Construire un moteur de dictée en 2026 est trivial.
Construire une architecture propre autour d’un moteur de dictée est plus intéressant.
Cet article présente Flowvox, un MVP de moteur de transcription audio développé en PHP, en s’appuyant sur :
Symfony
Symfony Messenger
Flow : orchestrateur maison
ffmpeg
whisper.cpp
Le code source est disponible en open source : 👉 https://github.com/darkwood-com/flowvox
L’objectif n’était pas simplement d’utiliser Whisper. L’objectif était de structurer correctement le pipeline.
Le problème : la transcription n’est qu’une étape
Un moteur vocal minimal peut se résumer à :
Audio → Texte
Mais dans un système réel, plusieurs contraintes apparaissent :
DĂ©clenchement start / stop
Finalisation propre du fichier audio
Gestion d’état du recorder
Orchestration des Ă©tapes
Extension vers post-traitement (résumé, LLM, analyse)
La question devient alors :
Comment modéliser un pipeline audio propre, extensible et maîtrisé ?
Stack technique
Le MVP repose sur :
PHP 8+
Symfony
Symfony Messenger
Flow (orchestrateur)
ffmpeg (captation audio locale)
whisper.cpp (transcription open source locale)
Aucune API distante. Aucun service cloud. Transcription 100% locale.
Architecture générale
L’architecture est organisée en trois flows :
InputProvider → Recorder → Transcribe
Chaque étape est isolée et responsable d’un rôle précis.
InputProviderFlow
Responsabilité :
Écouter les commandes voice:start et voice:stop
Émettre un VoiceControlEvent
Les commandes CLI déclenchent des messages via Symfony Messenger.
Le worker, en arrière-plan, reçoit ces événements et les injecte dans Flow.
Ce découplage permet :
Un contrĂ´le granulaire
Une gestion multi-session
Une séparation claire des responsabilités
RecorderFlow
Responsabilité :
Piloter une instance de VoiceRecorder
Gérer le cycle de vie d’un processus ffmpeg
Le VoiceRecorder encapsule un processus système lancé via :
Symfony\Component\Process\Process
Problème central :
Comment gérer proprement start / stop sans corrompre le fichier audio ?
Trois états sont explicitement modélisés :
idle
recording
stopping
Lors d’un stop, un SIGINT est envoyé à ffmpeg afin de finaliser correctement le header WAV.
L’état stopping évite :
Les double-start
Les conflits concurrents
Les fichiers incomplets
Le processus est maîtrisé, pas subi.
TranscribeFlow
Responsabilité :
Recevoir un fichier WAV finalisé
Lancer whisper.cpp
Produire un texte transcrit
Whisper est exécuté localement via CLI.
Le MVP reste volontairement simple :
Pas de streaming
Pas de chunking temps réel
Une transcription synchrone
L’objectif est de valider l’intégration et l’orchestration.
Worker et orchestration
Le moteur fonctionne via un worker Symfony :
php bin/console voice:worker
Ce worker :
Instancie Flow
Enregistre les flows
Écoute Symfony Messenger
Ordonne l’exécution des étapes
Commandes disponibles :
voice:start
voice:stop
voice:worker-list
Le flux complet devient :
voice:start
→ Recorder démarre
→ voice:stop
→ Recorder finalise
→ TranscribeFlow s’exécute
→ Texte produit
Sans Ă©tat global externe.
Pourquoi Flow ?
Flow permet :
Une architecture orientée pipeline
Des stratégies d’Input Processing (IP Strategy)
Une gestion explicite des événements
Une séparation nette entre orchestration et logique métier
Le système n’est pas couplé à Whisper.
Whisper est une implémentation. Flow est la structure.
Ce que valide le MVP
Gestion propre d’un processus système
Modélisation explicite des états
Orchestration événementielle
Extensibilité du pipeline
Ce n’est pas un produit.
C’est une base architecturale.
Évolutions possibles
Les prochaines itérations naturelles :
Streaming par chunk audio
Transcription parallèle
Post-traitement LLM
Intégration NativePHP (desktop)
Support mobile
Batching multi-modèles
Mais ces évolutions ne changent pas le cœur :
Une architecture claire. Une orchestration maîtrisée. Un pipeline extensible.
Code source
Le dépôt open source est disponible ici :
👉 https://github.com/darkwood-com/flowvox
Contributions, suggestions et retours sont les bienvenus.
Conclusion
Construire un moteur vocal en PHP est simple.
Construire une architecture propre autour d’un moteur vocal est plus intéressant.
Flowvox valide un principe :
La transcription n’est qu’un composant. L’orchestration est la véritable structure.
Top comments (0)