# Embedding Gemma Transcribe : dictée locale sur Mac > Embedding Gemma Transcribe transcrit une heure d'audio en 13 secondes sur un MacBook Air, en local et gratuitement, pour dicter ou transcrire sur Mac. - Type : actu de l'IA - Famille : Modèles · Modèle de transcription - Habitat : macOS · Apple Silicon - Niveau : débutant - Source : https://eg2.haku.sh/ - Publié le : 14 octobre 2026 - Page : https://geekus.fr/projets/embedding-gemma-transcribe/ Embedding Gemma Transcribe est une application gratuite pour Mac qui transcrit la voix en texte, entièrement sur l'appareil. Elle repose sur [EmbeddingGemma 2](https://geekus.fr/projets/embeddinggemma-2/) de Google, un modèle d'embeddings qui n'a jamais été entraîné pour la transcription. Ses auteurs annoncent une heure d'audio traitée en 12,6 secondes sur un MacBook Air de base, avec un taux d'erreur d'environ 5 %. ## En bref - Une appli Mac gratuite qui transforme la voix en texte, sans quitter la machine - Une heure d'audio transcrite en 12,6 secondes sur un MacBook Air M3 de 8 Go - Construit sur EmbeddingGemma 2, un modèle de Google non conçu pour la parole - Taux d'erreur d'environ 5 %, contre 2 à 3 % pour les meilleurs modèles - Nécessite macOS 14 et une puce Apple Silicon ## Un modèle d'embeddings qui se met à transcrire EmbeddingGemma 2, de Google, est un modèle d'embeddings multimodal : il place du texte, des images, de l'audio et de la vidéo dans un même espace partagé. Dans cet espace, un mot prononcé à voix haute se retrouve proche du même mot écrit. L'équipe derrière Embedding Gemma Transcribe est partie de ce constat : si l'audio d'un mot est proche de son écriture, il doit être possible de lire les mots directement dans cet espace. Le modèle de base, lui, n'a jamais été entraîné pour la transcription. ## Comment fonctionne Embedding Gemma Transcribe L'encodeur audio d'EmbeddingGemma 2 reste exactement tel quel. Un petit « lecteur » fait passer chaque courte tranche d'audio vers l'espace du texte du modèle. Le mot le plus proche parmi environ 229 000 mots anglais est retenu, et la suite de ces tranches forme la transcription. Un second modèle, minuscule, ajoute la ponctuation et les majuscules. Seul le lecteur a été entraîné : moins de deux heures sur 8 GPU H100, avec de la parole anglaise sous licence ouverte. - L'encodeur audio d'EmbeddingGemma 2 n'est pas modifié - Un lecteur entraîné relie chaque tranche d'audio à l'espace des mots - Le mot le plus proche parmi environ 229 000 mots anglais est choisi - Un petit modèle ajoute ponctuation et majuscules ## Quelle vitesse de transcription sur Mac Sur un MacBook Air M3 de base avec 8 Go de mémoire, l'application transcrit une heure d'audio en 12,6 secondes, soit 288 fois la vitesse réelle. Elle s'appuie sur le Neural Engine, la partie de la puce Apple dédiée à ce type de calcul. Sur la même machine, IBM Granite Speech 5.0 TurboCTC, qui tourne sur le GPU via MLX, met 25,7 secondes, soit environ 150 fois le temps réel. Les auteurs ajoutent des chiffres de FluidAudio pour NVIDIA Parakeet TDT 0.6B v3 : 156 fois le temps réel sur un M4 Pro et 335 fois sur un M5 Pro. Phonon-2, une version affinée de Parakeet v3, atteint 480 fois sur un M5 Pro. Ces mesures concernent des Mac plus récents et un audio différent : les auteurs parlent d'un repère approximatif, pas d'un classement strictement comparable. ## Précision : environ 5 % d'erreurs Le taux d'erreur sur les mots est d'environ 5 % pour l'instant, contre 2 à 3 % pour les meilleurs modèles de parole. Autrement dit, la vitesse se paie par un peu plus de fautes dans le texte. Les auteurs estiment qu'un lecteur mieux entraîné pourrait réduire cet écart, et en font l'objectif de la prochaine itération. Le vocabulaire décrit est anglais : le projet ne parle pas d'autres langues. ## Utiliser Embedding Gemma Transcribe pour dicter ou transcrire Deux usages sont prévus : déposer un fichier audio dans l'application, ou maintenir la touche Option droite, parler, puis relâcher pour dicter dans n'importe quelle application. Le traitement se fait sur le Neural Engine du Mac, et l'audio ne quitte pas la machine. C'est donc une option pour transcrire sans passer par un service en ligne. ## Installation, prix et configuration requise L'application est gratuite, en version 1.6, pour macOS 14 ou plus récent et les Mac Apple Silicon. Les modèles se téléchargent au premier lancement, pour 715 Mo. Le projet ne mentionne pas de version pour Windows ou Linux, et ne donne pas de configuration minimale en mémoire. ## Quelques repères - **Modèle d'embeddings** : Un modèle qui convertit un texte, une image ou un son en une suite de nombres. Deux contenus proches par le sens obtiennent des suites proches. - **Taux d'erreur sur les mots** : La part de mots mal transcrits (oubliés, ajoutés ou remplacés) par rapport au texte réellement prononcé. Plus il est bas, plus la transcription est fidèle. - **Neural Engine** : Un circuit des puces Apple conçu pour exécuter efficacement les calculs d'intelligence artificielle, sans solliciter le processeur ou la carte graphique. ## Questions fréquentes ### Embedding Gemma Transcribe est-il gratuit ? Oui, l'application est téléchargeable gratuitement pour Mac. Les modèles se téléchargent au premier lancement, pour 715 Mo. ### Embedding Gemma Transcribe fonctionne-t-il sans internet ni cloud ? Le traitement se fait sur le Neural Engine du Mac et l'audio ne quitte jamais la machine. Un téléchargement de 715 Mo est nécessaire au premier lancement. ### Quelle est la vitesse d'Embedding Gemma Transcribe sur un MacBook Air ? Une heure d'audio est transcrite en 12,6 secondes sur un MacBook Air M3 de base avec 8 Go, soit 288 fois la vitesse réelle. ### Comment dicter dans n'importe quelle appli avec Embedding Gemma Transcribe ? Il faut maintenir la touche Option droite, parler, puis la relâcher. Le texte est alors dicté dans l'application active. ## À retenir Embedding Gemma Transcribe montre qu'un modèle d'embeddings multimodal peut servir à transcrire la voix, avec une heure d'audio traitée en 12,6 secondes sur un MacBook Air M3 de base. Son taux d'erreur d'environ 5 %, contre 2 à 3 % pour les meilleurs modèles, reste l'écart que ses auteurs veulent réduire. Sources : - [eg2.haku.sh](https://eg2.haku.sh/) (page citée sur Hacker News) Mots-clés : transcription, speech-to-text, macos, embeddings, local --- Fiche publiée par Geekus : https://geekus.fr/projets/embedding-gemma-transcribe/