Date diagnostic : 29 octobre 2026
Agent : Claude Code (secours Antigravity)
Incident : Vocal de 9min21s non transcrit
Le vocal de 561 secondes (9min21s, 2.97 MB) envoyé à 17h22 a échoué à la transcription pour deux raisons distinctes :
faster_whisper a Ă©tĂ© tuĂ© prĂ©maturĂ©ment aprĂšs 6min28s (388s) au lieu des ~23 minutes nĂ©cessaires, Ă cause d'une estimation de durĂ©e fausse basĂ©e sur la taille du fichier au lieu de la durĂ©e rĂ©elle fournie par TelegramCe n'est PAS le mĂȘme problĂšme qu'ElevenLabs en quarantaine â c'est une dĂ©faillance en cascade oĂč tous les moteurs sont simultanĂ©ment indisponibles.
17:22:23 â Vocal reçu de Raphael
- Durée annoncée par Telegram : 561 secondes (9min21s)
- Taille fichier : 2 969 165 bytes (2.97 MB)
- Ratio compression réel : 5292 bytes/seconde
17:22:33 â TĂ©lĂ©chargement terminĂ©, dĂ©but transcription
[VoiceHandler] ElevenLabs en cooldown (echec recent), on saute directement a Google.
[VoiceHandler] Google en cooldown (echec recent), on saute directement a Deepgram.
[VoiceHandler] Deepgram en cooldown (echec recent), on saute directement au Whisper local.
[VoiceHandler] Transcribing via faster_whisper (local, secours final)...
17:29:01 â Ăchec par timeout (6min28s plus tard)
[ERROR] 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\1793308953034-AgADtgoAApsqGUc.oga fr
Configuration actuelle (C:\Users\lisa\.remoat\config.json, modifié le 25/10 20h51) :
{
"voiceSttProvider": "elevenlabs"
}
Cascade théorique (mode par défaut elevenlabs) :
1. ElevenLabs STT
2. Google Cloud STT
3. Deepgram Nova-3
4. faster_whisper (local, secours final)
Ătat rĂ©el (C:\ASSISTANT_IA\.env vĂ©rifiĂ© aujourd'hui) :
â ELEVENLABS_API_KEY â absente
â GROQ_API_KEY â absente
â DEEPGRAM_API_KEY â absente
â
google_credentials.json â existe (Google Cloud STT devrait fonctionner)
RĂ©sultat : Les 3 fournisseurs cloud Ă©chouent systĂ©matiquement â circuit breaker les met en cooldown 24h aprĂšs chaque Ă©chec â cascade complĂšte impossible.
Preuve historique : Tous les vocaux depuis au moins 16:50 (et probablement depuis plusieurs jours) utilisent UNIQUEMENT faster_whisper local en secours final :
- 16:50:41 â vocal 37s â faster_whisper SUCCESS (26s traitement)
- 16:53:24 â vocal 15s â faster_whisper SUCCESS (15s traitement)
- 17:22:33 â vocal 561s â faster_whisper TIMEOUT (388s traitement)
Code problématique (Remoat/src/utils/voiceHandler.ts:300-308) :
let estimatedDurationSec = 60;
try {
const stat = await fs.stat(voicePath);
// PROBLĂME ICI : ratio fixe 20700 bytes/s, alors que le vrai ratio varie
estimatedDurationSec = Math.max(10, stat.size / 20700);
} catch { /* garde la valeur par defaut */ }
// Marge relevee le 25/10/2026 : x1500ms/s coupait encore les audios
// de plus de 2 min. Passage a x2500ms/s + plancher 180s.
const timeoutMs = Math.max(180_000, Math.ceil(estimatedDurationSec * 2500) + 30_000);
Calcul appliqué au vocal de 17h22 :
Taille fichier : 2 969 165 bytes
Durée estimée = 2 969 165 ÷ 20 700 = 143.4 secondes
Timeout calculé = max(180 000, ceil(143.4 à 2500) + 30 000)
= max(180 000, 387 500)
= 387 500 ms
= 387.5 secondes â 6min28s
Timeout rĂ©el observĂ© : 388 secondes â correspond EXACTEMENT au calcul ci-dessus â
MAIS la durĂ©e RĂELLE du vocal Ă©tait de 561 secondes (fournie par Telegram dans le JSON d'update) :
"voice": {
"duration": 561,
"file_size": 2969165
}
Ratio de compression réel :
2 969 165 bytes Ă· 561 secondes = 5 292 bytes/seconde
C'est ~4x moins que les 20 700 bytes/s supposĂ©s par le code â le timeout est 5x trop court.
Timeout qui aurait été nécessaire (basé sur la durée réelle) :
561 secondes Ă 2500 ms/s + 30 000 = 1 432 500 ms â 23min52s
Pourquoi le ratio 20700 bytes/s est faux :
Le format Opus Telegram a un débit variable selon la complexité audio. Le ratio de 20 700 bytes/s est probablement une moyenne empirique, mais ne tient pas compte des vocaux trÚs compressés (silence, parole monocorde) qui peuvent descendre à ~5000-6000 bytes/s.
Modification voiceHandler.ts:300-308 :
/**
* Calcule le timeout adaptatif pour faster_whisper.
* Prend la durĂ©e RĂELLE du vocal (fournie par Telegram) si disponible,
* sinon estime depuis la taille du fichier (ratio empirique 20700 bytes/s).
