Scriberr

Transcriptions horodatées au mot sur son propre serveur

Scriberr est un serveur de transcription audio écrit en Go, qu'on utilise depuis un navigateur. On lui confie un fichier audio ou vidéo, une URL YouTube ou un enregistrement fait dans l'interface, et il rend un texte horodaté au mot, locuteurs séparés si la diarisation est activée. Les modèles tournent sur la machine qui l'héberge. Son auteur l'a écrit pour ne plus payer la transcription en ligne de son enregistreur Plaud Note : 100 $ par an pour 20 heures par mois, 240 $ sans limite.

Meetily transcrit une réunion en direct sur l'ordinateur qui y assiste, et Murmure convertit la dictée en texte sur le poste. Scriberr travaille sur des enregistrements déjà faits.

Le comparatif des outils de transcription audio locale met en regard ce que chacun demande à la machine.

Trois moteurs locaux, deux modèles de diarisation

• Trois moteurs locaux : WhisperX (plus de 90 langues), Canary 1B v2 et Parakeet TDT 0.6B v3 de NVIDIA. Scriberr déclare Parakeet pour l'anglais seulement ; pour du français, restent WhisperX et Canary, qui savent aussi traduire vers l'anglais.
• Deux modèles de diarisation : PyAnnote, qu'on peut régler jusqu'à 20 locuteurs, ou Sortformer de NVIDIA, optimisé pour quatre voix.
• Lecture suivie mot à mot : le mot prononcé s'allume pendant la lecture, et Cmd/Ctrl + clic sur un mot y ramène l'audio. La transcription s'exporte en JSON, SRT ou TXT.
• Résumés et questions par LLM : Ollama en local ou une API compatible OpenAI.
• API REST et webhooks : clés d'API et callback_url appelée en fin de transcription, de quoi brancher n8n. Un client en ligne de commande envoie au serveur chaque nouveau fichier d'un dossier surveillé.

Accélération NVIDIA seulement, aucune version depuis décembre 2025

Seuls les GPU NVIDIA accélèrent la transcription. La documentation fournit une image Docker CPU, une image CUDA (GTX 10 à RTX 40) et une image à part pour les RTX 50. Aucune ne vise les cartes AMD, et sur macOS, Parakeet, Canary et PyAnnote s'installent avec PyTorch en version CPU. La documentation ne chiffre pas la mémoire ; le code recommande 2 Go pour WhisperX, 4 Go pour Parakeet, 8 Go ou plus pour Canary, avec un GPU « fortement » conseillé.

Le premier démarrage télécharge plusieurs gigaoctets. Chaque famille de modèles tourne dans un environnement Python que Scriberr installe au premier lancement, à part des données. Dans le journal d'exemple de la documentation, Parakeet pèse 2,3 Go et Canary 5,9 Go.

Un seul compte, et HTTPS attendu. L'inscription ne s'ouvre que tant qu'aucun utilisateur n'existe, et le mainteneur a confirmé en mars 2026 que plusieurs comptes ne sont pas pris en charge (ticket #433). En production, les cookies sont marqués Secure : servi en HTTP simple, Scriberr ne lit plus l'audio, sauf à poser SECURE_COOKIES=false.

Hugging Face pour PyAnnote, OpenAI en option. PyAnnote exige un compte Hugging Face, l'acceptation des conditions de ses modèles et un jeton, qui sert au téléchargement : selon la documentation, l'audio n'est pas envoyé. La transcription par l'API OpenAI et les résumés confiés à un fournisseur distant font, eux, sortir le contenu de la machine.

Pas de version depuis décembre 2025, et une réécriture annoncée. La v1.2.0 du 17 décembre 2025 est la dernière. Les commits suivants, jusqu'en mars 2026, ajoutent entre autres Voxtral Mini de Mistral, absent de toute version publiée. Le mainteneur, auteur de 636 des 828 commits, a suspendu le développement en mars 2026, puis annoncé sa reprise le 20 septembre. Dans la discussion #485, il envisage de reconstruire le moteur sur onnx-asr ou audio.cpp plutôt que de traiter les 21 pull requests ouvertes, et prévoit « probablement » des changements cassants. Le passage à la v1.2 en imposait déjà un : supprimer l'ancien environnement Python et séparer les volumes.