Whisper en local sur Mac : ce qu'il exige, ce qu'il coûte et comment l'exécuter

Par · Publié le

Whisper en local veut dire exécuter le modèle de reconnaissance vocale Whisper d'OpenAI sur votre propre Mac, pour que votre audio devienne du texte sur la machine plutôt que sur un serveur quelque part. Sur un Mac, le moteur à connaître est whisper.cpp, qui traite la puce Apple en citoyen de première classe, et la décision qui compte est le fichier du modèle : les gros modèles entendent mieux et prennent plus d'espace disque et de mémoire.

J'explique comment les pièces s'assemblent, ce que coûte chaque taille de modèle d'après les chiffres de whisper.cpp lui-même, les commandes pour l'exécuter vous-même, et la place de YapToText. J'ai créé YapToText, une app gratuite qui exécute whisper.cpp avec le fichier standard Whisper Large v3 Turbo (Q5) : pesez donc cette partie en le sachant. Si vous voulez seulement savoir s'il existe une app Whisper pour Mac, la page sur l'app Whisper pour Mac y répond.

Télécharger YapToText dans le Mac App StoreTéléchargement gratuit. Sans compte, sans rien de verrouillé, pour macOS 14 ou ultérieur sur un Mac avec puce Apple. Code source sur GitHub.

Ce guide dans d'autres langues : English, العربية, Čeština, Dansk, Deutsch, Ελληνικά, Español, Suomi, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Norsk, Nederlands, Polski, Português, Română, Русский, Slovenčina, Svenska, ไทย, Türkçe, Українська, Tiếng Việt, 简体中文, 繁體中文

Sur cette page : 11 sections
  1. Étapes
  2. Connaître les trois pièces de Whisper en local
  3. Choisir un modèle selon l'espace disque et la mémoire
  4. Exécuter Whisper vous-même avec whisper.cpp
    1. Étape 1 : récupérer le code et un modèle
    2. Étape 2 : le compiler et transcrire l'exemple
    3. Étape 3 : convertir d'abord votre propre audio
    4. Ou utiliser le paquet Python d'OpenAI
  5. Utiliser le même modèle dans YapToText sans Terminal
  6. Si Whisper en local est lent ou vous comprend mal
  7. Ce que Whisper en local ne change pas
  8. En bref
  9. Guides
  10. Autres guides, en anglais
  11. Questions

Étapes

  1. Clonez le dépôt whisper.cpp depuis GitHub et ouvrez son dossier dans le Terminal.
  2. Téléchargez un modèle avec le script download-ggml-model.sh du projet, comme large-v3-turbo-q5_0.
  3. Compilez le projet avec CMake, avec les deux commandes cmake de son README.
  4. Convertissez votre enregistrement en fichier WAV 16 bits, par exemple avec ffmpeg.
  5. Lancez whisper-cli avec votre fichier de modèle et votre fichier WAV, et lisez la transcription dans le Terminal.

Connaître les trois pièces de Whisper en local

Whisper en local a trois pièces, et les trois se trouvent sur votre Mac. Le modèle est un fichier, le moteur l'exécute, et votre audio n'a jamais besoin de quitter la machine.

  • Le modèle. Whisper est le modèle de reconnaissance vocale d'OpenAI, et OpenAI a publié son code et les poids du modèle sous licence MIT. Vous téléchargez un fichier de modèle une seule fois, et c'est ce fichier qui écoute.
  • Le moteur. whisper.cpp est une implémentation de Whisper en C et C++ pur, elle aussi sous licence MIT. Son README décrit la puce Apple comme un citoyen de première classe, optimisé par ARM NEON, Accelerate, Metal et Core ML, et indique que sur puce Apple l'inférence s'exécute entièrement sur le GPU via Metal. Le paquet d'OpenAI lui-même exécute Whisper depuis Python.
  • Votre audio. Un enregistrement ou votre micro entre, et du texte sort. Internet n'est nécessaire que pour télécharger le fichier du modèle au départ.

