L’article XDA sur l’auto-hébergement de Speakr au lieu de payer Otter.ai $20 par mois a généré de l’intérêt parce qu’il a nommé ce que la plupart des gens ayant des emplois à forte charge de réunions soupçonnent tranquillement : la commodité d’un service de transcription SaaS est achetée avec l’audio de chaque appel client, chaque entrevue, chaque séance de remue-méninges. Une fois que vous remarquez que l’enregistrement quitte votre ordinateur portable, il est difficile de ne pas le voir. La bonne nouvelle est que l’inférence Whisper locale est devenue assez rapide sur le matériel de 2024 qu’une pile de transcription auto-hébergée n’est plus un projet de fin de semaine. Nous avons testé 7 des meilleures applications pour la transcription auto-hébergée sur bureau, chacune exécutant des modèles sur la machine devant vous, sans rien quitter le réseau local.
La liste comprend des applications GUI à binaire unique qui s’installent sur Mac en une minute, des applications Electron multiplateformes avec diarisation et interface utilisateur, un wrapper TypeScript pour la transcription par lot, et la CLI Whisper.cpp qui alimente discrètement la plupart des autres. Chaque sélection est jugée sur la qualité de la transcription au niveau haute précision large-v3, la vitesse sur un Mac série M et un ordinateur portable x86 récent, et la façon dont elle gère les éléments qui vont toujours mal : les labels de locuteur, les fichiers longs, les langues mixtes et l’export avec horodatage.
Ce qu’il faut rechercher dans une application de transcription auto-hébergée
Un pipeline de transcription auto-hébergée prospère ou s’effondre sur les mêmes cinq éléments :
- Choix du modèle. La famille Whisper est la norme, mais l’application devrait vous permettre de choisir entre
tiny,base,small,medium,large-v2etlarge-v3. Plus grand signifie plus lent et plus précis. Un modèle verrouillé est une erreur. - Vitesse sur du vrai matériel. Sur un MacBook Air M2,
large-v3devrait transcrire un fichier d’une heure bien en dessous de trente minutes. Sur un ordinateur portable Intel 12ème génération sans GPU, cela peut prendre plus longtemps que l’enregistrement lui-même. L’application devrait rendre ce compromis évident. - Diarisation de locuteur. La seule fonctionnalité que la plupart des gens veulent et que la plupart des piles locales sabotent. Recherchez l’intégration pyannote ou un diarizeur local équivalent plutôt qu’une supposition générique « locuteur A / locuteur B ».
- Formats d’exportation. SRT et VTT pour le travail vidéo, texte brut avec horodatage pour les notes, et JSON avec scores de confiance pour les outils en aval. Copier-coller la transcription dans le presse-papiers et rien d’autre est un accord rompu.
- Pas d’egress réseau par défaut. C’est tout l’intérêt. L’application ne doit pas rentrer à la maison, envoyer de la télémétrie ou récupérer le modèle depuis un CDN à moins que vous le demandiez explicitement.
Comparaison rapide
| Application | Licence | Plateformes | Accélération GPU | Diarisation | Meilleur pour |
|---|---|---|---|---|---|
| MacWhisper | Commercial (free tier) | macOS | Apple Silicon Metal | Oui (Pro) | Utilisation quotidienne sur Apple Silicon |
| Vibe | MIT (open source) | Windows, macOS, Linux | NVIDIA, Metal, Vulkan | Oui | Interface graphique multiplateforme |
| WhisperX | BSD-2 (open source) | Windows, macOS, Linux | NVIDIA, CPU | Oui (pyannote) | Alignement au niveau des mots pour professionnels |
| Speakr | MIT (open source) | Windows, macOS, Linux (Docker) | NVIDIA, CPU | Oui | Serveur auto-hébergé avec interface web |
| Aiko | Free, closed source | macOS, iOS | Apple Silicon Metal | Non | Transcriptions rapides ponctuelles sur Mac |
| Buzz | MIT (open source) | Windows, macOS, Linux | NVIDIA, Metal, CPU | Non | CLI + interface graphique multiplateforme à binaire unique |
| Whisper.cpp | MIT (open source) | Windows, macOS, Linux | NVIDIA, Metal, CPU | Non (manuel) | CLI sans tête pour scripts et serveurs |
7 meilleures applications pour la transcription auto-hébergée sur bureau en 2026
1. MacWhisper — Meilleur pour l’utilisation quotidienne sur Apple Silicon
MacWhisper est ce que la plupart des utilisateurs de Mac utiliseront sans jamais ouvrir un terminal. La version gratuite gère la transcription glisser-déposer avec les modèles Whisper de tiny à medium, la version Pro ajoute large-v3, les travaux par lot, l’importation de podcast et la diarisation de locuteur. L’inférence s’exécute sur la pile Metal d’Apple, donc un M2 Air traverse un fichier d’une heure en quelques minutes sans ressembler à un sèche-cheveux. L’interface utilisateur est la partie que cette catégorie réussit rarement bien.
