Mis à jour le 4 septembre 2026 · Par Sumbat.T
Speech to Text sous Linux : 7 outils qui tapent vraiment (2026)
La réponse courte
- Votre serveur d’affichage décide quels outils marchent, et presque aucun guide ne le dit. Les outils de dictée ne tapent pas, ils simulent des frappes, et Wayland bloque ça par conception. La propre documentation de nerd-dictation dit que sous Wayland « the program will not type anything » avec son backend par défaut. Vérifiez si vous tournez sous X11 ou Wayland avant de choisir quoi que ce soit.
- Ubuntu est le cas le plus dur, parce qu’il démarre sur Wayland. La README de Handy indique que sous Ubuntu 26.04, wtype ne fonctionne pas et qu’il faut ydotool plus une unité systemd. C’est l’état de l’outil gratuit le plus recommandé sur la distribution la plus populaire.
- Les outils gratuits sont vraiment bons et coûtent du temps. Handy (MIT, 30 961 étoiles GitHub), Speech Note (MPL-2.0) et nerd-dictation (GPL-3.0) tournent tous entièrement hors ligne. Vous payez en choix de modèle et configuration de backend d’entrée plutôt qu’en argent.
- Si vous préférez tout sauter, BlabbyAI livre un build Linux en .deb, AppImage et snap, avec Ubuntu GNOME Wayland listé comme released. C’est 8,49 $ par mois avec une offre gratuite de 60 crédits par semaine, sans carte. Et parce que l’ extension Chrome tourne dans le navigateur, elle ne touche ni X11 ni Wayland.
Dictez sous Linux
Un build Linux qui s’installe depuis un .deb
Ubuntu GNOME sous Wayland, Ubuntu GNOME sous X11 et Mint Cinnamon sont listés comme released. Ou utilisez l’extension Chrome, qui contourne entièrement le serveur d’affichage.
La question que chaque guide de dictée Linux saute
Cherchez Linux speech to text et vous obtiendrez une liste de sept ou huit outils, chacun avec un paragraphe sur son modèle et sa licence. Installez la recommandation du haut, et il y a une chance réelle qu’elle transcrive votre voix parfaitement, puis ne tape absolument rien dans votre éditeur. Rien n’est cassé. Vous avez simplement heurté ce que ces listes ont laissé de côté.
Un logiciel de dictée ne tape pas vraiment. Il convertit votre parole en texte, puis simule des frappes pour que le texte atterrisse dans l’application qui a le focus. Sous Windows et macOS, cette simulation est un service système documenté et invisible pour vous. Sous Linux, c’est la partie la plus dure de tout le problème, parce que la façon de simuler une frappe dépend entièrement du serveur d’affichage que vous faites tourner.
Sous X11, tout programme peut injecter des événements d’entrée dans n’importe quel autre programme. C’est ce qui fait marcher xdotool, et c’est aussi une faiblesse de sécurité d’X11 reconnue depuis longtemps : un keylogger est trivial à écrire sous X11 pour exactement la même raison que la dictée est facile. Wayland a volontairement fermé ce trou. Une application Wayland normale ne peut pas pousser des frappes dans une autre application, c’est un vrai gain de sécurité et en même temps la raison pour laquelle votre outil de dictée reste là à ne rien faire.
Vérifiez ceci d’abord
Lancez echo $XDG_SESSION_TYPE dans un terminal. S’il affiche wayland, plusieurs des outils les plus recommandés de cette page ont besoin d’une configuration supplémentaire avant de taper un seul caractère. S’il affiche x11, presque tout fonctionne dès la sortie de boîte.
Ça compte de plus en plus chaque année, parce que les grandes distributions passent à Wayland par défaut. Ce qui veut dire que le conseil standard en première page de Google s’éloigne un peu plus de la réalité à chaque version d’Ubuntu, et que les outils recommandés avec le plus d’enthousiasme sont souvent ceux qui laissent le plus de setup encore à faire.