C'est ce qui le distingue d'un service cloud : rien n'est envoyé pour être transcrit. Cela veut aussi dire que votre Mac fait le travail, et que le modèle choisi décide donc de la mémoire et de l'espace disque que ce travail demande.

Affiche de l'App Store intitulée Nothing leaves your Mac, au-dessus de la page AI Models de YapToText où les deux modèles sont marqués Included.
Figure 1. Le modèle et le moteur sur une seule ligne dans YapToText : Whisper Large v3 Turbo (Q5), d'OpenAI, exécuté par whisper.cpp, 574 MB et marqué Included.

Choisir un modèle selon l'espace disque et la mémoire

whisper.cpp publie ce que chaque modèle prend sur le disque et en mémoire, et OpenAI publie le nombre de paramètres de chacun. Turbo est la version plus rapide de large-v3 d'OpenAI, et son fichier 5 bits prend environ un cinquième de l'espace disque de large.

Vérifié le 3 octobre 2026, dans le README et la liste de modèles de whisper.cpp et dans le README de Whisper d'OpenAI.

ModèleParamètres (OpenAI)Fichier sur le disque (whisper.cpp)Mémoire (whisper.cpp)
tiny39 M75 MioEnviron 273 Mo
base74 M142 MioEnviron 388 Mo
small244 M466 MioEnviron 852 Mo
medium769 M1,5 GioEnviron 2,1 Go
large (v1, v2 ou v3)1550 M2,9 GioEnviron 3,9 Go
large-v3, 5 bits (q5_0)large-v3 quantifié1,1 GioNon indiqué
large-v3-turbo809 M1,5 GioNon indiqué
large-v3-turbo, 5 bits (q5_0)turbo quantifié547 MioNon indiqué

Mio et Gio comptent par pas de 1 024 : le fichier turbo de 547 Mio de la liste de whisper.cpp est donc le même fichier que YapToText affiche à 574 MB. C'est ainsi que deux pages honnêtes peuvent donner 547 et 574 pour un même fichier et avoir toutes deux raison. Le tableau de mémoire de whisper.cpp couvre les cinq tailles d'origine et ne donne aucun chiffre pour turbo ni pour les fichiers quantifiés.

La page AI Models de YapToText : Whisper Large v3 Turbo (Q5) et Phi-3.5 Mini Instruct marqués Included, bibliothèque de modèles en dessous.
Figure 2. YapToText affiche les tailles en MB, ce qui explique que le fichier turbo listé à 547 MiB par whisper.cpp s'affiche ici à 574 MB, avec les autres modèles Whisper listés en dessous.

Quelques remarques de plus tirées des deux projets :

  • Les modèles réservés à l'anglais. tiny, base, small et medium existent aussi en fichiers .en de même taille qui n'entendent que l'anglais. OpenAI indique qu'ils ont tendance à mieux faire pour l'anglais, surtout tiny.en et base.en, et que la différence se réduit pour small.en et medium.en.
  • Les modèles quantifiés. Les fichiers qui se terminent par q5_0 sont quantifiés. whisper.cpp indique que les modèles quantifiés demandent moins de mémoire et d'espace disque et, selon le matériel, peuvent être traités plus efficacement.
  • Turbo. OpenAI le décrit comme une version optimisée de large-v3 avec une transcription plus rapide et une dégradation minimale de la précision, et l'évalue à environ 8 fois la vitesse de large. Ce rapport a été mesuré sur un A100, pas sur un Mac, et OpenAI indique que turbo n'est pas entraîné pour la traduction.
  • Les langues. OpenAI indique que les performances de Whisper varient fortement selon la langue.
  • La colonne mémoire d'OpenAI. Le README d'OpenAI liste à la place la VRAM requise pour son paquet Python : environ 1 Go pour tiny et base, environ 6 Go pour turbo et environ 10 Go pour large. Ce ne sont pas des chiffres de whisper.cpp.

J'ai choisi le fichier turbo 5 bits pour YapToText parce que, sur mes propres dictées, il entendait presque exactement ce qu'entendait le modèle complet, avec un tiers de la mémoire. Ce sont les dictées d'une seule personne, pas un banc d'essai : essayez donc deux tailles avec votre propre voix avant de décider.