*
* @param voicePath - Chemin du fichier audio téléchargé
* @param voiceDuration - Durée réelle du vocal en secondes (depuis Telegram update.message.voice.duration)
*/
async function calculateWhisperTimeout(voicePath: string, voiceDuration?: number): Promise<number> {
let estimatedDurationSec = 60;
if (voiceDuration && voiceDuration > 0) {
// DurĂ©e rĂ©elle fournie par Telegram â utiliser directement
estimatedDurationSec = voiceDuration;
} else {
// Fallback : estimation depuis la taille du fichier
try {
const stat = await fs.stat(voicePath);
estimatedDurationSec = Math.max(10, stat.size / 20700);
} catch { /* garde la valeur par defaut 60s */ }
}
// Marge x2500ms/s + 30s, plancher 180s
return Math.max(180_000, Math.ceil(estimatedDurationSec * 2500) + 30_000);
}
Propagation : Modifier la signature de transcribeLocalWhisper() pour accepter voiceDuration et le passer Ă calculateWhisperTimeout(). Extraire voiceDuration depuis le message Telegram (ctx.message.voice?.duration) et le propager dans la chaĂźne d'appels.
BĂ©nĂ©fice : Timeout prĂ©cis mĂȘme pour des vocaux trĂšs compressĂ©s ou trĂšs longs.
Actions :
1. Ajouter GROQ_API_KEY dans .env (Groq Whisper = gratuit jusqu'Ă 10h/jour, rate limite 400 req/min)
2. OU ajouter DEEPGRAM_API_KEY (Nova-3 = $0.0043/min)
3. OU ajouter ELEVENLABS_API_KEY (quota payant)
BĂ©nĂ©fice : Ăvite de surcharger faster_whisper local qui est lent sur les longs audios.
Passer de x2500ms/s à x5000ms/s pour couvrir les vocaux trÚs compressés.
ProblĂšme : Sur-timeout massif pour les vocaux normaux (un vocal de 60s aurait 5 minutes de timeout au lieu de 2min30s).
HypothĂšse : Depuis le changement de config vers "voiceSttProvider": "elevenlabs" le 25/10/2026 20h51, TOUS les vocaux ont dĂ©clenchĂ© la cascade par dĂ©faut (ElevenLabs â Google â Deepgram â local), et TOUS ont Ă©chouĂ© faute de clĂ©s API.
Mécanisme circuit breaker (voiceHandler.ts:29-53) :
const STT_COOLDOWN_MS = 24 * 60 * 60 * 1000; // 24 heures
const sttFailureTimestamps = new Map<string, number>();
function isSttOnCooldown(provider: string): boolean {
const lastFailure = sttFailureTimestamps.get(provider);
if (!lastFailure) return false;
return Date.now() - lastFailure < STT_COOLDOWN_MS;
}
function markSttFailure(provider: string): void {
sttFailureTimestamps.set(provider, Date.now());
}
RĂ©sultat : DĂšs le premier vocal traitĂ© aprĂšs le changement de config (probablement le 25 ou 26 octobre), les 3 fournisseurs ont Ă©tĂ© marquĂ©s en Ă©chec â cooldown 24h â tous les vocaux suivants sautent directement au fallback local.
Ătat actuel (29/10 17h22) : Les 3 fournisseurs sont TOUJOURS en cooldown â le systĂšme est bloquĂ© en mode "secours final seul" depuis 3-4 jours.
Ajouter au moins UNE clé API STT cloud fonctionnelle dans .env
â PrioritĂ© 1 : GROQ_API_KEY (gratuit, rapide, fiable)
â PrioritĂ© 2 : DEEPGRAM_API_KEY (payant mais excellent, Nova-3)
Corriger le bug timeout faster_whisper (Option A ci-dessus)
â Utiliser ctx.message.voice.duration au lieu de stat.size / 20700
â EmpĂȘche les timeouts prĂ©maturĂ©s sur vocaux longs ou trĂšs compressĂ©s
Monitorer les cooldowns STT
â Ajouter un log quotidien listant les fournisseurs en cooldown
â Alerte Telegram si TOUS les fournisseurs cloud sont simultanĂ©ment en cooldown
Revoir le ratio de compression Opus par défaut
â Le ratio 20700 bytes/s est optimiste
â Calculer une moyenne empirique sur 100 vocaux rĂ©els Telegram
â Ou passer Ă un ratio plus conservateur (~10 000 bytes/s)
C:/ASSISTANT_IA/Remoat/src/utils/voiceHandler.ts â Logique STT + timeout C:/ASSISTANT_IA/.env â ClĂ©s API (actuellement vides pour STT) C:/Users/lisa/.remoat/config.json â Config voiceSttProvider C:/ASSISTANT_IA/Remoat/bot_startup.log â Logs Ă©chec (lignes 26441-26446) C:/ASSISTANT_IA/scratch/faster_whisper_transcribe.py â Script Python localCe diagnostic rĂ©pond-il Ă la question initiale ?
â
OUI â La cause est diffĂ©rente de la mise en quarantaine d'ElevenLabs :
- Il ne s'agit pas d'un quota ElevenLabs épuisé
- Mais d'une absence TOTALE de clĂ©s API cloud â cooldown permanent des 3 fournisseurs
- Combiné à un bug timeout du fallback local sur les vocaux longs/compressés
Prochaine étape : Ajouter GROQ_API_KEY dans .env ET corriger le calcul de timeout.
Rapport généré le 29/10/2026 par Claude Code (Sonnet 4.5)