# STT (Speech-to-Text) Research - Avril 2026

## Objectif
Évaluer les solutions STT pour intégrer Voxtral de Mistral ou améliorer faster-whisper.

---

## Solutions Évaluées

### 1. Voxtral STT (Mistral) ⭐ INTÉRÊT FUTUR

#### Caractéristiques
| Caractéristique | Valeur |
|-----------------|--------|
| **Modèle** | `mistralai/Voxtral-Mini-4B-Realtime-2602` |
| **Type** | Streaming ASR (Speech-to-Text) |
| **License** | Apache-2.0 ✅ |
| **Langues** | 13 |
| **VRAM** | ≥16GB (BF16) |
| **Source** | [Hugging Face](https://huggingface.co/mistralai/Voxtral-Mini-4B-Realtime-2602) |

#### Avantages
- ✅ OpenWebUI support natif via API Mistral
- ✅ Streaming avec latence configurable (80ms - 2400ms)
- ✅ Apache-2.0 license
- ✅ Peut tourner sur vLLM ou Transformers

#### Inconvénients
- ⚠️ 16GB VRAM minimum (BF16)
- ⚠️ Requiert configuration spéciale pour streaming

#### Configuration OpenWebUI (Cloud API)
```yaml
Speech-to-Text Engine: MistralAI
API Key: your-mistral-api-key
STT Model: voxtral-mini-latest
```

#### Alternative: Voxtral Mini Transcribe 2
| Modèle | Type | Description |
|--------|------|-------------|
| `voxtral-mini-transcribe-26-02` | Premier | Dernière version |
| `voxtral-mini-transcribe-realtime-26-02` | Open | Streaming temps réel |

---

### 2. Faster-Whisper (Actuel) 🔵 EN PRODUCTION

#### Caractéristiques
| Caractéristique | Valeur |
|-----------------|--------|
| **Modèle** | `Systran/faster-whisper-large-v3` |
| **Compute** | CPU (int8) |
| **Langue** | Français |
| **API** | Custom FastAPI (effi-stt) |
| **Port** | 8200 |

#### Avantages
- ✅ Fonctionne actuellement en production
- ✅ Gratuit (pas d'API key)
- ✅ Local (vie privée)
- ✅ Performance acceptable sur CPU

#### Inconvénients
- ⚠️ CPU only (plus lent que GPU)
- ⚠️ Utilisation effi-stt custom (à maintenir)

#### Setup Actuel
```yaml
# OpenWebUI Configuration
AUDIO_STT_ENGINE: openai
AUDIO_STT_OPENAI_API_BASE_URL: http://192.168.1.11:8200/v1
AUDIO_STT_OPENAI_API_KEY: anything
AUDIO_STT_MODEL: Systran/faster-whisper-large-v3
```

#### Code Source
`effi-stt/main.py` - FastAPI wrapper autour de faster-whisper

---

### 3. Whisper OpenAI API (Cloud)

#### Caractéristiques
| Caractéristique | Valeur |
|-----------------|--------|
| **Modèle** | whisper-1 |
| **Coût** | Payant (par minute) |
| **API Key** | OpenAI requise |

#### Configuration OpenWebUI
```yaml
Speech-to-Text Engine: OpenAI
API Key: your-openai-api-key
```

---

## Comparatif STT

| Critère | Voxtral (Cloud) | Faster-Whisper | Whisper (Cloud) |
|---------|------------------|----------------|-----------------|
| **Coût** | Per-minute | Gratuit | Payant |
| **Vie privée** | ❌ Cloud | ✅ Local | ❌ Cloud |
| **VRAM** | 16GB+ (si local) | 0 (CPU) | 0 |
| **OpenWebUI** | Natif | Custom API | Natif |
| **French** | ✅ | ✅ | ✅ |

---

## Recommandations

### Pour Usage Personnel (Actuel)
**Garder faster-whisper** car:
- Gratuit et local
- Fonctionne bien pour le français
- Pas de dépendance cloud

### Pour Amélioration Future
**Considérer Voxtral si:**
- OpenWebUI intègre le support natif local
- Vous avez un GPU avec ≥16GB VRAM disponible
- Vous voulez améliorer la qualité

---

## Notes Techniques

### Modèles Faster-Whisper Disponibles
| Modèle | Paramètres | Langues | Taille |
|--------|------------|---------|--------|
| tiny | 39M | 99 | ~75MB |
| base | 74M | 99 | ~150MB |
| small | 244M | 99 | ~500MB |
| medium | 769M | 99 | ~1.5GB |
| large-v3 | 1.56B | 99 | ~3GB |

### Configuration ACTUELLE
```python
# effi-stt/main.py
MODEL_SIZE = "large-v3"
DEVICE = "cpu"
COMPUTE_TYPE = "int8"
LANGUAGE = "fr"
```

---

## Sources
- [Voxtral Mini Transcribe](https://huggingface.co/mistralai/Voxtral-Mini-4B-Realtime-2602)
- [Faster-Whisper](https://github.com/SYSTRAN/faster-whisper)
- [OpenWebUI STT Docs](https://docs.openwebui.com/features/chat-conversations/audio/speech-to-text/)

---

*Document créé: Avril 2026*
*Dernière mise à jour: Avril 2026*