MUCKYWORX // PROJECT
Voice Chaser
PROJECT

Voice Chaser

Mon outil absolument indispensable : le Voice Chaser. Sans ce truc, je n'avancerais quasiment pas.

Alors, le Voice Chaser. Je me suis fabriqué ce truc parce que je travaille énormément avec la voix, et ça me permet d'économiser un tas de boulot, surtout la frappe au clavier. L'idée de base était la suivante : je parle dans le micro et la transcription est tapée directement à la position du curseur.

Au début, je voulais simplement que ce soit la fonction principale, puis j'ai ajouté la possibilité d'intercaler jusqu'à trois IA différentes. Selon le prompt que j'utilise pour chaque étape d'IA, le texte est modifié. Souvent, c'est juste pour le plaisir de changer le style – soit pour le rendre inspirant, soit pour utiliser une façon de s'exprimer archaïque. Mais très souvent, ça sert aussi à la traduction : je dicte quelque chose, étape 1 : le texte est grossièrement traduit, puis il est relu et corrigé, et enfin il ressort là où se trouve mon curseur.

La fonction suivante a été l'enregistrement des fichiers audio principaux – chez moi, sur le NAS. Cela a permis de créer un dataset de plus de 63 heures. Après distillation, c'est devenu quasiment le dataset pour MuckyTTS. De plus, le système inclut mon RAM-Diskhandler ; en gros, un programme qui, en se basant sur mes fichiers de config, charge déjà les modèles d'IA nécessaires et tout le reste dans le RAM-disk.

Comme je l'ai dit, le Voice Chaser est mon outil primaire, que j'utilise quasiment tout le temps. D'ailleurs, ce texte même est créé ainsi. Et sinon, le Voice Chaser offre encore la possibilité d'assigner le slot IA-4 à une IA séparée, accessible via API. Et qu'est-ce qu'on a d'autre ? Eh bien, pour tout le bazar de l'infrastructure, vous pouvez aller jeter un œil au code source. Si vous avez des questions, n'hésitez pas à les balancer.

Bon, comme je suis un grand malade et que j'ai plus de quatre moniteurs dans mon setup, j'ai retrouvé une vieille GTX 1050 avec 2 Go de VRAM dans mon placard. Et comme je n'avais rien de mieux à faire, j'ai détourné cette petite carte graphique pour qu'elle me serve de fallback pour le Voice Chaser. Si la grosse 3090 est occupée, il y a un basculement automatique vers la petite carte, où tourne un "Whisper Small" ou ce qui est actuel et que je trouve génial.

En plus, tout le système possède une fonction stream, pour que je n'aie pas à appuyer sur le bouton à chaque fois. D'ailleurs, j'ai détourné un vieux clavier USB que j'avais acheté pour 8 euros environ sur Amazon pour en faire une sorte de Stream Deck Lite. J'ai moddé ce clavier USB pour y mettre mes touches avec lesquelles je lance et j'arrête la dictée, comme je le fais là. Donc : on appuie sur le bouton, on déballe tout, on appuie sur le bouton, on attend un court instant, et le texte apparaît exactement à la position du curseur.

Et c'est là que j'ai placé le bouton stream. Quand le stream est actif, je peux parler sans s'arrêter, ça passe par toute la chaîne et ça ressort à un moment donné à la position du curseur. Et ça fonctionne aussi avec les systèmes d'IA placés en aval.