feat(stt-client): ASR enfichable — backend onnx Parakeet/Nemotron en plus de whisper

Phase 0 (abstraction) + Phase 1 (backend onnx), additif et rétrocompatible.

- voice/asr/ : protocole ASRBackend (load + transcribe) + factory make_backend
  pilotée par cfg["asr_engine"]. Imports lourds lazy → stt --help/config OK sans
  aucun moteur installé.
- whisper.py : faster-whisper extrait tel quel (défaut, comportement inchangé).
- onnx_parakeet.py : onnx-asr (Parakeet/Canary/Nemotron ONNX, multilingue FR,
  ~600M, CPU rapide / GPU AMD via onnxruntime-rocm). Providers configurables ;
  message d'install actionnable si onnx-asr absent.
- engine.py : délègue load()/_transcribe() au backend (le reste — VAD, wake word,
  TTS — inchangé).
- config : [voice] asr_engine="whisper" (défaut), onnx_model, onnx_providers.
- pyproject : extras optionnels onnx / onnx-rocm ; bump 0.6.1 → 0.7.0.

Bascule à chaud par config, rollback = asr_engine="whisper". Streaming = phase 2
(spike séparé). admin/ia/stt.md mis à jour.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

admin/ia/stt.md

@@ -144,7 +144,8 @@ au prompt système (`STT_DISABLE_THINKING`, défaut `true` ; inoffensif hors Qwe
 | Composant | Emplacement | Description |
 |---|---|---|
 | Client `stt` | `stt/client/` (pipx) | `stt` (voix+HUD), `stt --text` (chat texte), `stt --setup`, `stt --server <url>`, `stt --model <hermes\|claude\|qwen\|opus>` |
-| — voix | `stt/client/stt/voice/` | wake word, STT faster-whisper, TTS Piper |
+| — voix | `stt/client/stt/voice/` | wake word, ASR enfichable (`voice/asr/`), TTS Piper |
+| — ASR | `stt/client/stt/voice/asr/` | backend enfichable : `whisper` (faster-whisper CPU, défaut) \| `onnx` (Parakeet/Canary/Nemotron via onnx-asr, multilingue, streaming-ready). Choisi par `[voice] asr_engine` |
 | — api | `stt/client/stt/api.py` | `ServerClient` → `POST /v1/ask` |
 | — UI/HUD | `stt/client/stt/ui/` + `hud/` | HTTP statique + websocket bidirectionnel (états → HUD ; réglages **et messages texte** → backend) ; HUD embarqué dans le package |
 | STT-server | `stt/server/` (conteneur) | FastAPI : `/healthz`, `/v1/ask` ; `brain.py` → LiteLLM |

stt/client/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "stt"
-version = "0.6.1"
+version = "0.7.0"
 description = "STT — client vocal Jarvis du homelab Funk (voix + HUD, parle au STT-server)"
 requires-python = ">=3.11"
 readme = "README.md"
@@ -16,6 +16,12 @@ dependencies = [
     "tomli-w>=1.0.0",          # écriture config TOML
 ]
 
+# Backend ASR alternatif (asr_engine="onnx") : NVIDIA Parakeet/Canary/Nemotron en ONNX.
+# Hors du core pour garder l'install légère. CPU : onnx ; GPU AMD : onnx-rocm.
+[project.optional-dependencies]
+onnx = ["onnx-asr>=0.11", "onnxruntime>=1.18"]
+onnx-rocm = ["onnx-asr>=0.11", "onnxruntime-rocm>=1.18"]
+
 [project.scripts]
 stt = "stt.cli:main"
 

stt/client/stt/config.py

@@ -39,7 +39,13 @@ DEFAULT_CONFIG: dict[str, Any] = {
     },
     "voice": {
         "wake_word": "hermes",
+        # ASR : "whisper" (faster-whisper CPU, défaut) | "onnx" (Parakeet/Canary/Nemotron)
+        "asr_engine": "whisper",
         "whisper_model": "large-v3",
+        # onnx-asr (si asr_engine="onnx") — modèle multilingue + execution providers.
+        # CPU par défaut ; pour le GPU AMD : ["ROCMExecutionProvider", "CPUExecutionProvider"].
+        "onnx_model": "nemo-parakeet-tdt-0.6b-v3",
+        "onnx_providers": ["CPUExecutionProvider"],
         "piper_voice": "fr_FR-upmc-medium",
         "language": "fr",
         "silence_sec": 1.2,