Les quatre backends d’entrée, et ce que chacun vous coûte
Presque chaque outil de dictée open source sous Linux délègue l’étape de frappe à l’un de quatre petits utilitaires. Celui dont vous avez besoin est décidé par votre serveur d’affichage, et la quantité de setup varie énormément entre eux. Ce tableau est la partie de la décision qui détermine vraiment si une soirée d’installation se passe bien.
| Backend | Serveur d’affichage | Setup | À savoir |
|---|---|---|---|
xdotool | X11 uniquement | Une installation de paquet | Le défaut de nerd-dictation. Ne tape rien sous Wayland. |
wtype | Wayland | Une installation de paquet | Handy le préfère, mais sa README dit qu’il ne marche pas sous Ubuntu 26.04. |
ydotool | X11, Wayland, TTY | Binaire, groupe, règle udev, systemd | La réponse fiable, et de loin le plus de travail à mettre en place. |
dotool | X11, Wayland, TTY | Binaire plus accès uinput | Même approche uinput que ydotool, interface plus simple. |
Source : la propre documentation des projets, lue en septembre 2026.
L’écart entre les deuxième et troisième lignes, c’est toute l’histoire. Ajouter wtype, c’est un apt install. Ajouter ydotool, c’est récupérer un binaire sur la page des releases du projet, le mettre quelque part dans votre $PATH, ajouter votre utilisateur au groupe input, et écrire une règle udev pour que /dev/uinput soit accessible en écriture sans root. Le projet nerd-dictation documente tout ça lui-même, et est franc sur pourquoi ce n’est pas le défaut : ydotool « requires some system configuration to use conveniently » et « lacks accessible documentation ».
# Which display server am I actually running?
$ echo $XDG_SESSION_TYPE
wayland
# The X11 answer: one package, done.
$ sudo apt install xdotool
# The Wayland answer, short version:
$ sudo apt install wtype
# The Wayland answer when wtype will not do:
$ sudo usermod -aG input $USER
$ echo 'KERNEL=="uinput", GROUP="input", MODE="0660"' \
| sudo tee /etc/udev/rules.d/80-uinput.rules
# then a systemd unit for ydotoold, then log out and back inRien de tout ça n’est hors de portée de quelqu’un qui fait tourner Linux par choix. Il vaut simplement la peine de savoir que c’est devant vous avant de commencer, plutôt que de le découvrir au moment où vous pensiez déjà dicter.
Les sept outils en un coup d’œil
Triés selon la quantité de travail entre l’installation et la dictée, pas selon la préférence. La colonne Wayland est celle à lire en premier.
| Outil | Type | Wayland | Install | Prix |
|---|---|---|---|---|
 BlabbyAI | App desktop packagée | Ubuntu GNOME Wayland listé released | .deb, AppImage, snap | 8,49 $/mois, offre gratuite 60 crédits/semaine |
 Handy | App desktop open source | Limité ; besoin de wtype, ou ydotool sous Ubuntu 26.04 | Binaires précompilés | Gratuit, MIT |
 Speech Note | Fenêtre autonome | Non concerné, ne tape pas dans d’autres apps | Flatpak | Gratuit, MPL-2.0 |
 Whispering | App desktop open source | Même classe de setup de backend d’entrée | Binaires précompilés | Gratuit, apportez votre clé API |
nerd-dictation | Script CLI | Ne tape rien avec le backend xdotool par défaut | Cloner le dépôt | Gratuit, GPL-3.0 |
whisper.cpp | Bibliothèque et CLI | Vous branchez l’entrée vous-même | Compiler depuis les sources | Gratuit, MIT |
ibus-speech-to-text | Méthode d’entrée | Fonctionne via IBus sous GNOME | Paquet de la distro | Gratuit |
Source : documentation éditeur et README des projets, lues en septembre 2026. Chiffres GitHub via l’API GitHub le 4 septembre 2026.
1. BlabbyAI : un build Linux packagé, Wayland inclus
BlabbyAI est une app de dictée plutôt qu’un outil de transcription : vous appuyez sur un raccourci, vous parlez, et le texte apparaît dans le champ où se trouve votre curseur. Une barre d’outils siège en bas au centre de l’écran, et le même build porte les modes custom, les orthographes custom et le choix de langue.
La raison pour laquelle il figure en haut d’une liste Linux est étroite et précise : il est packagé. Le téléchargement est un .deb, un AppImage ou un snap, donc sur un dérivé Debian ou Ubuntu c’est un double-clic ou un dpkg -i, et l’AppImage tourne sans rien installer au niveau système. La matrice de support sur la page Linux liste Mint Cinnamon X11, Ubuntu GNOME X11 et Ubuntu GNOME Wayland comme released, avec KDE Plasma encore en développement. Ce dernier détail est celui qui compte, vu tout ce qui précède.
Source : app Linux BlabbyAI.
