🎙️Messages vocaux

Parlez au lieu de taper - dans le navigateur avec le bouton micro, et depuis votre téléphone avec les notes vocales Telegram. Claude ne peut pas écouter l'audio : votre enregistrement est donc d'abord transformé en texte sur votre serveur ; c'est la transcription que Claude lit.

Choisir un moteur (Paramètres -> Voix)

Moteur	Avantages	Inconvénients
Sur ce serveur (Whisper, `faster-whisper`)	privé (l'audio ne quitte jamais le serveur), gratuit, aucune clé	plus lent sur les petits serveurs, ~0,5-1 Go de RAM pendant l'utilisation, ~150-500 Mo à télécharger
Groq (`whisper-large-v3-turbo`)	le plus rapide et le plus précis, environ 0,04 $ par heure d'audio	nécessite une `GROQ_API_KEY`, l'audio est envoyé à Groq
OpenAI (`gpt-4o-mini-transcribe`)	précis, environ 0,18 $ par heure d'audio	nécessite une `OPENAI_API_KEY`, l'audio est envoyé à OpenAI
Désactivé	-	pas de bouton micro ; les notes vocales Telegram reçoivent un court message d'aide

Les clés d'API sont stockées dans le coffre des clés (vous pouvez les coller directement dans Paramètres -> Voix).

Moteur local : modèles et vitesse

Choisissez le modèle dans Paramètres -> Voix, puis Installer / Télécharger (le téléchargement s'exécute en arrière-plan, avec une progression ; vous pouvez quitter la page). Sans téléchargement préalable, le premier message vocal télécharge le modèle.

Modèle	Téléchargement	Remarques
tiny	~75 Mo	très rapide, approximatif
base	~145 Mo	par défaut sur les serveurs avec moins de 4 Go de RAM - bon en anglais, correct pour les autres langues
small	~485 Mo	par défaut - très bon en anglais et en français
medium	~1,5 Go	le meilleur, nécessite 2 Go+ de RAM libre et de la patience sur les petits processeurs

Ordre de grandeur avec 2 vCPU : un message d'une minute prend ~15 s avec base, ~30-60 s avec small (plus rapide avec plus de cœurs). Le modèle reste en mémoire pendant 10 minutes après le dernier message, puis il est déchargé. Un seul message est transcrit à la fois ; les autres attendent leur tour.

Langue : la détection automatique fonctionne bien pour une conversation normale. Fixez la langue (Paramètres -> Voix -> Langue) si vous parlez toujours la même, ou pour les notes très courtes ou bruyantes.

Dans le navigateur

Le bouton micro se trouve à côté de Envoyer dans chaque session.
Appuyez pour démarrer, appuyez sur ✓ pour arrêter ; ou maintenez pour parler et relâchez pour arrêter (push-to-talk). Glissez vers la gauche en maintenant, appuyez sur Esc ou sur ✕ pour annuler.
Quand vous arrêtez, le message vocal est envoyé tout de suite, comme sur Telegram : il apparaît dans la conversation sous forme d'une seule bulle : un bouton micro rond (appuyez dessus pour écouter l'enregistrement, appuyez à nouveau pour mettre en pause) et, à côté, la transcription une fois que le serveur l'a produite ; la transcription part ensuite vers Claude. Vous pouvez continuer à parler ou à écrire entre-temps : les messages suivants attendent leur tour. L'enregistrement est sauvegardé dans le sujet (attachments/YYYY-MM/voice-….webm).
Vous préférez relire le texte avant l'envoi ? Désactivez Paramètres -> Voix -> Envoyer les messages vocaux tout de suite : la transcription est alors insérée à l'emplacement du curseur pour que vous puissiez la corriger, ou envoyée sous forme de texte avec Envoyer automatiquement.
Si la transcription échoue (ou si rien n'a été entendu), l'enregistrement reste dans la conversation et rien n'est envoyé à Claude ; renvoyez-le ou tapez votre message.
Les navigateurs ne donnent accès au microphone que sur les pages en HTTPS (ou localhost). Avec un nom de domaine (Caddy), cela fonctionne directement ; avec un simple http://<tailscale-ip>, non - utilisez un mode d'accès HTTPS ou un tunnel SSH vers localhost.
Fonctionne sur iPhone (Safari) et Android (Chrome). Autorisez le microphone quand le navigateur le demande ; si vous avez refusé une fois, autorisez-le à nouveau dans les paramètres du site (l'icône de cadenas dans la barre d'adresse).
Les enregistrements sont limités à 15 minutes.
Enregistrer un test dans Paramètres -> Voix affiche la transcription, la langue détectée et le temps que cela a pris.

Sur Telegram

Envoyez une note vocale, un fichier audio ou une note vidéo ronde dans un fil de session : 1. le bot répond avec 🎤 <transcript>, 2. la transcription est envoyée à la session du sujet comme si c'était votre message (le fichier audio est joint et sauvegardé sous <topic>/attachments/voice/YYYY-MM/), 3. Claude répond comme d'habitude.

Si les messages vocaux sont désactivés, le bot répond par un court message d'aide.

Depuis le terminal

maxxing voice status                 # engine, model, readiness
maxxing voice set --engine local --model small --language auto
maxxing voice download [model]       # pre-download a local model
maxxing voice transcribe note.ogg    # test a file

maxxing doctor indique l'état de la voix. Pour installer le moteur local à la main : cd /opt/claude-maxxing/server && uv sync --extra voice (ensuite, maxxing update le conserve).

Dépannage

Bouton micro grisé - la voix est désactivée ou n'est pas prête : ouvrez Paramètres -> Voix.
« Browsers only allow the microphone on HTTPS pages » - voir plus haut.
« ffmpeg is missing » - apt-get install -y ffmpeg.
Mauvaise langue / charabia - fixez la langue, ou utilisez un modèle plus grand.
Lent - utilisez base, ou passez à Groq.