Voix vers texte dans Discord

Discord a-t-il une fonction voix vers texte intégrée ?

Non, pas dans le sens que tu entends. Discord n'a aucune fonction qui transforme ta parole en texte tapé dans la zone de message. Ce qui ressemble le plus est le Text-to-Speech : tape /tts suivi d'un message, ou active-le dans les paramètres, et Discord lit ce message à voix haute à tout le monde dans le salon. C'est du texte qui devient de la parole. Toi, tu veux de la parole qui devient du texte. Mêmes mots, flèche inversée.

Ça embrouille constamment les gens, et ce n'est pas leur faute. "Text-to-speech" et "speech-to-text" ne diffèrent que d'une paire de mots interchangés, et Discord ne livre que l'un d'eux. J'ai cherché l'autre dans les paramètres plus longtemps que je ne voudrais l'admettre avant d'accepter qu'il ne se cachait pas dans un sous-menu. Il n'y est tout simplement pas.

Donc si tu veux que ta voix devienne un message Discord tapé, l'outil qui le fait vit en dehors de Discord : ton système d'exploitation, ou une app de dictée dédiée. Les deux sont ci-dessous. Ce qui transcrit les autres qui parlent dans un canal vocal est une troisième option, et c'est encore un outil différent. On arrivera aux trois.

Taper dans chaque canal vs. juste parler

L'argument pour dicter dans Discord est simple. Parler tourne autour de 145 mots par minute ; taper pour la plupart des gens est plus proche de 40. C'est environ trois fois et demie plus rapide, et ça libère les mains — ce qui compte quand l'une d'elles est sur une souris ou une manette. Sur une soirée chargée de serveurs, la différence s'accumule.

Le contrepoids honnête : beaucoup de messages Discord font trois mots. "gg." "j'arrive." "une sec." La dictée ne fait rien pour eux, tu perdrais du temps à changer de mode. La saisie vocale vaut la peine sur les trucs plus longs : le plan de raid, le rapport de bug sur un serveur dev, le paragraphe que tu remettrais normalement à plus tard parce que le taper sur un téléphone est pénible. C'est le seuil. Les pings courts, continue à taper. Tout ce qui dépasse une ou deux phrases, parle.

La méthode la plus rapide : un raccourci clavier système

C'est là qu'une app dédiée change le calcul. Whisper by Remskill n'est pas un bot Discord, une intégration serveur, ou une extension de navigateur. C'est une app bureau qui fonctionne comme un clavier : appuie sur un raccourci, parle, et la transcription est collée au curseur, dans n'importe quelle app, y compris la zone de chat Discord. Ça fonctionne de la même façon dans l'app desktop Discord et dans Discord ouvert dans un navigateur, parce que pour ton ordinateur, tu es juste en train de taper.

La configuration est courte :

C'est toute la boucle. La transcription apparaît dans la zone de composition, tu la lis, tu appuies sur Entrée.

Tu parles, et le message apparaît dans Discord

Une fois que ça tourne, l'expérience est banale dans le meilleur sens du terme. Tu places ton curseur dans le canal, tu maintiens la touche, tu parles, tu lâches. Une seconde environ plus tard, le texte est dans la zone de message de Discord comme si tu l'avais tapé. Pas de copier-coller, pas de fenêtre séparée pour en extraire le texte, pas de clip vocal que tes amis doivent faire défiler.

Comme la transcription locale tourne sur ta machine (Rust pur, pas de sidecar Python, pas de serveur dans la boucle), elle fonctionne hors ligne. Pour Discord spécifiquement, c'est plus important qu'il n'y paraît. Tu es souvent déjà dans un canal vocal, sur une connexion que tu préfères ne pas surcharger davantage, et l'audio de ce que tu dictes ne quitte jamais ton ordinateur. La saisie vocale intégrée de Windows a besoin d'une connexion Internet pour fonctionner ; le mode local de Whisper non.

À quoi ressemble l'app Whisper complète

Le raccourci est la partie que tu utiliseras le plus, mais il y a une interface de paramètres derrière. Tu choisis ton moteur de transcription : les modèles Whisper, dont les variantes multilingues couvrent 99 langues et les builds .en uniquement anglais en couvrent exactement une, ou le Parakeet de NVIDIA, environ 600 Mo, 5 à 10 fois plus rapide que Whisper sur CPU, couvrant l'anglais plus 24 langues européennes. Tu règles ton raccourci, gères l'historique et enregistres des presets. Rien de tout ça n'est requis pour dicter un message Discord. C'est là quand tu veux affiner.