Ce que vous obtenez pour l’argent
8,49 $ par mois, illimité. L’offre gratuite, c’est 60 crédits par semaine sans carte, qui se recharge plutôt que de s’épuiser pour de bon, donc vous pouvez le tester sur du vrai travail pendant plusieurs semaines.
Ce qui le distingue des outils gratuits
Les modes custom. Un mode est une instruction IA en texte libre appliquée à ce que vous venez de dire, donc la même dictée peut sortir en paragraphe rangé, en liste à puces ou en message de commit.
Les modes custom méritent encore une phrase, parce que c’est la partie sans équivalent open source sur cette page. L’instruction est du texte libre, pas un préréglage, donc elle fait ce qu’un modèle de langue peut faire à un texte : enlever le remplissage, imposer un style maison, traduire, convertir une parole décousue en rapport structuré, ou honorer des commandes parlées que vous définissez vous-même, comme dire « nouveau paragraphe ». Votre parole est l’entrée du mode, et le mode la réécrit.
La voie navigateur
Si la majeure partie de votre écriture se passe dans un navigateur, l’ extension Chrome BlabbyAI enlève le problème du serveur d’affichage en n’y participant jamais. Elle tourne dans Chrome, donc X11, Wayland et uinput sont tous hors sujet, et elle marche sur n’importe quelle distribution et n’importe quel environnement de bureau. Rien à installer au niveau système et aucune règle udev à écrire.
2. Handy : la meilleure option desktop gratuite, avec un astérisque Wayland
Handy est une app de dictée sous licence MIT, entièrement hors ligne, écrite en Rust, et c’est de loin l’option gratuite la plus crédible de cette catégorie. Elle tourne sous Windows, macOS et Linux, se décrit comme extensible, et son principe affiché est que les outils d’accessibilité ne devraient pas rester derrière un paywall. Vérifiée contre l’API GitHub le 4 septembre 2026 : 30 961 étoiles et dernier push le 31 août 2026, donc à la fois populaire et activement maintenue, ce qui n’est pas acquis dans cette catégorie.
L’astérisque, c’est Wayland, et au crédit du projet, c’est documenté dans la README plutôt qu’enterré dans un tracker d’issues. Handy liste « limited support for Wayland display server » et exige wtype ou dotool pour que la saisie de texte fonctionne. Puis vient la phrase qui recentre toute la catégorie :
Depuis la propre README de Handy
« Ubuntu 26.04: Has Wayland display server by default. wtype does not work, you need to install ydotool and configure systemd. »
Lisez ça face au fait qu’Ubuntu est la distribution desktop la plus utilisée et qu’Ubuntu actuel livre Wayland en standard. L’outil de dictée gratuit le plus recommandé, sur la distribution la plus courante, dans sa configuration par défaut, a besoin du plus lourd des quatre backends d’entrée et d’une unité systemd. Ce n’est pas une critique de Handy, qui est ici inhabituellement honnête. C’est l’illustration la plus claire de pourquoi la dictée Linux a la réputation d’être délicate.
3. Speech Note : contourne entièrement le problème
Speech Note, parfois appelé dsnote, est l’application vocale hors ligne la plus complète sous Linux, et elle résout le problème du serveur d’affichage en refusant de l’avoir. C’est une fenêtre. Vous dictez dans Speech Note, et le texte apparaît dans Speech Note. Parce qu’elle n’essaie jamais d’injecter des frappes dans une autre application, X11 et Wayland se valent, et il n’y a aucun backend d’entrée à installer.
Elle est sous licence MPL-2.0, s’installe proprement en Flatpak, et le dernier push date du 2 septembre 2026 avec 1 624 étoiles, donc elle est bien vivante. Elle fait aussi plus que de la dictée : speech to text hors ligne, text to speech, et traduction automatique dans une seule application, avec accélération GPU Vulkan pour les plus grands modèles. Si votre job consiste à produire un bloc de texte que vous collerez ensuite quelque part, c’est sans doute le meilleur outil de la page.
Le compromis, dit clairement
Speech Note n’est pas de la dictée système. Chaque phrase implique de parler dans sa fenêtre, puis de copier le résultat là où vous le vouliez vraiment. C’est correct pour rédiger un document et usant pour une réponse Slack. Les outils qui tapent directement dans vos apps sont ceux qui paient la taxe Wayland, et c’est l’autre face de ce marché.