stt/client/stt/voice/asr/__init__.py

@@ -0,0 +1,36 @@
+"""Backends ASR enfichables.
+
+L'`VoiceEngine` ne connaît que l'interface `ASRBackend` (`load()` + `transcribe()`) :
+le choix du moteur est piloté par `cfg["asr_engine"]`. Les imports lourds
+(faster-whisper, onnx-asr) restent dans les sous-modules, chargés à la volée par la
+factory → `stt --help` et la config marchent sans aucun moteur installé.
+"""
+
+from __future__ import annotations
+
+from typing import Any, Protocol, runtime_checkable
+
+
+@runtime_checkable
+class ASRBackend(Protocol):
+    """Transcripteur d'un énoncé entier (audio `np.int16` @16 kHz mono → texte)."""
+
+    def load(self) -> None: ...
+
+    def transcribe(self, audio_int16) -> str: ...
+
+
+def make_backend(cfg: dict[str, Any]) -> "ASRBackend":
+    """Construit le backend ASR d'après `cfg["asr_engine"]` (défaut : whisper)."""
+    engine = (cfg.get("asr_engine") or "whisper").lower()
+    if engine in ("whisper", "faster-whisper"):
+        from .whisper import WhisperBackend
+
+        return WhisperBackend(cfg)
+    if engine in ("onnx", "onnx-asr", "parakeet", "nemotron", "canary"):
+        from .onnx_parakeet import OnnxAsrBackend
+
+        return OnnxAsrBackend(cfg)
+    raise ValueError(
+        f"asr_engine inconnu : {engine!r} (attendu 'whisper' ou 'onnx')"
+    )

stt/client/stt/voice/asr/onnx_parakeet.py

@@ -0,0 +1,60 @@
+"""Backend ASR via onnx-asr : modèles NVIDIA Parakeet / Canary / Nemotron en ONNX.
+
+Multilingue (FR), léger (~600M), rapide en CPU ; GPU AMD possible via
+onnxruntime-rocm. Modèle et execution providers pilotés par la config :
+
+    [voice]
+    asr_engine = "onnx"
+    onnx_model = "nemo-parakeet-tdt-0.6b-v3"     # multilingue (FR)
+    onnx_providers = ["CPUExecutionProvider"]    # ou ["ROCMExecutionProvider", "CPUExecutionProvider"]
+
+Dépendances hors du core (install légère) — voir l'extra `stt[onnx]` ou
+`pipx inject stt onnx-asr onnxruntime`.
+"""
+
+from __future__ import annotations
+
+from typing import Any
+
+_INSTALL_HINT = (
+    "Backend ASR 'onnx' indisponible : onnx-asr / onnxruntime ne sont pas installés.\n"
+    "  pipx inject stt onnx-asr onnxruntime         # CPU\n"
+    "  pipx inject stt onnx-asr onnxruntime-rocm    # GPU AMD (ROCm)\n"
+    "ou réinstalle avec l'extra : pipx install 'stt[onnx]'"
+)
+
+DEFAULT_MODEL = "nemo-parakeet-tdt-0.6b-v3"
+
+
+class OnnxAsrBackend:
+    def __init__(self, cfg: dict[str, Any]):
+        self.cfg = cfg
+        self._model = None
+
+    def _providers(self):
+        # onnx-asr accepte des str ("CPUExecutionProvider") ou des tuples (name, options).
+        provs = self.cfg.get("onnx_providers") or ["CPUExecutionProvider"]
+        return [p if isinstance(p, (list, tuple)) else (p, {}) for p in provs]
+
+    def load(self) -> None:
+        try:
+            import onnx_asr
+        except ImportError as e:  # message actionnable plutôt qu'un ImportError brut
+            raise RuntimeError(_INSTALL_HINT) from e
+        self._model = onnx_asr.load_model(
+            self.cfg.get("onnx_model", DEFAULT_MODEL),
+            providers=self._providers(),
+        )
+
+    def transcribe(self, audio_int16) -> str:
+        import numpy as np
+
+        audio_f32 = audio_int16.astype(np.float32) / 32768.0
+        lang = self.cfg.get("language", "fr")
+        # Les modèles multilingues acceptent `language=` ; les mono-langue non →
+        # on retombe sur l'appel sans langue plutôt que de planter.
+        try:
+            text = self._model.recognize(audio_f32, language=lang)
+        except TypeError:
+            text = self._model.recognize(audio_f32)
+        return (text or "").strip()

