arpschuino.fr

Salut tout le monde, je travaille sur un projet qui mélange un micro branché sur un Arduino Uno et un petit traitement côté PC. L'idée de base c'est d'enregistrer des commandes vocales courtes (démarrer, stop, valider) via le micro, récupérer le flux audio en série, et ensuite côté logiciel faire une transcription audio en texte pour déclencher des actions dans un script Python.
Le truc c'est que j'ai bien la partie acquisition qui tourne à peu près correctement (y'a encore des bruits parasites que j'arrive pas à filtrer proprement, mais c'est un autre problème) et j'ai testé quelques libs Python pour la reconnaissance vocale. Whisper d'OpenAI, notamment, que j'ai installé en local. Les résultats sont honnêtement pas mal pour de l'anglais, mais en français avec des termes techniques ou des mots inventés pour des commandes personnalisées... c'est beaucoup moins fiable. i vous avez des retours d'expérience sur d'autres approches? Est-ce que quelqu'un ici a fait tourner de la transcription audio en texte en temps quasi-réel avec une latence acceptable ? Parce que moi pour l'instant j'ai genre 2 à 3 secondes de délai entre la fin de la commande vocale et le déclenchement de l'action, ce qui est franchement trop long pour quelque chose d'interactif.
J'ai aussi regardé du côté de Vosk qui semble plus léger et tourne offline sans problème, mais je l'ai pas encore vraiment testé sur du matériel contraint.

De mon côté, je travaille avec quelqu’un qui utilise vosk pour de la commande vocale.
C'est assez bluffant, très efficace sans traitement particulier. La latence est limité, de l'ordre d'une seconde.
Pas de souci avec le Français.