4. Whispering : apportez votre propre fournisseur de transcription
Whispering, partie du projet Epicenter, est une app de dictée open source dont l’idée distinctive est que vous fournissez le backend de transcription. Elle prend en charge des modèles locaux et une longue liste de fournisseurs hébergés, ce qui veut dire que la précision et le coût sont tous deux à votre choix plutôt qu’à celui du développeur. Vérifié le 4 septembre 2026 : le dépôt avait 4 786 étoiles et le dernier push le 30 août 2026.
Elle convient très bien à une personne : quelqu’un qui a déjà une clé API, sait quel modèle il veut, et refuse par principe de payer un abonnement pour une couche mince au-dessus d’un modèle qu’il pourrait appeler lui-même. Si ce n’est pas vous, le choix du fournisseur est une décision de plus entre vous et la dictée, et le même travail de backend d’entrée Linux s’applique encore sous Wayland.
5. nerd-dictation : celui que la page un recommande encore
nerd-dictation est un script Python monofichier bâti sur l’API VOSK, GPL-3.0, et vraiment élégant : de tout petits modèles sous 50 Mo, presque aucune consommation de ressources, et hackable par quiconque à l’aise en Python. Il apparaît dans pratiquement chaque roundup de dictée Linux, y compris l’AI Overview de Google pour cette requête.
Deux choses méritent d’être dites, parce que les roundups qui le recommandent n’en disent en général aucune. La première, c’est la maintenance : vérifié contre l’API GitHub le 4 septembre 2026, le dépôt a reçu son dernier push le 10 octobre 2025, soit près de onze mois sans commit. Il n’est pas archivé et le code tourne encore, mais il n’est pas en développement actif comme Handy et Speech Note.
La seconde, c’est le comportement Wayland, que sa propre documentation décrit plus clairement que n’importe quel article à son sujet. Le backend d’entrée par défaut est xdotool, et le guide ydotool du projet dit à son sujet, en clair :
Depuis la documentation de nerd-dictation
« It is only compatible with Xorg, not with Wayland. If you want to use Wayland, the program will not type anything. »
Le correctif est réel et documenté : passez --simulate-input-tool et choisissez DOTOOL, YDOTOOL ou WTYPE à la place. Le même guide note une seconde limite de xdotool à connaître si vous dictez dans autre chose que l’anglais : il souffre de « considerable slowdowns when writing characters not found in the English language, temporarily freezing your computer’s display ».
# nerd-dictation on Wayland: the default will type nothing.
$ nerd-dictation begin --simulate-input-tool=DOTOOL
# ...or YDOTOOL, if you have done the uinput and systemd setup:
$ nerd-dictation begin --simulate-input-tool=YDOTOOL
# Non-English text under xdotool can freeze the display.
# This is documented behaviour, not a bug in your setup.6. whisper.cpp : les pièces, pas le produit
whisper.cpp est le port C et C++ du modèle Whisper d’OpenAI, et il sous-tend plusieurs des applications ci-dessus plutôt que de leur faire concurrence. Seul, ce n’est pas un outil de dictée : il transforme de l’audio en texte, et tout le reste, le raccourci, la capture micro, la simulation de frappes, est à vous d’écrire.
Pour une certaine sorte d’utilisateur Linux, c’est l’attrait plutôt que l’inconvénient. Vingt lignes de shell qui lient arecord à whisper.cpp à dotool produisent exactement le flux de dictée que vous voulez et rien d’autre, sans télémétrie, sans compte et sans mise à jour que vous n’avez pas demandée. Si vous avez déjà construit votre propre barre de statut, vous savez déjà si ce paragraphe décrit un bon après-midi ou un mauvais.
7. ibus-speech-to-text : le plus proche d’une option native
La dernière option est d’une autre nature. Plutôt qu’être une application qui tape dans d’autres applications, elle se branche sur IBus, le framework de méthodes d’entrée que GNOME utilise déjà pour chaque autre disposition de clavier et méthode d’entrée. Vous installez le paquet, ajoutez Speech to Text sous Sources d’entrée dans les réglages clavier, et elle devient disponible dans les applications standard comme toute autre méthode d’entrée.
Parce qu’elle travaille via la couche méthode d’entrée plutôt qu’en simulant des frappes, elle ne se heurte pas au mur Wayland de la même façon. Les contraintes : en pratique, c’est le territoire GNOME et Fedora, et vous obtenez une transcription brute sans le nettoyage, la mise en forme ni les instructions custom que les outils packagés empilent par-dessus. Comme démonstration que la dictée Linux peut sembler native, c’est la chose la plus encourageante de cette liste.