Exécuter Whisper vous-même avec whisper.cpp

Exécuter whisper.cpp vous-même demande le Terminal et les deux outils que supposent les commandes de son README, Git et CMake. Ce sont les commandes du README lui-même, avec le modèle remplacé par le fichier turbo 5 bits. Vous obtenez la transcription d'un fichier audio dans le Terminal, pas des mots écrits dans vos apps.

Étape 1 : récupérer le code et un modèle

Terminal : Clonez whisper.cpp et téléchargez le modèle turbo 5 bits.

git clone https://github.com/ggml-org/whisper.cpp.git
cd whisper.cpp
sh ./models/download-ggml-model.sh large-v3-turbo-q5_0

Ce qui se passe : Le projet arrive dans un dossier whisper.cpp, et le script télécharge ggml-large-v3-turbo-q5_0.bin depuis Hugging Face dans son dossier models. Remplacez par base.en ou small pour un téléchargement plus léger.

Étape 2 : le compiler et transcrire l'exemple

Terminal : Compilez whisper-cli, puis lancez-le sur l'enregistrement d'exemple fourni avec le projet.

cmake -B build
cmake --build build -j --config Release
./build/bin/whisper-cli -m models/ggml-large-v3-turbo-q5_0.bin -f samples/jfk.wav

Ce qui se passe : CMake compile le projet, et whisper-cli transcrit l'exemple avec le modèle que vous avez téléchargé et affiche le texte dans le Terminal.

Étape 3 : convertir d'abord votre propre audio

Le README indique que whisper-cli ne fonctionne actuellement qu'avec des fichiers WAV 16 bits, et il donne une commande ffmpeg pour convertir tout le reste. ffmpeg s'installe séparément.

Terminal : Transformez un MP3 au format WAV que lit whisper-cli.

ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav

Ce qui se passe : ffmpeg écrit output.wav en audio mono 16 kHz 16 bits, que vous donnez ensuite à whisper-cli après -f.

Ou utiliser le paquet Python d'OpenAI

Terminal : Installez le paquet d'OpenAI lui-même, si vous préférez travailler en Python.

pip install -U openai-whisper

Ce qui se passe : pip installe la commande whisper. Le README d'OpenAI indique que le code devrait fonctionner avec Python 3.8 à 3.11, qu'il exige ffmpeg, et que son modèle par défaut est turbo.

Pour la parole en direct, whisper.cpp inclut whisper-stream, qui échantillonne votre micro toutes les demi-secondes et transcrit en continu. Il exige SDL2, et le README le qualifie d'exemple naïf. Faire arriver les mots dans Mail, Slack ou votre éditeur, c'est la partie qu'ajoute une app.

Utiliser le même modèle dans YapToText sans Terminal

YapToText exécute le même moteur et le même fichier sans fenêtre de Terminal : une copie de whisper.cpp intégrée à l'app avec Metal et Accelerate, et ggml-large-v3-turbo-q5_0.bin dans le téléchargement de l'App Store. Son SHA-256 correspond à celui du fichier sur Hugging Face : c'est donc le modèle standard, pas un modèle ajusté ou réentraîné. J'ai créé l'app parce que taper au clavier m'est difficile, et que je voulais que Whisper écrive dans toutes les apps au lieu d'afficher dans une fenêtre de Terminal. C'est le fichier que télécharge le script. Ce qui change, c'est tout ce qu'il y a autour.

Affiche de l'App Store intitulée Yap it. Bam. It's typed. au-dessus de la fenêtre d'accueil de YapToText et des trois dispositions du panneau flottant.
Figure 3. Le même fichier Whisper sans Terminal : les mots se forment dans le panneau flottant pendant que vous parlez et arrivent au curseur dans l'app qui est devant.

