[M1] Implémenter `WhisperEngine` via subprocess whisper-cpp #5

New issue

Closed

opened 2026-04-06 01:33:12 +00:00 by charles · 0 comments

charles commented

2026-04-06 01:33:12 +00:00

Owner

Contexte

Moteur STT local principal. Invoque le binaire whisper-cpp en subprocess pour transcrire l'audio, sans dépendance réseau.

Critères d'acceptation

Struct WhisperEngine : binary_path: PathBuf, model_path: PathBuf, model_size: WhisperModel (Tiny/Base/Small/Medium/Large)
transcribe() : écriture audio dans tempfile → conversion WAV 16kHz mono via GStreamer → appel subprocess → parse JSON output
health_check() : vérifie l'existence du binaire et du modèle
supported_languages() : liste statique des langues Whisper
Gestion des erreurs : binaire absent, modèle absent, conversion audio échouée, timeout subprocess (60s max)
Test d'intégration avec un fichier WAV de test (voix synthétique courte)

Notes techniques

Dépend de : #4 (trait SttEngine)
Conversion audio via pipeline GStreamer (déjà dépendance GTK de Fractal)
Format intermédiaire : WAV PCM 16kHz mono (requis par whisper-cpp)
Sortie subprocess : JSON avec segments[].text et timestamps

## Contexte Moteur STT local principal. Invoque le binaire `whisper-cpp` en subprocess pour transcrire l'audio, sans dépendance réseau. ## Critères d'acceptation - [ ] Struct `WhisperEngine` : `binary_path: PathBuf`, `model_path: PathBuf`, `model_size: WhisperModel` (Tiny/Base/Small/Medium/Large) - [ ] `transcribe()` : écriture audio dans tempfile → conversion WAV 16kHz mono via GStreamer → appel subprocess → parse JSON output - [ ] `health_check()` : vérifie l'existence du binaire et du modèle - [ ] `supported_languages()` : liste statique des langues Whisper - [ ] Gestion des erreurs : binaire absent, modèle absent, conversion audio échouée, timeout subprocess (60s max) - [ ] Test d'intégration avec un fichier WAV de test (voix synthétique courte) ## Notes techniques - Dépend de : #4 (trait SttEngine) - Conversion audio via pipeline GStreamer (déjà dépendance GTK de Fractal) - Format intermédiaire : WAV PCM 16kHz mono (requis par whisper-cpp) - Sortie subprocess : JSON avec `segments[].text` et timestamps

charles added this to the Phase 1 — M1 Speech-to-Text milestone

2026-04-06 01:33:12 +00:00

charles added the

type:feature

module:M1-stt

priority:high

labels

2026-04-06 01:33:12 +00:00

charles referenced this issue

2026-04-06 01:33:26 +00:00

[M1] Pipeline audio : téléchargement MXC → conversion → transcription → cache SQLite #7

charles referenced this issue