Comment choisir, dans l’ordre qui compte vraiment
Le conseil habituel est de commencer par la précision, ce qui est le mauvais bout. La précision est une propriété du modèle, et chaque outil ici peut faire tourner un modèle Whisper comparable, donc la plupart des écarts de précision perçus sont des écarts de taille de modèle que vous avez choisis sans le remarquer. Travaillez plutôt dans cet ordre.
- Découvrez ce que vous faites tourner.
echo $XDG_SESSION_TYPE. Tout ce qui suit dépend de cette réponse, et ça prend deux secondes. - Décidez si vous avez besoin d’une frappe système. Si vous rédigez un long texte que vous collerez de toute façon, Speech Note est excellente et saute entièrement le problème. Si vous voulez dicter une réponse Slack sans changer de fenêtre, il vous faut un outil qui tape dans d’autres applications, et la question du serveur d’affichage devient réelle.
- Demandez-vous où votre écriture se passe vraiment. Si la réponse honnête est « dans un onglet de navigateur », une extension Chrome résout ça sans installation système sur aucune distribution.
- Ensuite, décidez ce que vous préférez dépenser. Les outils gratuits coûtent une soirée de configuration et un peu de maintenance. Un outil packagé comme BlabbyAI coûte 8,49 $ par mois et arrive en .deb. Les deux sont des réponses légitimes, et les utilisateurs Linux sont particulièrement bien placés pour choisir la première délibérément.
- Seulement maintenant, comparez les modèles. Et quand un outil semble imprécis, essayez un plus grand modèle avant d’essayer un autre outil.
Sautez la soirée backend d’entrée
Installez un .deb et commencez à dicter
60 crédits chaque semaine sur l’offre gratuite, sans carte. Ubuntu GNOME Wayland, Ubuntu GNOME X11 et Mint Cinnamon sont listés comme released, et l’extension Chrome marche sur chaque distribution.
Pourquoi cette catégorie existe sous Linux et à peine ailleurs
Il vaut la peine de nommer l’asymétrie sous-jacente, parce qu’elle explique la forme de tout ce qui précède. Windows livre la saisie vocale sur Win+H et macOS livre Dictation. Les deux sont intégrés au système, les deux marchent dans n’importe quel champ de texte, et aucun ne vous demande de penser à comment les frappes sont délivrées. Sur ces plateformes, un outil de dictée tiers doit battre un défaut gratuit décent.
Aucune distribution Linux grand public ne livre un équivalent toujours disponible. Le vide laissé par ça, c’est pourquoi sept projets crédibles existent ici, la plupart gratuits et plusieurs excellents, et c’est aussi pourquoi ils résolvent tous le dernier kilomètre autrement. Il n’y a aucun service système auquel déléguer, donc chaque projet choisit sa propre réponse, et les réponses ne sont pas d’accord.
Ce que Linux fait bien
Un vrai choix, un traitement hors ligne réel, et aucune facturation à la minute. Rien ici n’envoie votre audio quelque part sauf si vous choisissez un outil qui le fait, et plusieurs sont auditables ligne par ligne.
Ce que ça coûte
Le dernier kilomètre. Chaque outil ici a résolu la reconnaissance vocale ; ce qui les sépare, c’est combien de travail reste entre un transcript qui marche et le texte qui apparaît là où vous le vouliez.
C’est aussi la façon la plus juste de lire cette liste. Ce ne sont pas sept outils de qualité variable. Ce sont sept réponses différentes à une question d’ingénierie peu glamour que Windows et macOS ont résolue de façon centrale il y a des années, et la bonne pour vous dépend moins du modèle que de votre serveur d’affichage et de l’endroit où vos mots doivent atterrir.
Questions fréquentes
Linux a-t-il une dictée speech to text intégrée ?
Pas comme Windows et macOS. Windows livre la saisie vocale Win+H dans le système, macOS livre Dictation, et les deux fonctionnent dans n’importe quel champ de texte dès que vous les activez. Aucune distribution Linux grand public ne livre un équivalent activé par défaut. Les utilisateurs GNOME et Fedora peuvent installer le paquet ibus-speech-to-text et ajouter Speech to Text comme source d’entrée, c’est le plus proche d’une option native, mais vous l’installez et le configurez, ce n’est pas déjà là. Partout ailleurs, dicter sous Linux veut dire choisir un outil tiers. C’est toute la raison pour laquelle cette catégorie existe sous Linux et à peine sous Windows : le système laisse un trou, et sept ou huit projets l’ont chacun comblé autrement.