Où cela échoue : macOS uniquement, et la qualité de la diarisation traîne derrière WhisperX sur les enregistrements multilocuteurs compliqués. La licence Pro est un achat unique, pas gratuit, ce qui l’exclut pour certains.
Tarification : Gratuit pour medium et en dessous. Achat Pro unique pour large-v3, diarisation, traitement par lot et importation YouTube.
Plateformes : macOS (Apple Silicon recommandé ; Mac Intel supportés mais lents).
Télécharger : MacWhisper site
Conclusion : Si la plupart des transcriptions se font sur Mac, commencez ici et passez. Les frais Pro se remboursent en une semaine de notes de réunion.
2. Vibe — Meilleure interface graphique multiplateforme
Vibe est ce qui se rapproche le plus de MacWhisper dans le monde Windows et Linux. Un seul téléchargement installe une interface graphique qui charge n’importe quel modèle Whisper, s’exécute sur NVIDIA CUDA, Apple Metal ou Vulkan sur AMD, et offre la diarisation d’usine. Le système de plugins vous permet de connecter les étapes de synthèse ou de traduction sans quitter l’application, et le projet sort des versions fréquentes.
Où cela échoue : le chargement du premier modèle est lourd car le binaire récupère les poids à l’exécution. La diarisation sur les fichiers longs peut geler sur les backends Vulkan ; les utilisateurs CUDA ne le voient pas.
Tarification : Gratuit, sous licence MIT.
Plateformes : Windows, macOS (Intel et Apple Silicon), Linux.
Télécharger : Vibe site
Conclusion : Le point de départ correct sur Windows et Linux. Les utilisateurs de Mac avec des eGPU NVIDIA devraient choisir Vibe plutôt que MacWhisper.
3. WhisperX — Meilleur pour l’alignement au niveau des mots et la diarisation sérieuse
WhisperX est ce que les transcripteurs professionnels utilisent quand les horodatages comptent vraiment. Il associe Whisper à un aligneur forcé pour que chaque mot tombe sur un code temporel précis, puis exécute la diarisation pyannote pour étiqueter les locuteurs. Le résultat est des sous-titres SRT qui respectent les normes de diffusion et JSON que tout outil en aval peut ingérer.
Où cela échoue : CLI pur, pas d’interface graphique, et l’arborescence des dépendances Python peut mordre sous Windows. La configuration est un après-midi, pas un week-end, mais ce n’est pas l’expérience « glissez un fichier » que propose MacWhisper.
Tarification : Gratuit, sous licence BSD-2.
Plateformes : Windows, macOS, Linux.
Télécharger : WhisperX GitHub
Conclusion : Choisissez WhisperX quand les horodatages précis au niveau des mots et les locuteurs étiquetés importent plus que le polissage de l’interface. Pour les sous-titreurs et les journalistes, c’est celui-ci.
4. Speakr — Meilleur pour un serveur auto-hébergé avec interface web
Speakr est l’application vers laquelle l’article XDA a dirigé tout le monde. Il s’exécute comme un conteneur Docker que n’importe quel ordinateur portable ou serveur domestique peut héberger, expose une interface web propre, et transforme l’inférence Whisper locale en un service que toute la maison peut utiliser. Les enregistrements se synchronisent via le LAN, les transcriptions arrivent dans une bibliothèque consultable, et la diarisation est assez bonne pour les entrevues en tête-à-tête sans ajustement supplémentaire.
Où cela échoue : c’est un serveur, donc commencer c’est docker compose up, pas .dmg. Les utilisateurs qui n’exécutent pas Docker devraient choisir autre chose.
Tarification : Gratuit, sous licence MIT.
Plateformes : Tout ce qui exécute Docker (Windows, macOS, Linux).
Télécharger : Speakr GitHub
Conclusion : Le bon choix quand plus d’une personne sur le réseau a besoin de transcription. Exécutez-le sur la même boîte qui héberge Jellyfin ou Home Assistant.
5. Aiko — Meilleur pour les transcriptions rapides ponctuelles sur Mac
Aiko est ce qui se rapproche le plus d’une utilitaire de transcription gratuite sans compte sur le Mac App Store. Déposez un fichier, choisissez un modèle, regardez la transcription s’écouler. Pas de diarisation, pas de labels de locuteur, pas d’export sophistiqué, juste du texte propre avec horodatage que vous pouvez coller dans une application de notes.
Où cela échoue : macOS et iOS uniquement, et les choix de modèle n’atteignent pas large-v3. Quiconque a besoin de précision sérieuse devrait sauter cela et utiliser MacWhisper.
