STT

Presentation

Deux modules pour la transcription audio du francais :

CTC est le decodeur phonetique neural (CNN-BiGRU-CTC, 3.5M parametres, PER ~6%). Il convertit un signal audio en une sequence de phones IPA avec separateurs de mots, liaisons et ponctuation.

STT est le pipeline complet qui chaine CTC avec le graphemiseur P2G pour reconstituer le texte francais, avec gestion des elisions, de la ponctuation et des majuscules. Si lectura-p2g est installe, les formules (nombres, sigles) et les noms propres sont aussi traites.

Specifications CTC

Essayer en ligne

La demo utilise l’API Lectura — aucun telechargement necessaire.

Selectionnez un fichier audio ou enregistrez votre voix, puis cliquez sur Transcrire.

Exemple de code

CTC seul (phones IPA)

import numpy as np
from lectura_ctc import creer_engine

engine = creer_engine()

# Transcrire un fichier WAV (charger avec wave/soundfile)
import wave
with wave.open("bonjour.wav", "rb") as wf:
    sr = wf.getframerate()
    audio = np.frombuffer(
        wf.readframes(wf.getnframes()), dtype=np.int16
    ).astype(np.float32) / 32768.0

ipa = engine.transcrire(audio, sr=sr)
print(ipa)  # "b ɔ̃ ʒ u ʁ"

Pipeline STT (audio → texte)

from lectura_stt import creer_engine

engine = creer_engine()  # CTC + P2G automatique

result = engine.transcrire(audio, sr=16000)
print(result.ipa)    # "b ɔ̃ ʒ u ʁ | l ə | m ɔ̃ d ."
print(result.texte)  # "Bonjour le monde."

# CLI CTC : transcrire un fichier
python -m lectura_ctc bonjour.wav

# CLI CTC : enregistrer au micro
python -m lectura_ctc --micro

# CLI CTC : enregistrer 5 secondes
python -m lectura_ctc --micro --duree 5

# CLI CTC : mode continu (Ctrl+C pour quitter)
python -m lectura_ctc --micro --continu

Architecture

Pipeline STT (audio → texte)

Audio 16kHz mono
     │
     ▼
┌─────────────┐
│ lectura-ctc  │  CNN-BiGRU-CTC (3.5M params)
└─────┬───────┘
      │
      ▼
  "b ɔ̃ ʒ u ʁ | l ə | m ɔ̃ d ."     (IPA brut)
      │
      ▼
┌─────────────┐
│ _parse_ctc   │  extraction mots IPA + ponctuation + liaisons
└─────┬───────┘
      │
      ▼
  ["bɔ̃ʒuʁ", "lə", "mɔ̃d"]          (mots IPA)
      │
      ▼
┌─────────────┐
│ lectura-p2g  │  graphemiseur + formules + noms propres
└─────┬───────┘
      │
      ▼
  ["bonjour", "le", "monde"]        (mots ortho)
      │
      ▼
┌─────────────┐
│ _assembler   │  majuscules + elisions + ponctuation
└─────┬───────┘
      │
      ▼
  "Bonjour le monde."               (texte final)

Modele CTC (detail)

Audio 16kHz mono
     │
     ▼
┌─────────────┐
│ Mel spectro  │  numpy pur (80 bins, 100 fps)
│ STFT + log   │
└─────┬───────┘
      │  (1, 1, 80, T)
      ▼
┌─────────────┐
│ CNN Frontend │  2x Conv2d stride 2 → subsampling ×4
└─────┬───────┘
      │  (1, T/4, 1280)
      ▼
┌─────────────┐
│ BiGRU ×3     │  3 couches bidirectionnelles
└─────┬───────┘
      │  (1, T/4, 512)
      ▼
┌─────────────┐
│ CTC head     │  Linear → 59 classes
└─────┬───────┘
      │  (1, T/4, 59)
      ▼
┌─────────────┐
│ CTC greedy   │  argmax + deduplique + supprime blanks
│ decode       │
└─────┬───────┘
      │
      ▼
  "b ɔ̃ ʒ u ʁ | l ə | m ɔ̃ d"

Installation

# Pipeline STT complet (audio → texte, avec P2G + formules)
pip install lectura-stt[p2g]

# STT avec backend ONNX (inference locale rapide)
pip install lectura-stt[onnx,p2g]

# CTC seul (audio → phones IPA)
pip install lectura-ctc[onnx]

# Mode API uniquement (sans ONNX)
pip install lectura-ctc

# Avec support micro (CLI)
pip install lectura-ctc[onnx,micro]

Par defaut, les modules utilisent l’API Lectura si aucun modele local n’est trouve. Pour l’inference locale, installez les modeles ONNX dans ~/.lectura/models/ ou utilisez le backend ONNX avec les modeles embarques (disponibles sous licence commerciale).

Caracteristiques techniques

CTC (couche 1)

• CNN-BiGRU-CTC : 3.5M parametres, PER ~6%
• Mel spectrogram numpy pur : pas de dependance torchaudio
• Decodage CTC greedy : zero dependance
• 59 tokens : 46 phones IPA francais + 6 liaisons + 5 ponctuations + 2 speciaux
• ONNX INT8 : modele quantifie ~13 Mo
• CLI integree : python -m lectura_ctc (fichier WAV ou micro)
• Factory creer_engine() : cascade auto ONNX → API

STT (couche 2)

• Pipeline CTC + P2G : audio → texte francais en une ligne de code
• P2G optionnel : fonctionne en mode phones seuls si P2G non installe
• Cascade P2G : lectura-p2g (complet) → lectura-graphemiseur (core) → aucun
• Elisions automatiques : l’, d’, j’, n’, s’, qu’, m’, t’, c’
• Ponctuation et majuscules : reconstruction fidele du texte
• Formules : nombres, sigles (via lectura-p2g)
• Python 3.10+ avec type hints complets
• Licence : AGPL-3.0 (code) — modeles sous licence commerciale