Buzz

Buzz est un logiciel gratuit et open source qui transcrit vos fichiers audio et vidéo directement sur votre ordinateur, sans les envoyer sur Internet. Il s’appuie sur Whisper, le modèle de reconnaissance vocale d’OpenAI, et fonctionne sur Windows, Mac et Linux. Pas de compte, pas d’abonnement, pas de limite de minutes : la seule question, c’est quel modèle votre ordinateur peut faire tourner, et je vous montre plus bas la différence que ça fait sur un vrai texte français.

Ce que fait Buzz aujourd’hui

Buzz, c’est un vrai atelier de transcription :

• Des fichiers audio et vidéo, ou un lien YouTube, transcrits dans plus de 90 langues, avec export en TXT, SRT ou VTT (les deux derniers sont les formats de sous-titres que lisent les lecteurs vidéo et YouTube).
• Le micro en direct, avec une fenêtre de présentation pensée pour afficher le texte pendant une conférence.
• La traduction vers l’anglais, en plus de la transcription dans la langue d’origine.
• Un visualiseur qui aligne chaque phrase sur son minutage, avec lecture de l’audio, recherche dans le texte et réglage de la vitesse.
• L’identification des intervenants et l’isolation de la voix quand le fond sonore est bruyant.
• Un dossier surveillé : vous y déposez un fichier, Buzz le transcrit tout seul. Et une ligne de commande pour ceux qui veulent l’automatiser.

Côté moteurs, vous avez le choix entre Whisper, Whisper.cpp, Faster Whisper, les modèles compatibles de Hugging Face et l’API d’OpenAI. Pardon pour la liste un peu technique : retenez simplement que les quatre premiers tournent chez vous, et que seule l’API d’OpenAI envoie votre audio en ligne.

Mon test : La Cigale et la Fourmi, deux modèles

Pour juger une transcription, il faut un texte dont on connaît chaque mot. J’ai donc pris un enregistrement libre de droits de « La Cigale et la Fourmi », lu en français, et je l’ai donné deux fois à Buzz, langue réglée sur le français : d’abord avec Small, un modèle léger, puis avec Large-v3-turbo, l’un des plus gros. Le tout sur un processeur puissant mais sans carte graphique : sur un portable modeste, comptez plus long.

Avec Small, le sens de la fable passe, mais on sent vite qu’aucun correcteur n’est passé par là. La cigale devient une « sigale », la fourmi une « fourmille », « c’est là son moindre défaut » se transforme en « c’est-à-ça au moindre défaut », et le fameux « j’en suis fort aise. Eh bien ! dansez maintenant » donne « j’en suis fortais et bien, danser maintenant ». Même l’auteur y passe : « J’en de la fontaine ». Pour retrouver un passage dans un enregistrement, ça suffit ; pour un texte à publier, c’est une relecture complète.

Avec Large-v3-turbo, changement d’ambiance. Cigale, fourmi et Jean de La Fontaine sont bien écrits, les vers sont regroupés en phrases entières, et il ne reste qu’une poignée de fautes : « ayant chantée », « foi d’animal » devenu « foie d’animal » (la cigale a faim, on la comprend), « empreinteuse » pour « emprunteuse », « ne vous déplaisent » et « fort haise », sans compter le « et » perdu d’« intérêt et principal ». Honnêtement, pour une fable du XVIIᵉ siècle lue avec des mots que plus personne n’emploie, c’est un bon résultat. Et malgré l’absence de carte graphique, chacun des deux modèles a rendu sa copie en moins de temps que ne dure l’extrait ; Large-v3-turbo a simplement mis environ deux fois plus longtemps que Small.

Ce que j’en retiens : ne restez pas sur un petit modèle par habitude. Si votre ordinateur le supporte, le gros modèle fait gagner plus de temps en relecture qu’il n’en coûte en calcul. Et, par prudence, réglez la langue sur le français plutôt que de laisser Buzz la deviner.

Quel modèle choisir

Chaque modèle se télécharge la première fois que vous l’utilisez, puis il reste sur votre disque. C’est le seul moment où Buzz a besoin d’Internet pour transcrire un fichier en local.

Installer Buzz et transcrire un fichier

1. Téléchargez Buzz depuis sa page GitHub (bouton « Ouvrir » de cette fiche), qui renvoie vers les fichiers d’installation. Sous Windows, prenez l’installateur ; il n’est pas signé, donc Windows affiche un avertissement : cliquez sur « Informations complémentaires », puis « Exécuter quand même ». Sur Mac, c’est un fichier .dmg ; les Mac Intel sont encore pris en charge, mais le projet annonce que la suite sera réservée aux Mac à puce Apple. Sous Linux, Buzz existe en Flatpak, en Snap et en AppImage.
2. Ouvrez Buzz et cliquez sur « + » pour importer un fichier audio ou vidéo (le bouton en forme de chaîne sert aux liens, le micro à la transcription en direct).
3. Choisissez la tâche (transcrire, ou traduire vers l’anglais), la langue (le français) et le modèle. Si c’est la première fois, Buzz télécharge le modèle avant de commencer.
4. Attendez que le statut passe à « Completed », puis double-cliquez sur la ligne pour ouvrir la transcription.
5. Relisez dans le visualiseur (vous pouvez réécouter chaque passage) et exportez en TXT pour le texte, ou en SRT ou VTT pour des sous-titres.

Hors ligne : ce que ça change pour vos fichiers

C’est à mes yeux le vrai argument de Buzz. Un entretien d’embauche enregistré, une consultation, une réunion interne, un cours que vous n’avez pas le droit de diffuser : ce sont des fichiers que beaucoup de gens hésitent à téléverser sur un service en ligne. Avec Buzz et un moteur local, l’audio reste sur votre machine du début à la fin. La contrepartie, c’est que tout le calcul se fait chez vous : sur un portable ancien, un long enregistrement avec un gros modèle peut prendre du temps, et le ventilateur vous le fera savoir. 🎧