Aller au contenu principal
← Retour aux actualités

De 17 heures de vidéo à une seconde mémoire : transcription locale avec Whisper sur MLX

On-device et edge
Source:shramko.dev
Une expérience bien documentée : 67 vidéos d'un cours transcrites en local et hors ligne avec whisper-large-v3-turbo recompiled sur MLX pour la GPU du Mac — 17 heures de vidéo traitées en 34 minutes, sans qu'aucun byte ne quitte la machine.
Lire l'article original

Articles connexes

La voix locale : de Whisper au text-to-speech

Comment construire un pipeline de voix entièrement local : transcription avec Whisper, synthèse avec Piper ou Kokoro-82M, exigences matérielles et cas d'usage concrets.

L'IA locale sur Mac : le guide complet Apple Silicon

Mémoire unifiée, Ollama en trois commandes et les bons modèles selon votre Mac : tout pour lancer votre IA locale sur Apple Silicon.

Coûts : local vs API, avec les vrais chiffres

Combien coûte vraiment le local par rapport à une API cloud ? Tarifs par token vérifiés, amortissement de la carte graphique, électricité et point de rentabilité, calculé avec les vrais chiffres.

Recevez le prochain point IA locale

Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.

Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.

Ressources liées

Outils et ressources des archives iaLocale pertinents pour ce contenu.

🎧

Whisper Large-v3-Turbo

Modèles

Il modello di trascrizione di riferimento per l'IA locale: 809M di parametri, 99 lingue, licenza MIT. Versione distillata di Large-v3 con decoder ridotto da 32 a 4 layer: trascrive circa 8 volte più veloce con perdita di accuratezza trascurabile. Gira in tempo reale su una GPU consumer e anche solo su CPU.

⚡

faster-whisper

Inférence

Réimplémentation de Whisper basée sur CTranslate2 : jusqu'à 4 fois plus rapide qu'openai/whisper avec la même précision et moins de mémoire. Prise en charge de la quantification 8-bit sur CPU et GPU.

🎙️

whisper.cpp

Inférence

Il port C/C++ ad alte prestazioni di Whisper: trascrizione vocale in locale ottimizzata per CPU e Apple Silicon, senza dipendenze da Python. Quantizzazione GGML (Q4_0–Q8_0) con riduzione fino al 65% a disco, streaming via whisper-stream, accelerazione Metal/Vulkan. MIT.

Kandinsky 6.0 Video

Modèles

Les modèles fondateurs de Kandinsky Lab pour la génération synchronisée de vidéo et d'audio : à partir d'un prompt, ils génèrent des clips vidéo avec audio aligné, publiés en poids ouverts. Premier papier de la journée sur Hugging Face (2026-10-06), avec points de contrôle et Spaces déjà disponibles.

Parcourir toutes les ressources