Voici ce que l'app ajoute autour du modèle :

  • De la mémoire rendue. Sur la page Energy, Keep models in memory décide combien de temps un modèle reste chargé après une dictée : 2 minutes après l'utilisation par défaut, avec des choix allant de Only while dictating à Until quit. Décharger plus tôt économise de l'énergie et de la mémoire, et la dictée qui suit un déchargement prend quelques secondes de plus.
  • De la place pour macOS. Quand macOS manque de mémoire, YapToText abandonne aussitôt ses modèles chargés et attend cinq minutes avant de les réchauffer.
  • Un modèle plus léger sur batterie. Switch models with the power source, désactivé par défaut, donne au modèle de dictée et au modèle de mise au propre un choix branché et un choix sur batterie.
  • Votre propre fichier. Sous Your own models sur la page AI Models, Add Model accepte n'importe quel fichier .bin GGML de whisper.cpp : un modèle téléchargé avec le script convient donc aussi. L'app lit le fichier pour savoir ce que c'est et rejette tout le reste.
  • Les chiffres de votre Mac. La carte This Mac de la page Energy affiche votre puce et votre mémoire, qui sont les chiffres à comparer au tableau ci-dessus.

La Dictation Model Library de la page AI Models contient dix autres modèles Whisper, de Tiny à Large v3, chacun avec la taille que l'app affiche. Le guide des modèles d'IA les liste, et le guide de l'énergie explique les réglages de mémoire. Le téléchargement de l'App Store pèse environ 2,9 Go parce que les deux modèles de l'app y sont inclus. La version Homebrew pèse environ 12 Mo et exige le téléchargement d'un modèle de reconnaissance vocale avant sa première dictée.

Si Whisper en local est lent ou vous comprend mal

Commencez par les solutions peu coûteuses avant de télécharger un modèle plus gros. Réglez le micro et les mots avant de changer de modèle.

  1. Patientez pendant le premier lancement. Un modèle doit se charger avant de transcrire. Dans YapToText, la première dictée après le lancement prend un instant. Si vous avez compilé whisper.cpp avec Core ML, son README indique que le premier lancement sur un appareil est lent pendant que le service du Neural Engine compile le modèle.
  2. Réglez la langue que vous parlez. Le sélecteur Language de YapToText sur la page AI Models démarre sur la langue système de votre Mac, et une langue que Whisper ne peut pas utiliser revient à la détection automatique. La page des langues liste les 29.
  3. Réglez le micro. Les micros Bluetooth sont de qualité téléphone : le micro du Mac lui-même entend donc mieux. Dans YapToText, choisissez-le dans le sélecteur Input du panneau de la barre des menus.
  4. Apprenez-lui vos mots. La page Dictionaries de YapToText amorce Whisper avec vos noms et vos termes, et ne se contente pas de corriger ce qu'il écrit. Le guide des dictionnaires montre comment.
  5. Utilisez un modèle réservé à l'anglais pour l'anglais. Si la mémoire est juste et que vous ne parlez qu'anglais, OpenAI indique que les versions .en ont tendance à mieux faire, surtout pour tiny et base.
  6. Changez la taille du modèle. Prenez plus gros s'il comprend mal et que votre mémoire le permet, ou plus petit s'il est lent. Dans YapToText, les étoiles de la page AI Models montrent le compromis, et chaque dictée dans History affiche son propre temps entre l'arrêt et le texte.
Une entrée de History dans YapToText avec les détails du traitement ouverts : transcription brute, transcription mise au propre, mode, remise du texte, app cible et durées.
Figure 4. Chaque dictée dans History porte ses propres durées : combien de temps vous avez parlé, et le temps entre l'arrêt et le texte réparti entre transcription, mise au propre par IA et remise du texte.

Ce que Whisper en local ne change pas

Exécuter Whisper en local déplace le travail sur votre Mac, et c'est tout ce qu'il déplace. Le local change l'endroit où va votre voix, pas la qualité avec laquelle elle est entendue.

