Points clés
- Whisper est un modèle ouvert de reconnaissance vocale qui tourne localement — aucun audio ne quitte votre matériel
- Utilisez l'add-on Whisper (faster-whisper) ; il se relie à Assist via Wyoming
- Les tailles de modèle vont tiny → base → small → medium → large ; plus grand est plus précis, plus lent
- Sur du matériel CPU seul, préférez tiny/base/small ; un GPU rend medium/large pratique
- Whisper est multilingue, donc les commandes non anglaises se transcrivent sans service cloud
- Réglez la précision avec un meilleur micro et le bon modèle avant de passer à plus grand
- L’app Whisper officielle de Home Assistant repose sur faster-whisper (wyoming-faster-whisper) ; whisper.cpp n’a pas d’app Home Assistant officielle
- Aucune comparaison de vitesse à conditions égales n’existe pour le matériel Home Assistant : les chiffres publiés viennent de configurations différentes
- Piper gère la synthèse vocale via Wyoming ; MacWhisper est une app de bureau Mac, pas un composant Home Assistant
Pourquoi utiliser la reconnaissance vocale locale ?
La reconnaissance vocale locale garde vos enregistrements vocaux sur votre propre matériel, donc aucun audio n'est téléversé vers un tiers. Elle fonctionne aussi hors ligne et n'a aucun coût par requête.
- Confidentialité : les assistants cloud transmettent et peuvent conserver les enregistrements ; Whisper local non — voir risques de confidentialité de la maison connectée.
- Hors ligne : la transcription fonctionne pendant les coupures internet.
- Sans frais : il n'y a aucun coût d'utilisation pour la transcription locale.
Quelle taille de modèle Whisper choisir ?
Choisissez le plus petit modèle Whisper qui donne une précision acceptable sur votre matériel — tiny/base/small pour CPU seul, medium/large quand vous avez un GPU. Les plus grands modèles améliorent la précision sur les accents et l'audio bruyant au prix de la vitesse.
- Utilisez small par défaut sur un CPU de mini-PC ; passez à medium/large seulement si la précision manque.
- Utilisez tiny/base sur une Raspberry Pi pour garder une latence utilisable.
Modèle | Précision relative | Vitesse relative | Idéal pour |
|---|---|---|---|
| tiny | La plus faible | La plus rapide | CPU basse consommation, commandes courtes |
| base | Faible | Très rapide | Raspberry Pi, phrases simples |
| small | Bonne | Rapide | CPU de mini-PC, usage quotidien |
| medium | Élevée | Modérée | GPU ou CPU puissant |
| large | La plus élevée | La plus lente | GPU, accents/pièces bruyantes |
Configuration Wyoming
L'add-on Whisper expose un point d'accès Wyoming que Assist utilise pour la reconnaissance vocale. La configuration est : installer → choisir le modèle → sélectionner dans le pipeline.
- 1Installez l'add-on Whisper (faster-whisper) depuis le magasin d'add-ons.
- 2Définissez la taille du modèle dans la configuration de l'add-on et démarrez-le.
- 3L'add-on s'enregistre automatiquement comme service de reconnaissance vocale Wyoming.
- 4Dans Paramètres → Assistants vocaux, définissez Whisper comme moteur STT pour votre pipeline Assist.
- 5Testez la transcription depuis les outils de débogage d'Assist avant d'ajouter du matériel vocal.
Besoins matériels
Whisper tourne sur CPU pour les petits modèles et profite d'un GPU pour les modèles medium/large. Adaptez la taille du modèle à la machine qui l'héberge.
- Raspberry Pi : restez sur tiny/base pour une latence acceptable.
- Mini-PC (CPU) : small fonctionne bien ; medium est possible mais plus lent — voir meilleur matériel pour une maison connectée locale.
- Avec un GPU/NPU : medium et large deviennent pratiques pour une haute précision.
- Vous pouvez exécuter Whisper sur une machine séparée plus puissante via Wyoming si votre hub est une Pi.
Régler la précision
Améliorez un bon micro et le bon modèle avant de recourir au plus gros Whisper. La qualité audio compte souvent plus que la taille du modèle pour les commandes domestiques.
- Utilisez un micro de qualité ou du matériel de satellite vocal près du locuteur.
- Réduisez le bruit de fond là où se trouve le micro.
- Définissez la bonne langue dans l'add-on pour éviter les mauvaises transcriptions.