Pourquoi les logiciels de dictée échouent sous Wayland ?
Parce que les outils de dictée ne « tapent » pas vraiment. Ils simulent des frappes, et la façon de simuler une frappe sous Linux dépend entièrement de votre serveur d’affichage. Sous X11, tout programme peut injecter des entrées dans n’importe quel autre programme, c’est ce qui fait marcher xdotool, et c’est aussi, au passage, une faiblesse de sécurité d’X11. Wayland a volontairement fermé ce trou : une application normale ne peut pas pousser des frappes dans une autre application. Donc un outil de dictée bâti sur xdotool transcrit parfaitement votre parole, puis ne tape rien du tout, parce que le mécanisme qu’il utilise pour taper a été bloqué par conception. Les contournements sont ydotool et dotool, qui opèrent à la couche kernel uinput sous le serveur d’affichage, et wtype, qui demande poliment au compositeur via un protocole Wayland que tous les compositeurs n’implémentent pas. C’est la chose la plus utile à comprendre avant de choisir un outil, et presque aucun roundup ne le mentionne.
Quel outil speech to text fonctionne sous Ubuntu ?
Ubuntu moderne démarre par défaut sur le serveur d’affichage Wayland, donc la vraie question est quels outils gèrent Wayland. BlabbyAI livre un build Linux avec Ubuntu GNOME sous Wayland listé comme released, aux côtés d’Ubuntu GNOME X11 et Mint Cinnamon X11, et s’installe via .deb, AppImage ou snap. Handy tourne sous Ubuntu, mais sa propre README dit que sous Ubuntu 26.04, Wayland par défaut, wtype ne fonctionne pas et qu’il faut installer ydotool et configurer systemd. nerd-dictation fonctionne si vous changez son backend de simulation d’entrée hors du xdotool par défaut. Speech Note fonctionne parce que c’est une fenêtre dans laquelle vous dictez, plutôt qu’un outil qui tape dans d’autres apps, ce qui contourne le problème entièrement, au prix de ne pas être système.
Existe-t-il un speech to text gratuit pour Linux ?
Oui, et Linux est ici remarquablement bien servi par rapport aux autres plateformes. Handy est sous licence MIT et gratuit, Speech Note est gratuit sous MPL-2.0, nerd-dictation est GPL-3.0, et whisper.cpp est gratuit si vous acceptez de scripter autour. Tous tournent en local, donc pas de facturation à la minute et pas de compte. Le coût, c’est votre temps : chacun vous demande de choisir un modèle, de le dimensionner à votre matériel, et sous Wayland d’installer et configurer aussi un backend d’entrée. Les outils payants facturent pour vous enlever ce travail. BlabbyAI a une offre gratuite de 60 crédits par semaine sans carte, pour comparer un outil packagé et un outil open source sur vos propres phrases avant de décider quel type de coût vous préférez payer.
Quelle est la différence entre speech to text et dictée sous Linux ?
On les utilise de façon interchangeable, et ils décrivent deux jobs vraiment différents. La transcription prend un fichier audio existant et en fait du texte, c’est pour ça que Buzz et whisper.cpp sont faits. La dictée tape vos mots dans l’application que vous utilisez, en direct, comme partie de l’écriture. Sous Linux, la distinction compte plus qu’ailleurs, parce que les outils de transcription n’ont aucun problème de serveur d’affichage : ils lisent un fichier et écrivent un fichier, et rien n’a besoin d’injecter des frappes. Ce sont les outils de dictée qui cassent sous Wayland. Si vous cherchez Linux speech to text et tombez sur un outil qui marche impeccablement, mais seulement dans sa propre fenêtre, cette distinction explique pourquoi.
BlabbyAI fonctionne-t-il sous Linux ?
