Généré le 29/10/2026 22:15

🔍 DIAGNOSTIC ÉCHEC TRANSCRIPTION VOCAL 29/10/2026 17h22

Date diagnostic : 29 octobre 2026
Agent : Claude Code (secours Antigravity)
Incident : Vocal de 9min21s non transcrit


📊 SYNTHÈSE EXÉCUTIVE

Le vocal de 561 secondes (9min21s, 2.97 MB) envoyé à 17h22 a échoué à la transcription pour deux raisons distinctes :

  1. ProblĂšme structurel : Aucune clĂ© API STT cloud n'est configurĂ©e → les 3 fournisseurs (ElevenLabs, Google STT, Deepgram) sont en cooldown permanent depuis des jours
  2. Bug timeout : Le fallback local faster_whisper a été tué prématurément aprÚs 6min28s (388s) au lieu des ~23 minutes nécessaires, à cause d'une estimation de durée fausse basée sur la taille du fichier au lieu de la durée réelle fournie par Telegram

Ce n'est PAS le mĂȘme problĂšme qu'ElevenLabs en quarantaine — c'est une dĂ©faillance en cascade oĂč tous les moteurs sont simultanĂ©ment indisponibles.


🔬 ANALYSE TECHNIQUE DÉTAILLÉE

1. Chronologie de l'échec (29/10/2026)

17:22:23 — 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 — 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 — Échec 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

2. ProblÚme Structurel : Absence totale de clés API STT

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)

État rĂ©el (C:\ASSISTANT_IA\.env vĂ©rifiĂ© aujourd'hui) :

❌ ELEVENLABS_API_KEY — absente
❌ GROQ_API_KEY — absente
❌ DEEPGRAM_API_KEY — absente
✅ google_credentials.json — existe (Google Cloud STT devrait fonctionner)

RĂ©sultat : Les 3 fournisseurs cloud Ă©chouent systĂ©matiquement → circuit breaker les met en cooldown 24h aprĂšs chaque Ă©chec → 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 — vocal 37s → faster_whisper SUCCESS (26s traitement)
- 16:53:24 — vocal 15s → faster_whisper SUCCESS (15s traitement)
- 17:22:33 — vocal 561s → faster_whisper TIMEOUT (388s traitement)


3. Bug Timeout : Estimation Fausse de la Durée Audio

Code problématique (Remoat/src/utils/voiceHandler.ts:300-308) :

let estimatedDurationSec = 60;
try {
    const stat = await fs.stat(voicePath);
    // PROBLÈME 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 calculĂ© = max(180 000, ceil(143.4 × 2500) + 30 000)
                = max(180 000, 387 500)
                = 387 500 ms
                = 387.5 secondes ≈ 6min28s

Timeout rĂ©el observĂ© : 388 secondes → correspond EXACTEMENT au calcul ci-dessus ✅

MAIS la durĂ©e RÉELLE 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 → le timeout est 5x trop court.

Timeout qui aurait été nécessaire (basé sur la durée réelle) :

561 secondes × 2500 ms/s + 30 000 = 1 432 500 ms ≈ 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.


4. Correctifs Proposés

Option A : Utiliser la durĂ©e rĂ©elle fournie par Telegram (RECOMMANDÉ)

Modification voiceHandler.ts:300-308 :

/**
 * Calcule le timeout adaptatif pour faster_whisper.
 * Prend la durĂ©e RÉELLE 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 → 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.

Option B : Configurer au moins UNE clé API STT cloud fonctionnelle

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 : Évite de surcharger faster_whisper local qui est lent sur les longs audios.

Option C : Augmenter la marge de timeout (PALLIATIF)

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).


5. Pourquoi les 3 fournisseurs cloud sont-ils en cooldown ?

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 → Google → Deepgram → 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 → cooldown 24h → tous les vocaux suivants sautent directement au fallback local.

État actuel (29/10 17h22) : Les 3 fournisseurs sont TOUJOURS en cooldown → le systĂšme est bloquĂ© en mode "secours final seul" depuis 3-4 jours.


🎯 RECOMMANDATIONS

Urgent (bloquer les échecs de transcription vocale)

  1. Ajouter au moins UNE clé API STT cloud fonctionnelle dans .env
    → PrioritĂ© 1 : GROQ_API_KEY (gratuit, rapide, fiable)
    → PrioritĂ© 2 : DEEPGRAM_API_KEY (payant mais excellent, Nova-3)

  2. Corriger le bug timeout faster_whisper (Option A ci-dessus)
    → Utiliser ctx.message.voice.duration au lieu de stat.size / 20700
    → EmpĂȘche les timeouts prĂ©maturĂ©s sur vocaux longs ou trĂšs compressĂ©s

Moyen terme (robustesse)

  1. Monitorer les cooldowns STT
    → Ajouter un log quotidien listant les fournisseurs en cooldown
    → Alerte Telegram si TOUS les fournisseurs cloud sont simultanĂ©ment en cooldown

  2. Revoir le ratio de compression Opus par défaut
    → Le ratio 20700 bytes/s est optimiste
    → Calculer une moyenne empirique sur 100 vocaux rĂ©els Telegram
    → Ou passer à un ratio plus conservateur (~10 000 bytes/s)


📎 FICHIERS CONCERNÉS


✅ VALIDATION

Ce diagnostic répond-il à la question initiale ?
✅ OUI — 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 → 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)