- Montez d'une taille de modèle à la fois et retestez plutôt que de sauter à large.
faster-whisper vs whisper.cpp pour Home Assistant
L’app Whisper officielle de Home Assistant repose sur faster-whisper ; whisper.cpp n’a pas d’app Home Assistant officielle, donc l’utiliser suppose d’exécuter un serveur compatible Wyoming à part. Les deux moteurs exécutent localement les modèles Whisper d’OpenAI ; ils diffèrent par leur intégration à Assist.
- Home Assistant OS : installez l’app Whisper depuis Paramètres > Apps ; l’intégration Wyoming la détecte automatiquement (doc de l’app Whisper). Les apps s’appelaient auparavant add-ons.
- Modèle par défaut :
autochoisittiny-int8sur les appareils ARM comme le Raspberry Pi 4 etbase-int8sinon ; les variantes-int8sont un peu moins précises mais plus petites et plus rapides (doc de l’app Whisper). - Moteurs : avec
stt_library=auto, l’anglais utilise un modèle Parakeet via sherpa, le chinois, le cantonais, le japonais et le coréen utilisent SenseVoice via funasr, le russe utilise GigaAM et tout le reste utilise faster-whisper (doc de l’app Whisper). - Conteneur ou hôte séparé : lancez l’image
rhasspy/wyoming-whisper(port 10300 dans l’exemple), puis ajoutez l’intégration Wyoming Protocol avec cet hôte et ce port (wyoming-faster-whisper, doc de l’intégration Wyoming). Les services Wyoming peuvent tourner sur un autre appareil du réseau local, ce qui convient à un Whisper gourmand. - GPU : l’image GPU NVIDIA du projet n’est pas publiée ; vous la construisez vous-même (environ 10,7 Go contre environ 1,6 Go pour l’image CPU), et Home Assistant OS n’a pas de passthrough GPU (wyoming-faster-whisper).
- whisper.cpp : son exemple
whisper-serverest un serveur HTTP à l’API proche d’OpenAI, pas un serveur Wyoming (whisper.cpp). Le pont rhasspy/wyoming-whisper-cpp est archivé ; des ponts communautaires existent, mais nous n’en avons testé aucun.
Aspect | faster-whisper | whisper.cpp |
|---|---|---|
| App Home Assistant | App Whisper officielle | Pas d’app officielle |
| Serveur Wyoming | wyoming-faster-whisper | wyoming-whisper-cpp (archivé) |
| Installation sur HA OS | Paramètres > Apps > Whisper | À part, ajout via Wyoming |
| Installation Docker | Image rhasspy/wyoming-whisper | whisper-server (HTTP, pas Wyoming) |
| Prise en charge GPU | NVIDIA CUDA 12 + cuDNN 9 | CUDA, Vulkan, Metal, OpenVINO |
| Voie CPU | CTranslate2, int8 ou fp32 | C/C++ pur, modèles quantifiés |
| Modèles | tiny à large-v3, turbo, distil | ggml tiny à large |
| Langues | 100 langues de Whisper via Wyoming | Modèles multilingues et .en |
Vitesse : ce que montrent les benchmarks publiés
Nous n’avons trouvé aucune mesure à conditions égales de faster-whisper et whisper.cpp sur du matériel Home Assistant, donc une comparaison directe pour un Raspberry Pi ou un mini-PC est impossible. Les seuls chiffres côte à côte viennent du README de faster-whisper : 13 minutes d’audio transcrites sur un PC de bureau avec faster-whisper v1.1.0 et whisper.cpp v1.7.2. Nous n’avons pas réalisé ces tests nous-mêmes.
- Il s’agit de transcriptions de fichiers de 13 minutes sur un GPU de bureau (CUDA 12.4) et un Intel Core i7-12700K, pas de commandes vocales de 3 secondes ; elles ne prédisent donc pas la latence d’une commande sur Raspberry Pi ou mini-PC. Les versions sont plus anciennes que les versions actuelles.
- La documentation de Home Assistant indique que Whisper met « around 8 seconds » pour traiter une commande vocale sur un Raspberry Pi 4 et a terminé « in under a second » sur un Intel NUC ; la page ne nomme pas le modèle (doc Assist local).
- La même page donne Speech-to-Phrase, un autre moteur, à « under one second » sur un Raspberry Pi 4 ou un Home Assistant Green (doc Assist local).
- Le README de whisper.cpp n’a pas de tableau de durées ; il renvoie vers un fil de benchmarks communautaire (issue 89) et fournit l’exemple
whisper-benchpour mesurer votre propre machine.
