# 🎙️ Effi-STT

> Speech-to-Text API compatible OpenAI pour Effi
> Solution maison avec faster-whisper

## 🎯 Objectif

Fournir une API STT (Speech-to-Text) 100% compatible avec l'API OpenAI, fonctionnant parfaitement avec Open WebUI.

## ✅ Caractéristiques

- **API OpenAI 100% compatible** - Endpoints `/v1/audio/transcriptions` et `/health`
- **Basé sur faster-whisper** - Rapide et efficace
- **Support multi-langues** - Français, anglais, et 99+ langues
- **Dockerisé** - Déploiement simple avec Docker Compose
- **Extensible** - Code propre et modulaire

## 🚀 Installation rapide

### Prérequis

- Docker et Docker Compose
- ~3GB d'espace disque (pour le modèle large-v3)

### Déploiement

```bash
# Cloner ou copier le dossier effi-stt
cd effi-stt

# Builder et démarrer
sudo docker compose up -d --build

# Attendre le téléchargement du modèle (3-5 min)
echo "⏳ Téléchargement du modèle..."
sleep 180

# Vérifier les logs
sudo docker logs effi-stt --tail 20

# Tester
curl http://localhost:8200/health
curl -X POST http://localhost:8200/v1/audio/transcriptions \
  -F "file=@test.mp3" \
  -F "language=fr"
```

## ⚙️ Configuration

### Variables d'environnement

| Variable | Défaut | Description |
|----------|--------|-------------|
| `MODEL_SIZE` | `large-v3` | Taille du modèle (tiny, base, small, medium, large-v3) |
| `DEVICE` | `cpu` | Device (cpu, cuda, auto) |
| `COMPUTE_TYPE` | `int8` | Type de calcul (int8, float16, float32) |
| `LANGUAGE` | `fr` | Langue par défaut |
| `CPU_THREADS` | `4` | Nombre de threads CPU |
| `PORT` | `8200` | Port d'écoute |
| `HOST` | `0.0.0.0` | Host d'écoute |

### Modèles disponibles

| Modèle | Taille | Qualité | Vitesse |
|--------|--------|---------|---------|
| `tiny` | 39 MB | Basse | Très rapide |
| `base` | 74 MB | Moyenne | Rapide |
| `small` | 244 MB | Bonne | Modérée |
| `medium` | 769 MB | Très bonne | Lente |
| `large-v3` | 3.1 GB | Excellente | Très lente |

## 🔧 Configuration Open WebUI

```yaml
Admin Panel → Settings → Audio

STT:
  Engine: OpenAI
  URL: http://192.168.1.11:8200/v1
  Model: whisper-1
  Language: fr
```

## 🧪 Tests

```bash
# Test health
curl http://localhost:8200/health

# Test transcription
curl -X POST http://localhost:8200/v1/audio/transcriptions \
  -F "file=@audio.mp3" \
  -F "language=fr" \
  -F "response_format=json"

# Test avec format texte
curl -X POST http://localhost:8200/v1/audio/transcriptions \
  -F "file=@audio.mp3" \
  -F "language=fr" \
  -F "response_format=text"
```

## 📁 Structure du projet

```
effi-stt/
├── main.py              # Serveur FastAPI
├── Dockerfile           # Image Docker
├── docker-compose.yml   # Configuration Docker Compose
├── requirements.txt     # Dépendances Python
└── README.md           # Documentation
```

## 🚀 Améliorations futures (TODO)

- [ ] Support GPU ROCm pour AMD
- [ ] Streaming des résultats (transcription en temps réel)
- [ ] Support du format SRT/VTT avec timestamps
- [ ] Endpoint de détection de langue
- [ ] Métriques et monitoring (Prometheus)
- [ ] Support de la traduction (transcribe + translate)

## 📝 Notes

- Le modèle est téléchargé automatiquement au premier démarrage
- Le cache est persisté dans un volume Docker
- En CPU sur Intel J5040: ~5-10s pour 5s d'audio avec large-v3

## 🏗️ Développement

```bash
# Mode développement (hors Docker)
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python main.py

# Build Docker manuel
sudo docker build -t effi-stt:local .
sudo docker run -p 8200:8200 effi-stt:local
```

---

**Créé avec ❤️ pour Effi**