Oui. BlabbyAI livre une app desktop Linux en paquet .deb, AppImage et snap, donc elle s’installe sur les dérivés Debian et Ubuntu via le gestionnaire de paquets, ou tourne depuis l’AppImage sans rien installer au niveau système. La matrice de support sur la page Linux liste actuellement Mint Cinnamon X11, Ubuntu GNOME X11 et Ubuntu GNOME Wayland comme released, avec KDE Plasma en développement. Ça marche comme l’app Windows : un raccourci clavier, une barre d’outils en bas au centre, et le texte tapé dans l’application qui a le focus, plus les modes custom, les orthographes custom et le choix de langue. L’app Windows et l’extension Chrome restent les deux produits que nous poussons le plus, mais le build Linux est réel et téléchargeable, pas une liste d’attente.
Puis-je utiliser une extension Chrome pour dicter sous Linux à la place ?
C’est la réponse la plus sous-estimée à toute la question, et elle mérite plus d’attention qu’elle n’en reçoit. Une extension Chrome tourne dans le navigateur, donc elle ne touche ni X11, ni Wayland, ni uinput, ni aucune plomberie de serveur d’affichage. Le problème de compatibilité qui domine chaque autre option de cette page ne s’applique simplement pas. Si la majeure partie de ce que vous écrivez se passe dans un navigateur, et pour beaucoup de gens c’est Gmail, Google Docs, Notion, Jira, Slack, Linear et chaque outil web interne au travail, l’extension Chrome BlabbyAI dicte dans tout ça sur n’importe quelle distribution Linux et n’importe quel environnement de bureau, sans paquet à installer et sans règle udev à écrire. Elle ne tapera pas dans une application native GTK ou Qt, donc ce n’est pas un remplacement complet d’une app desktop, mais pour un travail très navigateur, elle enlève la partie la plus dure de la dictée Linux en n’y participant pas.
Quelle est la précision du speech to text sous Linux par rapport à Windows ?
La précision est une propriété du modèle, pas du système d’exploitation, donc un modèle Whisper donné produit la même qualité de transcript sous Linux qu’ailleurs. Ce qui change sous Linux, c’est quel modèle vous finissez par faire tourner. Les outils open source démarrent par défaut sur de plus petits modèles locaux dimensionnés pour tourner confortablement sur du matériel ordinaire, et un petit modèle est mesurablement moins bon sur les noms propres, les termes techniques et les noms inhabituels. Donc l’écart de précision que les gens rapportent entre dictée Linux et Windows est en général un écart de taille de modèle qu’ils ont choisi sans s’en rendre compte, pas une limite de plateforme. Si un outil local semble imprécis, essayez un plus grand modèle avant de changer d’outil, et attendez-vous à ce qu’il soit plus lent.
Quel est le meilleur outil speech to text pour les développeurs Linux ?
Les développeurs ont une version spécifique du problème, parce que les applications dans lesquelles vous tapez le plus, un terminal et un éditeur, sont exactement là où l’injection de frappes est la plus délicate, et parce que le vocabulaire proche du code punit les petits modèles. Deux approches marchent bien. Faire tourner un outil système packagé comme BlabbyAI pour que la dictée se comporte de façon identique dans un navigateur, un éditeur et une fenêtre de chat, et utiliser un mode custom pour façonner le texte parlé dans la forme que vous voulez. Ou, si vous préférez assembler vous-même, coupler whisper.cpp avec dotool et scripter les pièces. Le point plus large : la majeure partie d’une journée de développeur n’est pas d’écrire du code, ce sont des descriptions de pull request, des messages de commit, des réponses Slack, des commentaires de tickets et de la documentation, toute de la prose ordinaire qui se dicte bien.
Ai-je besoin d’un GPU pour faire du speech to text sous Linux ?
Non, mais ça change quels outils semblent utilisables. Chaque option locale ici tourne sur CPU, et les petits modèles Whisper transcrivent une courte utterance sur un CPU de laptop ordinaire en une ou deux secondes, ce qui convient pour des morceaux de taille dictée. Là où un GPU compte, c’est la transcription longue et les plus grands modèles, et Speech Note annonce spécifiquement l’accélération GPU Vulkan pour exactement cette raison. Les outils cloud contournent entièrement la question du matériel en faisant le travail sur un serveur, c’est pourquoi ils semblent instantanés sur un laptop fin et pourquoi ils ont besoin d’une connexion réseau. Décidez lequel de ces compromis vous dérange le moins avant de juger un outil sur la vitesse.
La dictée sous Linux sans la soirée de setup
BlabbyAI livre un .deb, AppImage et snap Linux, avec Ubuntu GNOME Wayland listé comme released, plus une extension Chrome qui marche sur chaque distribution. Offre gratuite : 60 crédits par semaine, sans carte.