  • Les erreurs. Le modèle décide de la qualité d'écoute, où qu'il s'exécute : un nom qu'il entend mal demande donc une entrée de dictionnaire ou un meilleur micro, pas un autre endroit.
  • La traduction. OpenAI indique que turbo n'est pas entraîné pour la traduction, et YapToText demande toujours à Whisper de transcrire, jamais de traduire.
  • Un seul téléchargement. Un modèle local doit quand même arriver une fois. Le script de whisper.cpp le récupère sur Hugging Face, la version de l'App Store de YapToText l'a en elle, et la version Homebrew le récupère depuis la page AI Models.
  • Les Mac Intel. whisper.cpp liste les Mac Intel et Arm comme pris en charge. YapToText exige une puce Apple et macOS 14 ou ultérieur, et rien n'est affirmé pour les Mac Intel.
  • Les chiffres de précision. Je ne publie aucun pourcentage de précision pour aucun modèle. Les étoiles et votre propre History sont le guide.

Pour prouver qu'une installation est vraiment locale, la page sur la dictée hors ligne propose un test d'une minute : désactivez le Wi-Fi et dictez.

En bref

  • Whisper en local. C'est un fichier de modèle et un moteur sur votre Mac, sans rien envoyer.
  • Le modèle. Le fichier turbo 5 bits, 547 Mio dans la liste de whisper.cpp, est celui que livre YapToText.
  • Faites-le vous-même. Clonez whisper.cpp, téléchargez un modèle, compilez avec CMake et lancez whisper-cli sur un fichier WAV 16 bits.
  • Ou évitez le Terminal. YapToText exécute le même fichier et écrit dans n'importe quelle app, gratuitement.

Choisissez le modèle d'après la mémoire de votre Mac, puis d'après votre propre voix. Si quelque chose ici ne correspond pas à ce que vous voyez, ouvrez une issue sur GitHub (en anglais). Je les lis toutes.

Télécharger YapToText dans le Mac App StoreTéléchargement gratuit. Sans compte, sans rien de verrouillé, pour macOS 14 ou ultérieur sur un Mac avec puce Apple. Code source sur GitHub.

Qui écrit. Ryleigh Newman développe des logiciels, a du mal à taper au clavier et dicte tous les jours avec YapToText, l'app que ce site décrit. Cette page est traduite de l'anglais. L'interface de l'app et le reste du site sont en anglais. En savoir plus sur le projet, en anglais.

Guides

Autres guides, en anglais

Sources

Questions

Comment exécuter Whisper en local sur un Mac ?

Avec whisper.cpp : clonez le dépôt, téléchargez un modèle avec son script download-ggml-model.sh, compilez avec CMake et lancez whisper-cli sur un fichier WAV 16 bits. Ou installez une app qui l'intègre, comme YapToText, qui exécute Whisper Large v3 Turbo sans aucune installation.

De quelle mémoire Whisper a-t-il besoin ?

Cela dépend du modèle. whisper.cpp indique environ 273 Mo pour tiny, 852 Mo pour small, 2,1 Go pour medium et 3,9 Go pour large, et précise que les modèles quantifiés en demandent moins. Il ne donne aucun chiffre de mémoire pour turbo.

Quel est le meilleur modèle Whisper en local ?

Large v3 Turbo est là où je commencerais, et son fichier 5 bits est celui que livre YapToText : 547 Mio dans la liste de whisper.cpp. Si la mémoire est juste, small ou base en utilisent bien moins, et OpenAI indique que les versions réservées à l'anglais ont tendance à mieux faire pour l'anglais aux plus petites tailles.

Quelle est la taille du modèle Whisper Large v3 Turbo ?

1,5 Gio dans la liste de modèles de whisper.cpp, ou 547 Mio pour le fichier 5 bits q5_0, soit 574 MB en unités décimales. OpenAI indique 809 millions de paramètres pour turbo.

Whisper en local a-t-il besoin d'Internet ?

Seulement pour télécharger le modèle une fois. Ensuite, whisper.cpp et YapToText transcrivent sans connexion, et la version de l'App Store de YapToText est livrée avec le modèle inclus, donc elle évite même ce téléchargement.

Puis-je utiliser un modèle whisper.cpp dans YapToText ?

Oui. Sous Your own models sur la page AI Models, Add Model accepte n'importe quel fichier .bin GGML de whisper.cpp, et l'app reconnaît ce que c'est d'après le fichier lui-même.