stt/client/stt/voice/asr/whisper.py

@@ -0,0 +1,36 @@
+"""Backend ASR par défaut : faster-whisper (CTranslate2), CPU int8.
+
+Extrait tel quel de l'ancien `VoiceEngine.load()`/`_transcribe()` — comportement
+inchangé (c'est le défaut tant que `asr_engine != "onnx"`).
+"""
+
+from __future__ import annotations
+
+from typing import Any
+
+
+class WhisperBackend:
+    def __init__(self, cfg: dict[str, Any]):
+        self.cfg = cfg
+        self._model = None
+
+    def load(self) -> None:
+        from faster_whisper import WhisperModel
+
+        self._model = WhisperModel(
+            self.cfg["whisper_model"], device="cpu", compute_type="int8"
+        )
+
+    def transcribe(self, audio_int16) -> str:
+        import numpy as np
+
+        audio_f32 = audio_int16.astype(np.float32) / 32768.0
+        segments, _ = self._model.transcribe(
+            audio_f32,
+            language=self.cfg.get("language", "fr"),
+            task="transcribe",
+            beam_size=3,
+            vad_filter=True,
+            initial_prompt="Transcription en français.",
+        )
+        return " ".join(seg.text for seg in segments).strip()

stt/client/stt/voice/engine.py

@@ -20,6 +20,8 @@ from collections import deque
 from pathlib import Path
 from typing import Any, Callable
 
+from .asr import make_backend
+
 SAMPLE_RATE = 16000
 PRE_ROLL = 15
 CHAT_EXIT = {"au revoir", "bonne nuit", "stop hermes", "fin"}
@@ -63,7 +65,8 @@ class VoiceEngine:
         self.no_tts = no_tts
         # callable renvoyant l'alias modèle courant → affiché en tag dans le HUD
         self.model_label = model_label
-        self._whisper = None
+        # backend ASR enfichable (whisper par défaut, onnx/parakeet en option)
+        self._asr = make_backend(cfg)
         self._stop = False
         # sérialise un tour (voix ou texte) : pas deux réponses concurrentes
         self._respond_lock = threading.Lock()
@@ -80,26 +83,11 @@ class VoiceEngine:
 
     # ── chargement modèle ────────────────────────────────────────────────
     def load(self) -> None:
-        from faster_whisper import WhisperModel
+        self._asr.load()
-
-        self._whisper = WhisperModel(
-            self.cfg["whisper_model"], device="cpu", compute_type="int8"
-        )
 
     # ── STT ──────────────────────────────────────────────────────────────
     def _transcribe(self, audio) -> str:
-        import numpy as np
+        return self._asr.transcribe(audio)
-
-        audio_f32 = audio.astype(np.float32) / 32768.0
-        segments, _ = self._whisper.transcribe(
-            audio_f32,
-            language=self.cfg.get("language", "fr"),
-            task="transcribe",
-            beam_size=3,
-            vad_filter=True,
-            initial_prompt="Transcription en français.",
-        )
-        return " ".join(seg.text for seg in segments).strip()
 
     def _detect_wake(self, text: str) -> tuple[bool, str]:
         wake = self.cfg.get("wake_word", "hermes")