Effi/docs/JOURNAL-ESSAIS-TTS-STT.md

Journal des essais - Voix et Ouïe pour Effi (Avril 2026)

📋 Contexte

Objectif : Déployer TTS (Text-to-Speech) et STT (Speech-to-Text) sur folzo-Corp (Fedora, RX 7800 XT)

• TTS : openedai-speech (port 8100) ✅ Fonctionnel
• STT : Whisper avec speaches (port 8200) ❌ Problématique

Infrastructure :

• effi-server (192.168.1.27) : Open WebUI
• folzo-Corp (192.168.1.11) : Ollama + TTS/STT (Fedora, RX 7800 XT 16GB)

---

✅ SUCCÈS

1. TTS (openedai-speech) - FONCTIONNEL

Date : 05/04/2026 Statut : ✅ Opérationnel

Configuration :

Service: openedai-speech
Port: 8100
Image: ghcr.io/matatonic/openedai-speech:latest
Voix: Piper (anglais) + XTTS v2 (si fichiers .wav disponibles)
GPU: ROCm activé (RX 7800 XT)

Ce qui a marché :

• Image Docker précompilée disponible
• Configuration SELinux avec :Z pour les volumes
• Voix Piper (alloy, echo, etc.) fonctionnent en anglais
• Test réussi : curl http://localhost:8100/v1/audio/speech → fichier MP3 généré

Problème résolu :

• Permissions SELinux sur Fedora : ajout de :Z dans les volumes Docker
• Groupe utilisateur : user: "0:0" dans docker-compose

Limitation : Les voix sont en anglais. Pour le français, il faudrait :

• Télécharger des modèles Piper FR (fr_FR-siwis-medium)
• OU utiliser XTTS avec échantillons de voix FR

---

❌ ÉCHECS ET PROBLÈMES

1. STT avec speaches v0.8+ - BLOQUANT

Date : 05/04/2026 Statut : ❌ Non fonctionnel - Abandonné

Problème principal : Speaches v0.8+ introduit une vérification stricte des "model cards" (README.md) pour tous les modèles. Le modèle deepdml/faster-whisper-large-v3-turbo-ct2 (et Systran/faster-whisper-large-v3) ne contiennent pas ce fichier dans leur repository HuggingFace.

Erreur systématique :

HTTP error: 500: The model repository does not contain a valid model card. 
This is likely due to the breaking change introduce v0.8.0 release.

Tentatives effectuées :

1. Préchargement du modèle ❌

   • Téléchargement via Python dans le container réussi
   • Mais speaches ne le reconnaît pas comme "enregistré"

2. Enregistrement via API ❌

   • POST /v1/models → retourne "Not Found"
   • L'API a changé et la documentation est obsolète

3. Téléchargement README.md manuel ❌

   • Impossible d'accéder au cache HuggingFace dans le container
   • pip non disponible dans l'image speaches
   • Structure de dossiers complexe

4. Utilisation modèle Systran/faster-whisper-large-v3 ❌

   • Même erreur de "model card" manquante

5. Alias de modèle ❌

   • Non testé mais probablement même problème

Conclusion : speaches v0.8+ est incompatible avec les modèles faster-whisper standards. Nécessite soit :

• Des modèles avec README.md complet (rare)
• Une modification du code source de speaches
• Une version antérieure de speaches (< 0.8)

---

🔄 SOLUTIONS ALTERNATIVES À EXPLORER

Option 1 : whisper.cpp (Plus fiable, C++)

• Avantages : Rapide, stable, compatible ROCm (via OpenCL)
• Inconvénients : Nécessite compilation, moins d'abstraction
• Statut : À tester

Option 2 : faster-whisper serveur Python simple

• Avantages : Contrôle total, pas de dépendances complexes
• Inconvénients : Nécessite création d'un mini-serveur
• Statut : Solution de contournement possible

Option 3 : Version antérieure speaches (< 0.8)

• Avantages : Fonctionnait avant la v0.8
• Inconvénients : Pas de tag Docker clair pour versions anciennes
• Statut : À investiguer

Option 4 : Utiliser le STT intégré à openedai-speech

• Avantages : Déjà configuré, même stack
• Inconvénients : Moins performant que Whisper dédié
• Statut : À vérifier si c'est possible

Option 5 : Whisper ROCm natif (sans Docker)

• Avantages : Performance GPU maximale
• Inconvénients : Complexité installation ROCm
• Statut : À évaluer

---

📝 LEÇONS APRISES

1. Ne pas se fier aux dernières versions : speaches v0.8+ a des breaking changes majeurs
2. Vérifier la compatibilité des modèles : Les modèles HuggingFace doivent avoir un README.md complet pour speaches v0.8+
3. SELinux sur Fedora : Toujours utiliser :Z pour les volumes Docker
4. Documentation obsolète : Les docs de speaches ne reflètent pas les changements API v0.8+

---

🎯 PROCHAINES ÉTAPES RECOMMANDÉES

1. Rechercher la solution la plus stable actuellement :

   • whisper.cpp avec ROCm
   • Version speaches antérieure fonctionnelle
   • Alternative : Wyvern (anciennement faster-whisper-server)

2. Priorité : Fonctionnement > Performance

   • Même si c'est en CPU, tant que ça marche
   • Optimisation GPU secondaire

3. Documentation :

   • Tester une solution complète avant documentation
   • Vérifier chaque étape

---

Date de création : 05/04/2026
Dernière mise à jour : 05/04/2026