Parakeet Redux fait tourner la transcription vocale sur un simple CPU de portable
— AUDIOVISUEL
Moondream compresse un modèle de reconnaissance vocale de 1,2 Go à 178 Mo sans changer sa structure, et le fait tenir sur un MacBook Air sans carte graphique. La précision tient bon sur audio propre, elle se dégrade nettement dès que le bruit de fond entre en jeu.
Un monteur vidéo ou un podcasteur qui dérushe ses interviews connaît le problème : transcrire des heures d'enregistrement demande soit un envoi vers le cloud, soit une machine puissante pour faire tourner le modèle en local. Moondream change ce calcul avec Parakeet Redux, une version du modèle de transcription Parakeet compressée au point de ne garder que trois valeurs possibles par poids, moins un, zéro ou plus un. Le fichier passe de 1,2 Go à 178 Mo, sans toucher à l'architecture ni à la prise en charge des 25 langues d'origine.
Pour le monteur qui sous-titre ses rushes sur son propre ordinateur, ça veut dire lancer la transcription sans attendre que la machine chauffe ni payer un abonnement cloud à chaque lot de fichiers. Le modèle traite l'audio en flux continu, avec un aperçu du texte après quatre secondes puis des mises à jour régulières, ce qui colle bien au rythme d'un dérushage en direct pendant un tournage ou une captation.
La précision tient globalement la route face au modèle d'origine. Sur des enregistrements longs de type conférence, la version compressée fait même légèrement mieux. Mais dès qu'un enregistrement contient du bruit de fond, le taux d'erreur grimpe sensiblement par rapport au modèle non compressé. Pour un tournage en extérieur, une captation d'événement ou une interview dans un lieu bruyant, ce sous-titrage automatique demandera encore une relecture attentive.
Moondream propose en parallèle Parakeet Ultra, qui garde le poids complet du modèle et cible les machines équipées d'une carte graphique. La logique est claire : Redux pour transcrire vite et léger sur un poste de montage classique, Ultra quand la qualité doit primer sur des sessions plus exigeantes. Le studio choisit selon son parc machine, pas selon un compromis universel.
Ce découplage entre légèreté et fidélité correspond à un vrai besoin de production : tous les monteurs n'ont pas de station GPU, et tous les projets n'exigent pas un WER de compétition. Un outil de transcription qui tourne sur un CPU banal reste un gain de temps réel pour le dérushage courant, à condition de garder l'œil sur les prises tournées dans le bruit.