MARKETIA
ConnexionInscription
N2 · Un peu de bricolageNouveau

Transcription audio horodatée avec identification des locuteurs (WhisperX)

Transcription horodatée mot par mot avec diarisation, pour exploiter un entretien ou un appel client sans reprise manuelle

Vendu par MagicMate

Ce qu'il faut

Niveau
N2 · Un peu de bricolage — Fonctionne dans un outil que vous avez déjà, mais demande des réglages (clé d'accès, options) avant d'être opérationnel.
Serveur requis
Non
Réglages requis
Oui
Licence
Projet tiers sous licence permissive (BSD) : utilisation, modification et redistribution permises selon ses termes, avec conservation des mentions de droit d'auteur et du texte de licence. Le texte de la licence d'origine, publié dans le dépôt source, fait foi.

WhisperX transforme un enregistrement audio en transcription horodatée mot par mot, avec identification de qui parle quand — exactement ce qu'il faut pour exploiter un entretien de recherche utilisateur, un comité de pilotage ou un appel client, en prévoyant une relecture. L'horodatage mot par mot aide à retrouver un passage précis dans un enregistrement d'une heure.

Limites et précautions : le README reconnaît que la diarisation est « far from perfect » et que la parole superposée n'est pas bien gérée ; les mots contenant des caractères absents du dictionnaire du modèle d'alignement (exemples : « 2014. », « £13.60 ») n'ont pas d'horodatage, et il faut un modèle d'alignement propre à chaque langue. Le GPU demande CUDA 12.8, ainsi que ffmpeg et Rust.

Licence et attribution : Source : https://github.com/m-bain/whisperX. Licence : BSD-2-Clause (https://raw.githubusercontent.com/m-bain/whisperX/main/LICENSE). La diarisation exige un jeton Hugging Face et l'acceptation des conditions d'utilisation du modèle pyannote, ce qui partage votre identité de contact avec l'éditeur du modèle (e-mails marketing possibles) ; le modèle pyannote speaker-diarization-community-1 est sous CC-BY-4.0, avec attribution à pyannoteAI. Tous droits conservés par ses auteurs ; cette fiche est une présentation rédigée par Marketia.

Critique Marketia

Verdict

Bonne brique de transcription avec alignement mot à mot, activement maintenue ; mais la promesse « à la seconde près, sans reprise » est plus forte que celle de l'auteur. À présenter comme un outil qui réduit la reprise, pas qui la supprime.

Pour qui (PME française)

  • Une équipe technique qui transcrit des entretiens ou des appels avec plusieurs voix et accepte de relire.
  • Pas pour une exploitation sans relecture ; le français fait partie des langues avec modèle d'alignement par défaut (README : en, fr, de, es, it).

Points forts prouvés

  • Licence BSD-2-Clause (LICENSE lu : « Copyright (c) 2024, Max Bain »).
  • « 70x realtime with large-v2 » (revendication du README, conditions non vérifiées par nous).
  • Dernier commit lu : fusion le 2026-09-26 par le mainteneur ; une contribution de 2026-09-06 (commits.atom). Un commit du 2026-07-13 est signé « claude » avec co-auteur Claude.
  • Installation simple : pip install whisperx ou uvx whisperx.

Limites et risques

  • 178 issues ouvertes (page lue). Récentes : #1461 (échec uv pip install), #1468 (problème FFmpeg/PyTorch au second lancement), #1451 (horodatages inexacts sur un segment de 25 s), #1446 (alignement en échec quand un mot se répète), #1449 (un correctif réintroduit en v3.8.3+). Titres seulement.
  • Le README dit que le projet « diverge » de son cadre de recherche initial et que la version de développement peut contenir des bugs ; une sous-section vante, dans un encart de sponsor, « 100% accurate speaker diarization » : argument commercial d'un tiers, à ne pas relayer.
  • Le sous-titrage .ass a été retiré en v3 (README, liste des tâches).
  • GPU : « requires <8GB gpu memory for large-v2 with beam_size=5 » (README).

Effort d'installation réel

Court en CPU, plus long avec GPU (CUDA 12.8, mémoire) et pour obtenir l'accès aux modèles pyannote. Estimation : une à deux heures ; non mesuré.

Alternatives

  • Meetily (voir solution-resume-reunions-meetily) pour une application bureau sans diarisation gratuite.
  • Whisper seul ou faster-whisper, sans diarisation (non évalués ici).

Licence et attribution

Code BSD-2-Clause. Avertissement de licence : « Modèles pyannote gated : l'utilisateur doit accepter les conditions et fournir un jeton HF (partage d'identité de contact, emails marketing possibles). CC-BY-4.0 : attribution pyannoteAI. » Relecture des licences : pyannote/speaker-diarization-community-1 est CC-BY-4.0 (README de WhisperX : « licensed under CC-BY-4.0 by pyannoteAI ») ; 3.1 et segmentation-3.0 MIT, accès conditionné ; wav2vec2-base-960h Apache-2.0.

Ce que nous n'avons pas testé

Aucune installation, aucune mesure de précision des horodatages ni de la diarisation sur du français, aucune vérification du « 70x », aucune lecture du code, aucun test avec modèle gated.

Sources (lues le 2026-10-17)

Attribution et conditions des modèles

Ce produit impose des conditions de licence à respecter : attribution obligatoire de l'éditeur ou des modèles utilisés, conditions d'accès à certains modèles, ou usage limité à un cadre précis. Cette licence est distincte de celle du code. Vérifiez ces conditions avant de déployer en production.

Aller plus loin