Date & Heure d'analyse : 29 octobre 2026 — 16h35 (Guadeloupe UTC-4)
Composant impacté : Passerelle Telegram Remoat (C:\ASSISTANT_IA\Remoat\src\utils\voiceHandler.ts)
Message concerné : Message vocal Telegram de 15h54:35 (durée 610s / 10m10s, taille 3,2 Mo, ID uniqueAgADdAoAApsqGUc)
Statut de l'analyse : Causes racines identifiées à 100% (double défaillance logicielle : disjoncteur STT abusif + sous-estimation de timeout CPU).
L'échec de la transcription automatique du message vocal de 15h54 n'est ni une corruption de l'enregistrement audio, ni une saturation des serveurs Telegram, ni une panne du modèle d'IA.
L'échec résulte d'un enchaînement de deux défauts de conception dans le module voiceHandler.ts de Remoat :
1. Un disjoncteur (circuit breaker) trop agressif : À 13h52, un court audio de 21s silencieux a fait renvoyer un texte vide aux moteurs cloud. Le code a interprété ce silence comme une panne et a placé ElevenLabs et Google Cloud STT en quarantaine (cooldown) pour 24 heures complètes. Toutes les requêtes de l'après-midi ont donc sauté le cloud pour basculer de force sur le moteur local CPU faster_whisper.
2. Une formule de timeout erronée qui tue le processus après 7 minutes : Le moteur de secours local faster_whisper calcule la durée estimée de l'audio via un ratio fixe de 20 700 octets/seconde. Pour ce vocal compressé à ~5 300 octets/seconde, le script a sous-estimé la durée à 156 secondes au lieu des 610 secondes réelles (10m10s). Il a fixé un timeout de coupure à 420 secondes (7 minutes). Or, sur CPU, la transcription d'un audio de 10 minutes nécessite environ 15 à 20 minutes. À 16h01:44 (exactement 420 secondes après le début du traitement à 15h54:44), Node.js a brutalement abattu le processus avec un signal SIGTERM (killed=true).
bot_startup.log)[13:52:49] [VoiceHandler] Downloaded voice message ... (33763 bytes)
[13:52:49] [VoiceHandler] Transcribing via ElevenLabs Scribe API...
[13:52:50] [VoiceHandler] Transcribing via Google Cloud Speech-to-Text...
[13:52:55] [ERROR] [VoiceHandler] Google STT error: code=4 | Google STT: aucune parole detectee
[13:52:55] [VoiceHandler] Transcribing via faster_whisper (local, secours final)...
[13:54:07] [ERROR] [VoiceHandler] faster_whisper transcription error: code=3 | Transcription vide
voiceHandler.ts, un résultat vide (null) déclenche immédiatement :
typescript
markSttFailure('elevenlabs'); // Cooldown 24 heures !
markSttFailure('google'); // Cooldown 24 heures !.env.[15:54:35] [Update Received] duration: 610, file_size: 3230063 ...
[15:54:44] [VoiceHandler] Downloaded voice message ... (3230063 bytes)
[15:54:44] [VoiceHandler] ElevenLabs en cooldown (echec recent), on saute directement a Google.
[15:54:44] [VoiceHandler] Google en cooldown (echec recent), on saute directement a Deepgram.
[15:54:44] [VoiceHandler] Deepgram en cooldown (echec recent), on saute directement au Whisper local.
[15:54:44] [VoiceHandler] Transcribing via faster_whisper (local, secours final)...
[16:01:44] [ERROR] [VoiceHandler] faster_whisper transcription error:
code=null | signal=SIGTERM | killed=true (timeout) | Command failed:
C:\Users\lisa\AppData\Local\hermes\hermes-agent\.venv\Scripts\python.exe
C:\ASSISTANT_IA\scratch\faster_whisper_transcribe.py
C:\Users\lisa\AppData\Local\Temp\remoat-voice\1793303684239-AgADdAoAApsqGUc.oga fr
Durée exacte d'exécution : 15h54:44 ➔ 16h01:44 = 420,000 secondes (pile 7 minutes).
transcribeLocalWhisper (voiceHandler.ts)let estimatedDurationSec = 60;
try {
const stat = await fs.stat(voicePath);
estimatedDurationSec = Math.max(10, stat.size / 20700);
} catch { }
const timeoutMs = Math.max(180_000, Math.ceil(estimatedDurationSec * 2500) + 30_000);
3 230 063 octets.3 230 063 / 20 700 = 156 secondes (2 min 36).(156 * 2500) + 30 000 = 420 000 ms = 420 secondes = 7 minutes.20 700 octets/s est totalement inadapté aux longs messages vocaux Telegram encodés en Opus VBR bas débit (~5 300 octets/s).voice.duration = 610 lors de la réception, mais cette métadonnée n'était pas transmise à la fonction transcribeVoice(voicePath).if (!isSttOnCooldown('elevenlabs')) {
const elevenLabsResult = await transcribeElevenLabs(voicePath);
if (elevenLabsResult) {
markSttSuccess('elevenlabs');
return elevenLabsResult;
}
markSttFailure('elevenlabs'); // <-- ERREUR MAJEURE
}
null.STT_COOLDOWN_MS = 24 * 60 * 60 * 1000).transcribeVoice :
Transmettre voice.duration directement à transcribeVoice(voicePath, voiceDurationSec) au lieu de recalculer une durée approximative et erronée sur la taille du fichier.markSttFailure que sur une erreur HTTP avérée (code 401, 429, 500) ou exception réseau, et jamais sur un retour vide ou une absence de voix détectée.