title: Scriberr created: 2026-06-07 updated: 2026-06-07 type: app tags: [catalogue, artificial-intelligence, transcription, audio, whisper, parakeet, diarization, go, mit] confidence: high contested: false sources: [https://selfh.st/apps/?tag=artificial-intelligence, https://github.com/rishikanthc/scriberr]

Scriberr 🎙️

L'alternative self-hosted au Plaud Note — transcription audio/vidéo 100 % locale avec Whisper / NVIDIA Parakeet / Canary, diarisation locuteur, chat RAG sur vos transcriptions et PWA installable, en Go + TypeScript.

Métadonnée	Valeur
Site web	https://scriberr.app/
GitHub	https://github.com/rishikanthc/scriberr
License	MIT
Langage	Go (50 %), TypeScript (43 %), Python (4 %)
Étoiles	210
Dernière MAJ	2025-12-17 (v1.2.0)
Catégorie	cat-artificial-intelligence

📝 Description

Scriberr est né d'une frustration très concrète de son créateur, rishikanthc : ayant acheté un Plaud Note (mini-boîtier d'enregistrement IA), il n'a pas supporté que ses conversations soient envoyées dans un cloud tiers ni de payer 100 à 240 $/an d'abonnement. Scriberr est sa réponse : une application complètement offline qui transcrit audios et vidéos localement, sans qu'aucun octet ne quitte votre machine.

Côté modèles, Scriberr supporte les Whisper (toutes tailles : tiny, base, small, medium, large-v3, turbo), les NVIDIA Parakeet (modèles CTC très rapides, en anglais) et Canary (modèles NVIDIA multilingues). La diarisation locuteur (qui parle quand) est intégrée nativement, le chat avec vos audios se fait via Ollama ou n'importe quel endpoint OpenAI-compatible : vous pouvez poser des questions du type « Résume les 5 derniers podcasts et donne-moi les 3 idées communes ». Une PWA installable, un enregistreur audio intégré pour les réunions, un module notes couplé aux transcriptions, et un Folder Watcher pour automatiser via n8n / Make / vos propres scripts.

Le projet est remarquablement complet : 2 700 ⭐, 827 commits, 17 contributeurs, 16 releases, PWA, API REST documentée, support CUDA + CPU, support Blackwell (RTX 50). ⚠️ Statut développement : l'auteur principal a été touché par les licenciements eBay mi-2025 et le développement est en pause (mais pas abandonné). L'app reste stable en v1.2.0 et la communauté est invitée à contribuer.

🚀 Installation

Option 1 : Docker Compose (recommandé)

# docker-compose.yml
services:
  scriberr:
    image: ghcr.io/rishikanthc/scriberr:v1.2.0
    container_name: scriberr
    restart: unless-stopped
    ports:
      - "8080:8080"
    volumes:
      - scriberr-data:/app/data            # DB + transcrits + uploads
      - scriberr-env:/app/whisperx-env     # env Python des modèles (vide au 1er démarrage)
    environment:
      - PUID=1000
      - PGID=1000
      - APP_ENV=production
      - TZ=Europe/Paris
      - LLM_BASE_URL=http://host.docker.internal:11434/v1   # optionnel, pour le chat
      - LLM_MODEL=llama3.1:8b
    healthcheck:
      test: ["CMD", "wget", "--no-verbose", "--tries=1", "--spider", "http://localhost:8080/api/health"]
      interval: 30s
      timeout: 5s
      retries: 3

volumes:
  scriberr-data:
  scriberr-env:

Pour CUDA (GPU NVIDIA), utilisez l'image ghcr.io/rishikanthc/scriberr-cuda:v1.2.0 et ajoutez le bloc deploy.resources.reservations.devices classique. Pour RTX 50-series (Blackwell), il faut impérativement l'image scriberr-cuda-blackwell:v1.2.0 (compute capability sm_120).

