🎤 Vocalinux!

Ce matin j’ai découvert un petit micro🎙️dans le coin en bas à gauche sur mon GSM Samsung. Il apparaît chaque fois que je dois taper du texte quelque part. Je ne sais pas pourquoi mais, aujourd’hui, je me suis dit tout d’un coup: “tiens? je vais essayer”…

J’avais déjà fait quelques tests auparavant, mais je n’avais pas été très satisfait du résultat des retranscriptions Speech to Text. Il fallait souvent tout recorriger une fois que le texte était écrit… Ça demandait plus de travail que d’écrire directement. Pareil pour l’écriture au stylet, c’était bien joli mais ça ne fonctionnait pas bien.

Eh bien, c’est terminé ce temps-là: ce n’est plus du tout le cas! 🥳

Arrivé au bureau, j’ouvre mon ami ChatGPT et je lui demande comment faire pour installer tout ça sur mon PC. Il m’explique déjà que sous Windows, la commande Windows + H permet d’avoir déjà de la retranscription ce que je ne savais pas. C’est assez basique, c’est pas très pratique, c’est lent mais ça fait le travail.

Sous Linux il me parle d’OpenWhispr et de Vocalinux, deux applications dont je n’avais jamais entendu parler. Il s’agit de deux programmes de retranscription d’échantillons vocaux qui peuvent se baser tous les 2 sur une sorte de “moteur” qui s’appelle Whisper, un outil/format d’OpenAI (je n’ai pas creusé…). ChatGPT me dit que je préférerai certainement utiliser Vocalinux car c’est plus pour les geeks comme moi (il me connaît bien). Il me dit que je peux commencer par utiliser directement whisper.cpp qui est un moteur speech-to-text open-source qui peut tourner localement sur ma machine. J’essaye donc d’installer whisper.cpp. C’est très facile et, en ligne de commande, je peux facilement retranscrire des fichiers wav, ou ce qui sort de mon micro. Ça marche plutôt bien, même avec le modèle nommé “small”.

Je me lance ensuite dans l’installation de Vocalinux. ChatGPT me propose toute une série de commandes assez bas niveau mais je vois directement sur le site web de Vocalinux qu’on peut l’installer en une seule ligne de commande! Je l’exécute et hop, après quelques questions basiques, tout est configuré.

Il suffit alors de lancer Vocalinux qui apparait maintenant dans la liste des programmes de la machine, de presser 2x la touche Control, parler et terminer en pressant à nouveau 2x Control. Le texte est inséré automatiquement dans n’importe quelle application de la machine sous le curseur! C’est complètement dingue.

Encore plus dingue: on peut choisir la langue. Et donc si je choisis “espagnol” mais que je parle en français, la phrase est automatiquement retranscrite en espagnol sous mon curseur!

Je commence alors à faire des essais un petit peu partout. Mes premiers consistent évidemment à communiquer mon émerveillement à mes contacts WhatsApp, … qui s’empressent d’installer ça sur leur GSM!

Répondre à des mails devient un jeu d’enfant. Répondre à des messages Teams, facebook ou autre se fait maintenant quelques secondes… Quel confort!

Alors, évidemment, il faut repasser un peu sur le texte qui est généré si on veut un texte publiable. Ce n’est pas parfait, mais la qualité est déjà exceptionnelle et tout à fait satisfaisante pour du “chat”. Et puis, peut-être qu’avec d’autres modèles plus gros, il y aurait même moyen d’avoir une qualité encore meilleure?

Ce système va vraiment me changer la vie. Je vais pouvoir communiquer des prompts aux intelligences artificielles de manière vraiment très très rapide. C’était souvent ça qui me limitait: je ne prenais pas le temps d’écrire tout ce que j’avais en tête lorsque j’interrogeais des IA.

Autre application que je vois: simplement faire un rapide résumé d’une réunion de travail qui vient se passer. Il n’est pas rare que je passe une demi-heure, voire une heure, après une réunion, à synthétiser tout ce qui a été dit, à remettre ça en page, à restructurer…. Dans le futur ça va être fait en quelques minutes. Il n’y aura plus qu’un repassage rapide sur la forme et tout sera terminé.

Les possibilités sont vraiment illimitées. Je ne compte pas toutes les applications dans lesquelles je pourrai utiliser ce genre de technologie.

Demain je testerai Handy qui est l’équivalent sous Windows.

Notes après quelques jours d’utilisation

Utiliser speech-to-text est vraiment un game changer comme on dit (je parle comme sur LinkedIn 😁). Ça apporte un vrai boost dans ma façon de travailler comme je n’ai jamais connu. Ou plutôt: …comme je suis en train de connaître aussi avec les agents IA pour coder (Codex, Copilot).

J’ai donc installé Handy sur Windows et ça marche extrêmement bien, peut-être même mieux que vocalinux (en fait c’est très similaire). J’ai utilisé le moteur Parakeet au lieu de whisper. Ce moteur est mis en avant par Handy. Et c’est vrai qu’il marche extrêmement bien. La vitesse est incroyable. Du moins avec ma carte graphique.

Je me dis tout le temps que le speech-to-text m’offre des possibilités infinies. Je me rends compte aujourd’hui (et uniquement aujourd’hui) à quel point j’étais bloqué par le fait de ne pas exprimer facilement mes idées sur papier. Ecrire rapidement un mail, écrire un prompt, mettre sur papier ce qui me passe par la tête, … Auparavant je ne sélectionnais que le plus important et je laissais tomber le reste. Même ce blog me semblait un vrai travail. Aujourd’hui ça ne l’est plus. Je vais ouvrir une page et simplement parler devant mon écran.

Je me demande aussi: puisque la vitesse d’écriture est un problème, est-ce que j’aurais dû apprendre à écrire à la machine à écrire avec mes dix doigts quand j’étais petit? Ah ah, peut-être. Ça m’aurait permis d’avoir cette facilité au début de ma carrière jusqu’à maintenant. Mais aujourd’hui ça ne servirait plus à rien!

Je suis d’un côté surexcité à l’idée de tout ce que je peux faire. Et d’un autre côté, je suis apaisé parce que je me dis que je vais pouvoir faire tout ça à partir de maintenant. Le temps devant moi, qui me semblait trop court, s’est maintenant complètement ralenti. En fait, je me rends compte que beaucoup de tâches me semblaient compliquées parce qu’il fallait écrire beaucoup! Aujourd’hui qu’il n’y a plus cette barrière, beaucoup de tâches deviennent faisables, même quand je suis fatigué!

Et le fait que j’ai ce système sur tous mes appareil que j’utilise, téléphone compris, est très confortable. J’envisage par exemple d’utiliser d’utiliser beaucoup plus Notion à partir d’aujourd’hui. Pareil pour ce blog qui risque d’être beaucoup plus enrichi qu’avant!