Matériel et modèle | Moteur et réglages | Durée, 13 min d’audio |
|---|---|---|
| RTX 3070 Ti 8GB, large-v2 | faster-whisper, fp16, beam 5 | 1m03s |
| RTX 3070 Ti 8GB, large-v2 | whisper.cpp + Flash Attention, fp16, beam 5 | 1m05s |
| i7-12700K (8 threads), small | whisper.cpp, fp32, beam 5 | 2m05s |
| i7-12700K (8 threads), small | faster-whisper, fp32, beam 5 | 2m37s |
| i7-12700K (8 threads), small | faster-whisper, int8, beam 5 | 1m42s |
Tailles de modèle et mémoire
La taille du modèle détermine la mémoire plus que tout autre facteur : le README de whisper.cpp indique environ 273 MB de mémoire pour tiny et environ 3,9 GB pour large. Les chiffres ci-dessous viennent du README de whisper.cpp.
- Le README de faster-whisper indique pour large-v2 sur la RTX 3070 Ti 4525MB de VRAM (fp16) et 2926MB (int8) (README de faster-whisper).
- Pour le modèle small sur CPU, le même README indique 1477MB de RAM (faster-whisper int8) et 2257MB (fp32) ; whisper.cpp est à 1049MB (fp32).
- L’app Whisper propose aussi
turbo(plus rapide quelarge-v3) et des modèles distillés pour l’anglais commedistil-small.en(doc de l’app Whisper).
Modèle | Disque (whisper.cpp) | Mémoire (whisper.cpp) |
|---|---|---|
| tiny | 75 MiB | ~273 MB |
| base | 142 MiB | ~388 MB |
| small | 466 MiB | ~852 MB |
| medium | 1.5 GiB | ~2.1 GB |
| large | 2.9 GiB | ~3.9 GB |
Piper TTS : la moitié parole du pipeline vocal
Piper est le moteur de synthèse vocale local de la configuration vocale de Home Assistant : l’app Piper l’expose via Wyoming, comme l’app Whisper le fait pour la reconnaissance vocale. Whisper entend la commande ; Piper dit la réponse.
- Installation : Paramètres > Apps > Piper ; l’intégration Wyoming la détecte (doc de l’app Piper). Hors Home Assistant OS, wyoming-piper tourne comme serveur Wyoming (port 10200 dans son exemple).
- Voix : nommées
<language>_<REGION>-<name>-<quality>, par défauten_US-lessac-medium, téléchargées automatiquement depuis Hugging Face. Les qualitésx_lowetlowsont en 16 kHz,mediumethighen 22,05 kHz. - Ressources : selon la doc de l’app, sur un Raspberry Pi 4 les voix jusqu’à
mediumtournent à une vitesse utilisable ; la doc de Home Assistant indique qu’un Pi avec des modèles de qualité moyenne « can generate 1.6s of voice in a second » (doc Assist local). - Langues : la liste des voix de Piper compte 44 entrées langue et région, dont l’allemand, le français, l’espagnol, le portugais (Brésil et Portugal), le chinois et l’arabe (Jordanie). Nous n’y avons trouvé aucune entrée japonaise ou coréenne ; l’app Piper documente des voix japonaises et thaï optionnelles qui exigent le téléchargement d’un phonémiseur supplémentaire (environ 350 MB et 390 MB).
- Maintenance : le dépôt d’origine rhasspy/piper est archivé et renvoie vers OHF-Voice/piper1-gpl (GPL-3.0), où le développement continue ; son README dit que l’Open Home Foundation cherche des mainteneurs. Le backend expérimental
omnivoicede l’app est de meilleure qualité mais « much slower » et « really needs a desktop or server CPU » (doc de l’app Piper). - Pour aller plus loin : test de Piper TTS.
MacWhisper n’est pas un composant Home Assistant
MacWhisper est une app de bureau Mac, pas un composant Home Assistant : pour Assist, utilisez l’app Whisper ou un autre serveur Wyoming de reconnaissance vocale. MacWhisper transcrit localement sur votre Mac l’audio, la vidéo, les réunions et l’audio système ; son site ne mentionne ni Home Assistant ni le protocole Wyoming.
- MacWhisper pour les fichiers, réunions et dictée sur Mac : test de MacWhisper.
- Les moteurs côte à côte : comparatif des STT Whisper locaux.
Activité des projets
Les outils ci-dessus sont mis à jour activement, sauf le pont Wyoming pour whisper.cpp, qui est archivé. Les dates sont lues dans le dépôt GitHub de chaque projet.
- Sources : faster-whisper, whisper.cpp, wyoming-faster-whisper, wyoming-piper, Piper, wyoming-whisper-cpp.
