
- enregistrez les paramètres globaux
Rédemarrez IGOOR.
VOSK est réservé à l'usage en local, pour ceux qui ne souhaitent pas payer pour un service de reconnaissance vocale ou pour des raisons de confidentialité. Son support est limité et sera probablement remplacé par un autre modèle local plus performant.
La reconnaissance vocale locale demande une quantité de mémoire vive (RAM) qui atteint les 3Go pour le modèle de grande taille. Vous pouvez changer la taille du modèle dans les paramètres du plugin Vosk si votre mémoire vive n'est pas suffisante.