Modèles publics de reconnaissance vocale pour transcrire l’audio en texte : langues déclarées, licence, taille et matériel.
Actualiser et affiner la rechercheRésultat de la recherche publique sur le Hugging Face Hub (tâche automatic-speech-recognition), modèles les plus utilisés d’abord : 10 modèles retenus sur 50 examinés. Chacun est en accès public, avec une licence déclarée et des fichiers identifiables. Les modèles sont classés par le score explicable de ModelFinder ; aucun n’est choisi à la main ni recommandé sans essai.
Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré, quantification d’un autre modèle, publiée par un tiers. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →La reconnaissance vocale (ASR) transcrit un enregistrement en texte : interviews, réunions, émissions de radio. Certains modèles sont multilingues, d’autres spécialisés dans une langue.
Ce guide est un contenu éditorial de BNTIC News. Il ne remplace ni un essai, ni la lecture de la fiche et de la licence du modèle retenu.
La reconnaissance vocale (ASR) transcrit un enregistrement en texte : interviews, réunions, émissions de radio. Certains modèles sont multilingues, d’autres spécialisés dans une langue. Points à vérifier : langue et accent ; qualité du son ; matériel ; licence.
Publier une transcription sans relecture : noms propres et chiffres sont souvent mal transcrits. Transcrire des enregistrements de personnes sans leur accord.
Au 15 octobre 2026, la recherche publique de ModelFinder retient notamment : argmaxinc/whisperkit-coreml, mistralai/Voxtral-Mini-4B-Realtime-2602, Qwen/Qwen3-ASR-1.7B, kingabzpro/wav2vec2-large-xls-r-300m-Urdu, microsoft/VibeVoice-ASR, Qwen/Qwen3-ASR-0.6B. Chacun est en accès public, avec une licence déclarée et des fichiers identifiables ; aucun n’est recommandé sans essai sur vos données.
Leurs poids sont publiés en accès public et se téléchargent sans payer. L’usage reste encadré par la licence de chaque modèle, qui peut imposer des conditions ou interdire l’usage commercial. Il faut aussi un ordinateur, ou un serveur, capable de les exécuter.
Chaque fiche estime la mémoire nécessaire à partir de la taille réelle des poids publiés, avec une marge indiquée. La page « Que puis-je faire tourner sur ma machine » croise votre RAM et votre disque avec les tailles réelles des modèles exécutables localement.
Par langue : Arabe · Portugais · Swahili · Haoussa · Yoruba · Wolof · Amharique · Somali · Kinyarwanda · Lingala · Bambara · Éwé · Twi (akan) · Mooré · Peul (fulfuldé) · Malgache · Zoulou · Xhosa.