Banc d'essai — transcription et diarisation audio en local

Ce dossier porte les mesures ; banc/ porte le code qui les produit, et il est fait pour se rejouer à l'identique sur une autre machine.

Ce que tu cherches	Où
l'état cible, le protocole, les annexes intégrales	`PLAN/specs/SPEC-transcription-audio-locale.md`
le code du banc	`banc/`
les mesures datées	les fichiers `AAAA-MM-JJ_*.md` de ce dossier

Les sept piles que le banc mesure

Ce qui sépare les candidats, c'est la diarisation — pas la transcription. Le pilote mesurer_une_pile.py garde donc le même ASR, le même alignement mot à mot et le même regroupement pour tous, et ne fait varier que le diariseur : sans cela, on comparerait des chaînes entières sans jamais savoir d'où vient l'écart.

pile	diariseur	plafond de locuteurs	jeton HuggingFace
voie A — `parakeet-rs` (Rust)	Sortformer v2	4, en dur	non
voie A — binaire patché	Ultra-Sortformer 8spk	8	non
pilote — `onnx-asr`	`diarize` (WeSpeaker + spectral)	aucun	non
pilote — `onnx-asr`	`sherpa-onnx` (segmentation pyannote en ONNX)	aucun	non
pilote — `onnx-asr`	`pyannote` 3.1 (PyTorch)	aucun	oui
`achetronic/parakeet`	aucun	—	non
`loudpage/parakeet-v3-diarized`	pyannote (NeMo)	aucun	oui
Voxtral (API Mistral)	intégrée	—	— (clé Mistral)

sherpa et pyannote exécutent le même modèle de segmentation : le premier en ONNX sans rien demander, le second via PyTorch avec un jeton et l'acceptation de conditions sur un site tiers. Les deux sont là pour que le critère 4 de la spec — « installable sans friction » — soit mesuré, pas supposé.

Rejouer la campagne entière, sur n'importe quelle machine

Les scripts sont versionnés ; les poids (~4,5 Go), l'audio et les résultats bruts ne le sont pas. Le dossier de travail est un argument, jamais un chemin en dur : c'est ce qui permet de comparer deux machines.

# 1. deposer les scripts dans un dossier de travail hors depot
bash banc/installer_le_banc.sh ~/banc-transcription-travail
export DOSSIER_DE_TRAVAIL=~/banc-transcription-travail

# 2. monter les quatre conteneurs du banc (compose separe de celui du projet)
docker compose -f banc/docker-compose.banc.yml up -d

# 3. poids, audio, conversion 16 kHz mono, puis la transcription humaine
docker exec bench-asr2 bash -c 'cd /work && bash prepare.sh && python3 reference.py'

# 4. le binaire a huit locuteurs (une constante de la crate, voir le script)
docker exec bench-asr2 bash -c 'cd /work && cargo build --release'
docker exec bench-asr2 bash -c 'cd /work && bash preparer_ultra_sortformer.sh'

# 5. la campagne : toutes les piles, toutes les tranches, EN SERIE
bash banc/lancer_la_campagne.sh "decrire ce que faisait la machine"

# 6. le tableau comparatif, une ligne par (pile, tranche, machine)
docker exec bench-python bash -c 'cd /work && python agreger_la_campagne.py'

Compter environ deux heures de calcul pour trois tranches de 900 s, dont la moitié pour pyannote seul.

Les frictions d'installation, mesurées

Elles ne sont pas des anecdotes : le critère 4 les compte.

pile	ce qu'il a fallu
voie A (Rust)	Debian 13 obligatoire — ONNX Runtime réclame glibc ≥ 2.38
voie A à 8 locuteurs	recopier la crate et changer une constante (`NUM_SPEAKERS`)
`onnx-asr`	ajouter `config.json` et `nemo128.onnx`, que `prepare.sh` ne télécharge pas
`sherpa-onnx`	rien — `pip install`, deux modèles, aucun jeton
`pyannote`	quatre blocages successifs : `torchaudio ≥ 2.9` a retiré `AudioMetaData` ; la 4.x redirige vers un dépôt restreint (403 malgré un jeton valide) ; `huggingface_hub ≥ 1.0` a retiré `use_auth_token` ; `matplotlib` manquant
`loudpage`	aucun Dockerfile fourni ; `nemo_toolkit`, `lhotse`, `webdataset`, et `cuda-python` sur une machine sans GPU
`achetronic`	rien — une image, un port

Deux choses que `prepare.sh` ne fait pas

Il ne télécharge ni config.json ni nemo128.onnx — le préprocesseur mel à 128 bandes dont onnx-asr a besoin. Sans lui : Got: 80 Expected: 128.
Il télécharge le fp32 (2,4 Go) avant l'int8. Sur une liaison lente, c'est ce qui a arrêté la toute première session du chantier.

Ce que ces mesures ne peuvent pas dire