Tarification : Gratuit, aucun achat dans l’application.
Plateformes : macOS, iOS.
Télécharger : Aiko on the Mac App Store
Conclusion : Le bon choix pour les notes vocales et les entrevues courtes sur Mac. Pas le bon choix pour un flux de travail sérieux.
6. Buzz — Meilleure option de binaire unique multiplateforme
Buzz est fourni en tant qu’application à téléchargement unique qui s’exécute sur Windows, macOS et Linux avec la même interface. Il prend en charge la transcription en direct depuis le microphone, les travaux basés sur les fichiers et un mode API OpenAI intégré pour les utilisateurs qui veulent comparer les sorties locales et cloud côte à côte. La base de code est suffisamment petite pour être auditée en un après-midi.
Où cela échoue : pas de diarisation. Le mode direct coupe les phrases de manière peu utile sur les longs monologues.
Tarification : Gratuit, sous licence MIT.
Plateformes : Windows, macOS, Linux.
Télécharger : Buzz GitHub
Conclusion : Une bonne première installation sur une nouvelle machine Linux. Le chemin le plus rapide de « je veux une transcription locale » à une application qui fonctionne.
7. Whisper.cpp — Meilleur CLI sans tête pour scripts et serveurs
Whisper.cpp est le portage C++ qui alimente discrètement la moitié des applications ci-dessus. Il se compile en un seul binaire, n’a pas de runtime Python, et s’exécute sur tout, du Raspberry Pi 5 au M4 Max. Canalisez un fichier WAV, obtenez SRT ou VTT. La compilation CMake est maintenant livrée avec des binaires précompilés pour les grandes plateformes.
Où cela échoue : CLI pur. Pas de diarisation, pas d’interface graphique, pas de polissage d’application. Vous construisez le flux de travail autour vous-même.
Tarification : Gratuit, sous licence MIT.
Plateformes : Windows, macOS, Linux, BSD, partout avec un compilateur C++.
Télécharger : Whisper.cpp GitHub
Conclusion : Le bon choix pour les scripts de transcription dans les pipelines existants, pour les cas d’usage embarqués, et pour quiconque veut la surface d’attaque la plus petite et la plus auditable.
Comment choisir le bon
- Si vous voulez un remplacement Otter.ai auto-hébergé que toute la maison peut utiliser : Speakr.
- Si vous vivez sur macOS et voulez juste la meilleure application locale : MacWhisper.
- Si vous êtes sur Windows ou Linux et voulez une interface graphique propre : Vibe.
- Si vous avez besoin d’horodatages de diffusion et de locuteurs étiquetés : WhisperX.
- Si vous avez un vieux Mac et voulez juste des transcriptions occasionnelles : Aiko.
- Si vous voulez des scripts de transcription dans un plus grand pipeline : Whisper.cpp.
Questions fréquemment posées
Whisper peut-il remplacer Otter.ai ?
Pour les enregistrements en anglais uniquement avec un seul locuteur, oui. Pour les réunions multilocuteurs avec chevauchement, Whisper avec diarisation pyannote se rapproche mais traîne toujours derrière Otter sur l’étiquetage des locuteurs. L’écart s’est beaucoup resserré en 2025 et se resserre davantage à chaque version.
Quel matériel ai-je besoin pour exécuter la transcription locale ?
large-v3 s’exécute confortablement sur n’importe quel Mac Apple Silicon et sur n’importe quel GPU NVIDIA avec 8 Go ou plus de VRAM. L’inférence CPU uniquement fonctionne mais prend plus de temps que l’enregistrement. Pour la transcription de réunion à un rythme décontracté, un ordinateur portable vieux de cinq ans convient si vous choisissez small ou medium.
Quel modèle Whisper est le meilleur pour la précision ?
large-v3 est le modèle publié le plus précis. large-v3-turbo est une variante plus rapide avec une petite baisse de qualité que la plupart des utilisateurs ne remarqueront pas sur l’audio propre. Ignorez large-v2 au profit de v3 à moins que vous ayez une raison précise.
La transcription auto-hébergée peut-elle gérer l’audio dans d’autres langues que l’anglais ?
Whisper prend en charge près de 100 langues et est compétitif avec les services cloud sur les principales (espagnol, français, allemand, portugais, japonais, mandarin). La qualité baisse pour les langues avec moins de ressources, et l’anglais avec un fort accent des non-natifs trompe toujours tous les modèles locaux.
L’une de ces applications fonctionne-t-elle hors ligne après installation ?
Oui, complètement. Une fois les poids du modèle téléchargés, chaque application de cette liste s’exécute sans connexion réseau. C’est tout l’intérêt de l’auto-hébergement.