Projet | Dernière version | Dernier commit |
|---|---|---|
| faster-whisper | v1.2.1 (2025-10-31) | 2026-10-16 |
| whisper.cpp | v1.9.5 (2026-10-06) | 2026-10-12 |
| wyoming-faster-whisper | v3.8.1 (2026-09-14) | 2026-10-14 |
| wyoming-piper | v2.5.2 (2026-09-11) | 2026-09-11 |
| Piper (piper1-gpl) | v1.8.0 (2026-09-04) | 2026-10-17 |
| wyoming-whisper-cpp (archived) | Aucune version | 2024-02-29 |
⚠️Attention: rhasspy/wyoming-whisper-cpp est archivé et n’a reçu aucune mise à jour depuis 2024-02-29 : il peut ne plus être maintenu, vérifiez l’état actuel d’un pont avant de vous y fier. Le dépôt d’origine rhasspy/piper est lui aussi archivé (dernière mise à jour 2025-08-26).
Questions fréquemment posées
Qu'est-ce que le protocole Wyoming ?
Wyoming est le protocole réseau léger que le pipeline Assist de Home Assistant utilise pour communiquer avec les modules complémentaires vocaux — reconnaissance vocale (comme le module Whisper), synthèse vocale et détection de mot de réveil. Il permet au module de fonctionner comme son propre service, même sur une machine séparée plus puissante, et de s'enregistrer automatiquement auprès d'Assist plutôt que de nécessiter un câblage API manuel. Vous ne configurez pas Wyoming directement : l'installation du module Whisper expose un point de terminaison Wyoming qu'Assist détecte et que vous pouvez sélectionner dans votre pipeline.
Quel modèle Whisper utiliser pour Home Assistant ?
Utilisez small par défaut sur un CPU de mini-PC, tiny ou base sur une Raspberry Pi, et medium ou large seulement si vous avez un GPU et avez besoin d'une meilleure précision sur les accents ou les pièces bruyantes. Montez d'une taille à la fois et retestez.
Ai-je besoin d'un GPU pour Whisper local ?
Non pour small et en dessous — ceux-ci tournent sur CPU. Un GPU rend surtout les modèles medium et large assez rapides pour un usage en temps réel. Vous pouvez aussi déporter Whisper sur une machine plus puissante via le protocole Wyoming.
Quelle est la précision de Whisper local hors ligne ?
La précision est forte avec le bon modèle et un bon micro ; les plus grands modèles gèrent mieux les accents et le bruit. Pour des commandes domestiques claires, le modèle small sur un mini-PC est généralement assez précis, et il tourne entièrement hors ligne.
Whisper local est-il multilingue ?
Oui. Whisper prend en charge de nombreuses langues, donc les commandes non anglaises se transcrivent localement sans aucun service cloud. Définissez la langue dans la configuration de l'add-on pour de meilleurs résultats.
faster-whisper ou whisper.cpp : lequel choisir pour Home Assistant ?
faster-whisper est la voie la plus simple, car l’app Whisper officielle de Home Assistant repose dessus : elle s’installe depuis Paramètres > Apps et est détectée par l’intégration Wyoming. whisper.cpp n’a pas d’app officielle et exige un serveur compatible Wyoming à part. Les projets publient des benchmarks sur du matériel et des réglages différents, donc aucune comparaison de vitesse directe n’existe pour le matériel Home Assistant.
Puis-je utiliser whisper.cpp avec Home Assistant ?
Oui, mais pas via une app officielle. Home Assistant parle aux moteurs de reconnaissance vocale via le protocole Wyoming, alors que le whisper-server de whisper.cpp parle HTTP. Le pont rhasspy/wyoming-whisper-cpp est archivé (dernière mise à jour 2024-02-29) et des ponts communautaires existent, que nous n’avons pas testés. Ajoutez un serveur Wyoming dans Paramètres > Appareils et services avec son hôte et son port.
Qu’est-ce que Piper dans Home Assistant ?
Piper est un moteur de synthèse vocale neuronal local. L’app Piper de Home Assistant l’expose via Wyoming pour les réponses parlées, avec des voix nommées comme en_US-lessac-medium. Le développement continue sur OHF-Voice/piper1-gpl ; le dépôt d’origine rhasspy/piper est archivé.
MacWhisper est-il un add-on Home Assistant ?
Non. MacWhisper est une app de bureau Mac pour transcrire audio, vidéo et réunions ; son site ne mentionne ni Home Assistant ni Wyoming. Pour Assist, utilisez l’app Whisper ou un autre serveur Wyoming de reconnaissance vocale.