ghcr.io/willisback/syntheo-transcription. Elle contient NVIDIA NeMo-Speech.cpp 0.3.0 (licence Apache-2.0) et ses deux modèles, Nemotron 3.5 ASR Streaming pour la transcription et Nemotron 3 Diarization pour distinguer les intervenants (licence OpenMDW-1.1). Elle reconnaît le français.
Le service tourne sur votre poste et n’écoute que sur celui-ci (127.0.0.1). L’audio ne quitte pas la machine.
Configuration minimale
Le port 9000 doit être libre sur la machine.
Avec exactement 4 cœurs, une phrase devient définitive en général environ 0,1 s après la pause qui la clôt, mais ce retard peut monter ponctuellement à 1 ou 2 s en début de flux. Sur processeur limité à 4 cœurs, l’identification des intervenants peut aussi confondre deux voix proches : une carte NVIDIA donne de meilleurs résultats.
Ces chiffres viennent des mesures ci-dessous. Le service a été validé sous Linux (x86_64). Sous Windows et macOS, Docker Desktop n’a pas été essayé.
Installer et démarrer le service
1
Récupérer les fichiers de configuration
Créez un dossier et téléchargez-y
compose.yaml et .env.example :.env.example liste les réglages : clé d’API, port, interface d’écoute, image. Copiez-le en .env seulement si vous voulez en changer un.2
Démarrer
Avec une carte NVIDIA :Sur processeur seul :Au premier lancement, Docker télécharge l’image (1,8 Go avec carte NVIDIA, 0,9 Go sur processeur). Les modèles sont dans l’image : il n’y a rien d’autre à télécharger ni à construire. La sortie se termine par
Container syntheo-transcription-nemo-speech-gpu-1 Started (ou -cpu-1).3
Vérifier que le service répond
{"capabilities":["asr","diarization"],"device":"auto","ready":true} indique que le service est prêt : environ 8 s après le démarrage avec une carte NVIDIA, 3 s sur processeur. docker compose --profile gpu ps (ou --profile cpu) affiche healthy quelques secondes plus tard.Au démarrage, le journal du service affiche
warning: HTTP is listening beyond loopback. Dans le conteneur, le serveur écoute sur toutes les interfaces, mais Docker ne publie son port que sur 127.0.0.1 de votre poste (réglage NEMO_SPEECH_BIND) : le service reste inaccessible depuis le réseau.Sans Docker Compose
Une seule commande suffit aussi. Avec une carte NVIDIA :-e NEMO_SPEECH_HTTP_API_KEY=<clé>. Arrêt et suppression : docker rm -f syntheo-transcription.
Relier Syntheo au service
1
Ouvrir la page Transcription
2
Saisir l'adresse
Dans « Adresse du serveur », saisissez
http://localhost:9000.3
Tester la connexion
Cliquez sur « Tester la connexion ». La pastille affiche « Connecté » : Syntheo détecte le protocole « NVIDIA NeMo-Speech.cpp » et le modèle
nemotron-3.5-asr-streaming-0.6b.q8_0. Si un autre protocole est sélectionné, cliquez sur « Utiliser ce protocole ».Performances mesurées
Mesures sur une machine Ryzen 9 9950X avec une RTX 5080, transcription en français avec distinction des intervenants. Les colonnes « Prêt après », « Import » (carte NVIDIA et 4 cœurs) et « Mémoire » viennent de l’image publiée ; la réunion en direct et la ligne 2 cœurs, d’une mesure antérieure du même service (mêmes NeMo-Speech.cpp et modèles) :
Une phrase se termine après une seconde de silence : c’est le réglage que Syntheo envoie au service. Les délais ci-dessus s’ajoutent à cette seconde.
Pendant une réunion, Syntheo envoie deux flux en même temps, le micro et le son système : sur processeur seul, prévoyez 4 cœurs libres. Un fichier importé part en une seule requête. Voir Importer un enregistrement.
Protéger l’accès
Par défaut, le service n’écoute que sur votre poste et n’exige pas de clé. Pour en définir une :1
Renseigner la clé
Copiez
.env.example en .env si ce n’est pas déjà fait, puis renseignez ASR_API_KEY=<clé>.2
Relancer le service
--profile cpu). Docker recrée le conteneur avec la clé.3
Saisir la clé dans Syntheo
Sous « Avancé », champ « Clé d’API (facultative) ». Sans elle, la pastille affiche « Clé refusée ».
/ready et /health restent ouverts sans clé : ce sont les sondes de santé.
Arrêter, mettre à jour, désinstaller
Précisez le profil (--profile gpu ou --profile cpu) dans chaque commande : sans lui, Docker Compose ne voit aucun service.
Le service redémarre avec Docker tant que vous ne l’arrêtez pas (
restart: unless-stopped).
Licences
L’image regroupe NeMo-Speech.cpp (Apache-2.0, avec ses composants tiers), les deux modèles (OpenMDW-1.1, avec leur fiche) et les bibliothèques Ubuntu qu’elle embarque. Leurs textes sont dans le dossier/licenses de l’image, avec un README.md qui indique l’origine de chaque composant. L’image n’a pas de shell. Pour copier ce dossier sur votre poste :
-cpu-1, ou syntheo-transcription avec docker run).
En cas de problème
Construire l’image depuis les sources
Le Dockerfile de l’image est dans le dépôt Syntheo, dossierdeploy/transcription/. Il reprend le Dockerfile officiel de NeMo-Speech.cpp au commit de la version 0.3.0, et vérifie l’empreinte SHA-256 des modèles. Comptez une douzaine de Go de disque pendant la construction.
CUDA_ARCH=120a-real pour une RTX 50xx (89-real pour une RTX 40xx, 86-real pour une RTX 30xx).
Démarrez ensuite le service avec l’image construite, nommée syntheo-transcription :