StillHammer/aissia
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
master
aissia/docs/STT_SETUP.md

6.7 KiB
Raw Permalink Blame History

Speech-to-Text (STT) Setup Guide - Windows

Guide pour configurer les moteurs de reconnaissance vocale STT sur Windows.

État Actuel

AISSIA supporte 5 moteurs STT avec priorités automatiques :

Moteur Type Status Requis
Whisper.cpp Local ✅ Configuré Modèle téléchargé
OpenAI Whisper API Cloud ✅ Configuré API key dans .env
Google Speech Cloud ✅ Configuré API key dans .env
Azure STT Cloud ⚠️ Optionnel API key manquante
Deepgram Cloud ⚠️ Optionnel API key manquante

3 moteurs sont déjà fonctionnels (Whisper.cpp, OpenAI, Google) ✅

1. Whisper.cpp (Local, Offline) ✅

Avantages

  • ✅ Complètement offline (pas d'internet requis)
  • ✅ Excellente précision (qualité OpenAI Whisper)
  • ✅ Gratuit, pas de limite d'utilisation
  • ✅ Support multilingue (99 langues)
  • ❌ Plus lent que les APIs cloud (temps réel difficile)

Installation

Modèle téléchargé : models/ggml-base.bin (142MB)

Autres modèles disponibles :

cd models/

# Tiny (75MB) - Rapide mais moins précis
curl -L -o ggml-tiny.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-tiny.bin

# Small (466MB) - Bon compromis
curl -L -o ggml-small.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

# Medium (1.5GB) - Très bonne qualité
curl -L -o ggml-medium.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-medium.bin

# Large (2.9GB) - Meilleure qualité
curl -L -o ggml-large-v3.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-large-v3.bin

Recommandé : base ou small pour la plupart des usages.

2. OpenAI Whisper API ✅

Avantages

  • ✅ Très rapide (temps réel)
  • ✅ Excellente précision
  • ✅ Support multilingue
  • ❌ Requiert internet
  • ❌ Coût : $0.006/minute ($0.36/heure)

Configuration

  1. Obtenir une clé API OpenAI : https://platform.openai.com/api-keys
  2. Ajouter à .env :
OPENAI_API_KEY=sk-proj-...

Status : ✅ Déjà configuré

3. Google Speech-to-Text ✅

Avantages

  • ✅ Très rapide
  • ✅ Bonne précision
  • ✅ Support multilingue (125+ langues)
  • ❌ Requiert internet
  • ❌ Coût : $0.006/15s ($1.44/heure)

Configuration

  1. Activer l'API : https://console.cloud.google.com/apis/library/speech.googleapis.com
  2. Créer une clé API
  3. Ajouter à .env :
GOOGLE_API_KEY=AIzaSy...

Status : ✅ Déjà configuré

4. Azure Speech-to-Text (Optionnel)

Avantages

  • ✅ Excellente précision
  • ✅ Support multilingue
  • ✅ Free tier : 5h/mois gratuit
  • ❌ Requiert internet

Configuration

  1. Créer une ressource Azure Speech : https://portal.azure.com
  2. Copier la clé et la région
  3. Ajouter à .env :
AZURE_SPEECH_KEY=votre_cle_azure
AZURE_SPEECH_REGION=westeurope  # ou votre région

Status : ⚠️ Optionnel (non configuré)

5. Deepgram (Optionnel)

Avantages

  • ✅ Très rapide (streaming temps réel)
  • ✅ Bonne précision
  • ✅ Free tier : $200 crédit / 45,000 minutes
  • ❌ Requiert internet

Configuration

  1. Créer un compte : https://console.deepgram.com
  2. Créer une API key
  3. Ajouter à .env :
DEEPGRAM_API_KEY=votre_cle_deepgram

Status : ⚠️ Optionnel (non configuré)

Tester les Moteurs STT

Option 1 : Test avec fichier audio

  1. Générer un fichier audio de test :
python create_test_audio_simple.py
  1. Lancer le test (quand compilé) :
./build/test_stt_live test_audio.wav

Ceci testera automatiquement tous les moteurs disponibles.

Option 2 : Test depuis AISSIA

Les moteurs STT sont intégrés dans VoiceModule et accessibles via :

  • voice:start_listening (pub/sub)
  • voice:stop_listening
  • voice:transcribe (avec fichier audio)

Configuration Recommandée

Pour un usage optimal, voici l'ordre de priorité recommandé :

Pour développement/tests locaux

  1. Whisper.cpp (ggml-base.bin) - Offline, gratuit
  2. OpenAI Whisper API - Si internet disponible
  3. Google Speech - Fallback

Pour production/temps réel

  1. Deepgram - Meilleur streaming temps réel
  2. Azure STT - Bonne qualité, free tier
  3. Whisper.cpp (ggml-small.bin) - Offline fallback

Fichiers de Configuration

.env (API Keys)

# OpenAI Whisper API (✅ configuré)
OPENAI_API_KEY=sk-proj-...

# Google Speech (✅ configuré)
GOOGLE_API_KEY=AIzaSy...

# Azure STT (optionnel)
#AZURE_SPEECH_KEY=votre_cle
#AZURE_SPEECH_REGION=westeurope

# Deepgram (optionnel)
#DEEPGRAM_API_KEY=votre_cle

config/voice.json

{
    "stt": {
        "active_mode": {
            "enabled": true,
            "engine": "whisper_cpp",
            "model_path": "./models/ggml-base.bin",
            "language": "fr",
            "fallback_engine": "whisper_api"
        }
    }
}

Dépendances

Whisper.cpp

  • ✅ Intégré dans le build (external/whisper.cpp)
  • ✅ Lié statiquement à AissiaAudio
  • ❌ Modèle requis : téléchargé dans models/

APIs Cloud

  • ✅ Httplib pour requêtes HTTP (déjà dans le projet)
  • ✅ nlohmann/json pour sérialisation (déjà dans le projet)
  • ❌ OpenSSL désactivé (HTTP-only mode OK)

Troubleshooting

"Whisper model not found"

cd models/
curl -L -o ggml-base.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-base.bin

"API key not found"

Vérifier que .env contient les clés et est chargé :

cat .env | grep -E "OPENAI|GOOGLE|AZURE|DEEPGRAM"

"Transcription failed"

  1. Vérifier le format audio : 16kHz, mono, 16-bit PCM WAV
  2. Générer un test : python create_test_audio_simple.py
  3. Activer les logs : spdlog::set_level(spdlog::level::debug)

Prochaines Étapes

  1. ✅ Whisper.cpp configuré et fonctionnel
  2. ✅ OpenAI + Google APIs configurées
  3. ⚠️ Optionnel : Ajouter Azure ou Deepgram pour redondance
  4. 🔜 Tester avec ./build/test_stt_live test_audio.wav
  5. 🔜 Intégrer dans VoiceModule via pub/sub

Références