Nettoyer les messages dictés avec l'IA

Le langage parlé est brouillon. On dit "euh", on relance des phrases, on s'arrête sur un bruit qui veut dire "tu vois ce que je veux dire". Whisper a une étape optionnelle d'amélioration par IA qui taille les mots de remplissage et soigne le phrasé avant de coller. Donc "euh, ouais, donc le, le patch est passé en live, je crois qu'on est, qu'on est bons" devient "Le patch est passé en live, je crois qu'on est bons." Si ça vaut le coup sur Discord dépend du canal ; un serveur dev, probablement ; un canal mème, probablement pas.

Ce nettoyage tourne localement via Ollama, gratuitement, sur ta propre machine. Les utilisateurs Pro peuvent le faire transiter par le cloud à la place, mais le bénéfice de nettoyage des mots de remplissage ne nécessite pas Pro ; il est dans le pipeline local gratuit. Tu peux aussi juste le désactiver et coller la transcription brute, ce qui sur Discord est souvent exactement le bon choix.

Transcrire un canal vocal est un autre travail

C'est la partie que les guides honnêtes passent sous silence, alors soyons directs. Whisper transforme ta parole en message tapé. Il ne transcrit pas un canal vocal Discord — c'est-à-dire qu'il ne s'assied pas dans un appel et n'écrit pas ce que tout le monde dit. C'est quelque chose que les gens veulent vraiment, et c'est un outil vraiment différent : un bot Discord.

Les bots conçus pour ça — Scripty étant le plus courant — rejoignent un canal vocal et postent une transcription en cours de la conversation dans un canal textuel. La transcription principale de Scripty est gratuite, fonctionne dans environ 55 langues et traite l'audio sans le confier à des tiers. D'autres dans cet espace incluent SeaVoice et DiscMeet. Si ton objectif est "sous-titrer tout l'appel", prends l'un d'eux, pas Whisper. Si ton objectif est "dire mon propre message plutôt que le taper", c'est Whisper, ou ton système d'exploitation. Deux problèmes différents qui vivent par hasard dans la même app.

Quand sauter une app de dictée et juste utiliser ton système d'exploitation

Si tu as seulement besoin de dicter un message de temps en temps, n'installe rien. Ton ordinateur le fait déjà gratuitement. Sur Windows, appuie sur Windows logo key + H et la saisie vocale s'ouvre dans n'importe quelle zone de texte — y compris la barre de chat Discord — sans abonnement. Sur Mac, le raccourci Dictée intégré (ou la touche micro) fait pareil, et sur Apple silicon il tourne sur l'appareil sans Internet. Sur ton téléphone, l'icône microphone du clavier dicte directement dans le champ de message mobile de Discord ; c'est iOS ou Gboard qui fait le travail, pas Discord, mais ça marche.

Le seul compromis à connaître : Win+H de Windows a besoin d'une connexion Internet pour fonctionner, contrairement à la dictée macOS et au mode local de Whisper. Pour un rapide "5 min de retard, commencez sans moi", l'outil OS est le bon choix. Là où une app dédiée prend de l'avance, c'est le volume, le nettoyage des mots de remplissage, et la dictée hors ligne en plein appel : plus tu le fais longtemps et souvent, plus ça compte.

Choisis le plus petit outil qui résout ton problème. Pour un message, c'est la touche que tu as déjà. Pour toute une soirée de longs messages sur cinq serveurs, l'app dédiée ne semble plus démesurée à peu près au deuxième ou troisième paragraphe que tu n'as pas eu à taper.

Ce que Whisper coûte

Le pipeline de dictée local — transcription et nettoyage IA via Ollama — est gratuit pour tout utilisateur connecté, sans carte à l'inscription. Donc faire entrer ta voix dans Discord avec Whisper ne coûte rien. Whisper Pro ajoute les fonctionnalités cloud (transcription OpenAI, amélioration IA cloud, recherche web vocale) et vient avec un essai séparé. Les chiffres exacts sont sur la page de tarification plutôt qu'ici, parce que les prix bougent et qu'un article de blog est un mauvais endroit pour les garder à jour.

Discord livrera probablement de la vraie dictée un jour, comme les apps ont tendance à le faire une fois qu'assez de gens tapent /tts en espérant qu'il fasse l'autre chose. D'ici là, ton ordinateur a déjà la fonctionnalité, une app existe pour quand la version intégrée n'est pas assez rapide, et un bot existe pour le travail complètement séparé de sous-titrer un appel. Trois outils, trois problèmes. La plupart du temps, tu n'as besoin que du plus petit.