Option 2 : Homebrew (macOS/Linux, sans Docker)

brew tap rishikanthc/scriberr
brew install scriberr
scriberr    # démarre sur http://localhost:8080

Option 3 : Installation manuelle

Prérequis : Go 1.22+, Node.js 20+ (frontend), Python 3.11+ avec uv (pour les modèles WhisperX), ffmpeg système. git clone, cd web && pnpm install && pnpm build, cd server && go build, lancez le binaire puis servez le bundle frontend via Nginx/Caddy. Prévoyez 2-4 Go de RAM en CPU, 6-10 Go VRAM en CUDA pour large-v3.

⚙️ Configuration

Scriberr se configure depuis l'UI web (http://localhost:8080) au premier lancement :

Choisir le modèle : Whisper (recommandé small CPU, large-v3 GPU) / Parakeet (Anglais, ultra-rapide) / Canary (multilingue).
Activer la diarisation : nécessite un compte HuggingFace + acceptation des CGU pyannote/segmentation-3.0.
Activer le chat LLM : saisissez l'URL Ollama ou un endpoint OpenAI + clé API.
Folder Watcher : pointer vers un dossier où vous déposez des MP3/M4A/WAV, Scriberr les transcrit automatiquement.
API REST : POST /api/transcribe (multipart file), GET /api/jobs/:id, GET /api/transcripts/:id — idéal pour scripter.

⚠️ Migration v1.1.0 → v1.2.0 : le volume whisperx-env doit être vide (supprimez l'ancien dossier sinon Scriberr plantera). Le volume app/data contient désormais la DB + les transcrits + uploads.

🔄 Alternatives

Open Source

WhisperX — moteur bas-niveau, pas d'UI ni d'API REST propre.
Insanely-fast-whisper — CLI optimisée, pas de PWA ni de chat.
OpenVoice (transcription) — TTS avant tout, pas comparable.
Vibe — autre UI Whisper, plus simple, sans diarisation.
Gladia (self-hosted via LocalStack) — plutôt cloud-first.
app-speaches — concurrent direct, OpenAI-compatible, plus simple mais sans PWA ni folder watcher.
app-paperless-ai — RAG sur documents, pas sur audio.

Propriétaires (ce que Scriberr remplace)

Plaud Note ($240/an + $200 matériel) — boîtier d'enregistrement cloud, abonnement obligatoire.
Otter.ai ($8-$30/mois) — 300 min gratuites/mois, sinon 100 $/an Pro.
Fireflies.ai ($10-$19/mois/utilisateur) — meeting assistant cloud.
Trint ($80/mois) — workflow journalistique pro.
Sonix ($10-$50/mois) — rapide mais cloud-only.
Whisper API d'OpenAI ($0.006/min) — pas d'UI, pas de diarisation, pas de RAG.

🔐 Sécurité

Pas d'auth par défaut : Scriberr n'a aucun système d'authentification intégré. Placez-le derrière un reverse-proxy authentifié (Authelia, Authentik, oauth2-proxy) ou Tailscale — sinon n'importe qui sur votre réseau peut uploader des fichiers et lire vos transcriptions (potentiellement sensibles : RH, médical, avocat).
HTTPS obligatoire (Caddy/Traefik) : les flux audio sont personnels, ne transitent pas en clair.
GPU partagé : si vous utilisez Ollama + Scriberr sur la même machine, surveillez la VRAM (Scriberr + Ollama 8b = ~10 Go, ça passe sur un RTX 3090 mais pas sur un 3060 12 Go avec un large-v3).
Diarisation pyannote : token HF obligatoire + accepter les CGU du modèle (RGPD-friendly car traitement local).
Backups : exportez le volume scriberr-data (SQLite + transcrits) vers app-restic ou app-borg — c'est votre seule copie si le disque lâche.
Développement en pause : restez sur la v1.2.0 stable, ne migrez pas sur des tags -rc qui n'arriveront peut-être jamais.

📚 Ressources

Pages Liées

cat-artificial-intelligence — Catégorie AI
app-speaches — Concurrent STT/TTS OpenAI-compatible
app-ollama — Backend LLM pour le chat RAG
app-restic — Backup du volume
recettes-docker-compose — Templates Docker
securisation-home-lab — Reverse proxy authentifié

7.8 KiB Raw Blame History