L'idée est simple : sortir la transcription du navigateur

Buzz énonce sa place sans façon. Il sort la transcription du navigateur et la pose sur la machine devant vous. Whisper d'OpenAI travaille en dessous, et l'application fait transcription et traduction entièrement hors ligne sur un ordinateur personnel. Des paquets d'installation existent pour les principales plateformes de bureau : le téléchargement fait toute la préparation.

Face à l'appel d'une interface en ligne, l'exécution locale apporte trois choses directement. L'enregistrement ne quitte pas la machine. Les fichiers longs n'attendent pas dans une file d'envoi. Et aucun quota par appel ne pèse sur le travail. Le prix à payer, c'est la dépendance au matériel qu'on possède.

Fichiers, liens, micro

Importer un fichier est la voie quotidienne. Le projet prend les fichiers audio et vidéo, et aussi les liens de vidéo en ligne ; dans l'interface, un lien atterrit directement dans la liste des tâches. Au-delà de l'import, il y a la transcription en direct depuis un micro, avec une fenêtre de présentation qui affiche les sous-titres sur grand écran pendant une réunion ou une conférence.

Quand l'enregistrement est mauvais, une séparation des voix peut tourner avant la transcription, ce qui apporte selon le projet une meilleure précision sur un audio bruyant. Une fois le texte obtenu, les intervenants peuvent être distingués à l'intérieur, de quoi séparer par voix un entretien à plusieurs ou un compte rendu de réunion.

Exports et travail en aval

Les résultats sortent en trois formats : texte brut, SRT et VTT. Les deux derniers sont des formats d'échange de sous-titres courants, donc la sortie entre directement dans un logiciel de montage sans reconstruire la timeline à la main. Une option d'horodatage au mot se coche dans l'interface, utile quand l'alignement doit être précis.

La visionneuse fournie cherche, pilote la lecture, change la vitesse et embarque un jeu de raccourcis pour se déplacer. Quand les fichiers s'accumulent, la surveillance de dossier lance la transcription dès qu'un nouveau arrive. Pour les scripts et les chaînes de traitement, une interface en ligne de commande est là. Un système de plugins laisse de la place à l'extension, avec comme exemples cités la génération automatique de résumés et l'ajustement groupé de la longueur des transcriptions.

Moteurs et accélération, selon votre carte

Plusieurs moteurs Whisper sont pris en charge, et c'est là que Buzz se montre plus souple que la plupart des outils du genre. Les voies d'accélération citées sont CUDA pour les cartes Nvidia, la prise en charge native sur les machines récentes, et Vulkan via Whisper.cpp, qui fonctionne sur la plupart des cartes, graphique intégré compris. D'autres familles de modèles Transformer du même type passent par Hugging Face. Les modèles se changent dans les préférences, groupés par moteur, et une adresse de modèle personnalisée peut être saisie.

À partir de la version 1.4.6, avec une carte Nvidia, le composant d'accélération CUDA s'installe depuis le panneau d'information de l'application, sans monter d'environnement soi-même.

Installation : un paquet par plateforme

Chaque grande plateforme a sa route. macOS reçoit une image disque, Windows un programme d'installation, et Linux trois formats de distribution : Flatpak, Snap et AppImage. On prend celui qui convient à ses habitudes.

Une chose à savoir d'avance : les paquets ne sont pas signés, le système affiche donc une alerte pendant l'installation, et suivre l'invite mène au bout. Le projet précise aussi que la version courante a un plancher matériel, 1.4.5 étant la dernière exploitable sur les machines anciennes.

Pour un environnement en ligne de commande, une installation par gestionnaire de paquets fonctionne, et l'application démarre ensuite comme module. Cette voie exige ffmpeg et Python 3.12 ; avec une carte Nvidia et l'envie d'accélération GPU, il faut en plus une version du cadre d'inférence compilée avec le support CUDA.

MIT, et beaucoup de téléchargements

Buzz est open source sous MIT. Le code est public et le dépôt a dépassé 1,5 million de téléchargements. Une licence permissive signifie que l'intégrer à son propre flux, ou bâtir dessus, ne rencontre guère d'obstacle d'autorisation.

À qui cela convient

S'il s'agit de transformer un lot d'enregistrements ou de vidéos en texte en les gardant hors du serveur d'autrui, la valeur est exactement là : pas de compte à créer, pas de facturation à l'appel, un travail hors ligne une fois installé, et le mode direct plus la surveillance de dossier qui couvrent aussi bien les comptes rendus que le traitement en série.

Il demande quelque chose au matériel. Les gros modèles coûtent mémoire et temps. La compatibilité par plateforme suppose des arbitrages, et le projet documente quel cas va à quelle plateforme. La précision suit toujours la qualité de l'audio : un matériau bruyant mérite une relecture humaine même avec un bon modèle.

Faire d'une capacité d'IA une application de bureau garde les données en local et sort le réseau de l'équation. Le prix, c'est que la performance devient votre affaire. C'est la face honnête de tout outil hors ligne.