Technologies utilisés

• Whisper (OpenAI)
  • Wisper.cpp
• FFmpeg

Méthodologie

• Modèle utilisé: large-v3 — (anciennement large-v2)
• Le transcoding se fait actullement sur un MacBook (M2 Pro).
  • La fork utilisé (Whisper.cpp) est optimisé pour Core ML ce qui augmente énormément la performance, voir plus bas dans les benchmarks.
• FFmpeg est utilisé pour convertir le fichier audio de MP4 → WAV.

Limitations

• Aucune pour l’instant à part le fait de monopoliser mon pauvre MacBook. 😅

Benchmarks

• MacBook Pro (Intel Quad i5) 16GB → 5x
  • Le temps de transcription est donc 5x plus long que la durée du fichier audio.
• MacBook Air M1 8GB → 0.7x
  • Le temps de transcription est donc 30% moins long que la durée du fichier audio.
• MacBook Pro (M2) 32GB → 0.5x
  • Le temps de transcription est donc 50% moins long que la durée du fichier audio.