Qu’est-ce que Whistle ?
Whistle est un modèle de reconnaissance vocale de Cactus Compute, une entreprise d'IA embarquée soutenue par Y Combinator, sorti le 2 octobre 2026. Le modèle entier tient dans un seul fichier de 16,9 MB quantifié de 2 à 4 bits. Il transcrit l'anglais, l'allemand, le français, l'espagnol, l'italien, le néerlandais et le polonais, détecte lui-même la langue, renvoie des horodatages par mot et peut produire un embedding audio au lieu de texte. Une liste de mots-clés oriente le décodage vers les noms et le jargon attendus.
Il tourne sur le même moteur C++ que Needle, le modèle d'appel d'outils de Cactus, si bien qu'un seul binaire peut prendre un extrait vocal et renvoyer des appels d'outils en une seule étape. Son décodeur est étagé : chaque profondeur à partir de 2 couches est un modèle utilisable, ce qui permet d'échanger de la précision contre de la taille au chargement.
Les poids sont sous Apache 2.0, mais le moteur est fourni sous forme de binaires précompilés et non de code source. La démo très partagée de Whistle sur un microcontrôleur ESP32-S3 à 10 $, présentée par Better Stack le 19 octobre, est une réimplémentation indépendante construite pour cette vidéo (andrisgauracs/whistle-esp32 sur GitHub) ; Cactus ne fournit aucun build pour microcontrôleur.
Whistle vaut-il le coup ?
Whistle mérite l'attention pour son rapport entre taille et précision. Avec 16,9 MB, il est 8,6 fois plus petit que Whisper base et, selon les chiffres de Cactus, le bat sur LibriSpeech test-clean (4,31 % de taux d'erreur sur les mots), test-other (10,49 %), SPGISpeech, Earnings-22 et la moyenne FLEURS. Sur un Apple M4 Pro, un extrait de 10 secondes produit le premier token en 11,1 ms contre 73,2 ms pour Whisper base, et décode à 1 319 tokens par seconde.
La comparaison est choisie avec soin. Whistle n'est pas comparé à Whisper large-v3-turbo ni à Parakeet, bien plus précis et bien plus gros. Whisper base l'emporte encore sur TED-LIUM, sur l'audio de réunions AMI (Whistle obtient 26,07 %) et sur la moyenne multilingue MLS, si bien que les conférences et les réunions sont son terrain faible. Les scores des concurrents sont ceux publiés par leurs auteurs et non recalculés, ce que Cactus indique ouvertement.
L'histoire de la puce à 10 $ est vraie mais demande une note de bas de page. Le portage de Better Stack a réduit le décodeur à quatre couches (14,5 MB) et a écrit son propre moteur en C pour le faire tourner sur un ESP32-S3 avec 16 MB de flash et 8 MB de PSRAM. Une commande de 2 secondes prend 6,3 secondes à transcrire, la profondeur 4 obtient 11,7 % de taux d'erreur sur les mots sur 73 extraits de LibriSpeech, et le néerlandais est mal reconnu par le modèle lui-même. Ses notes constatent aussi que le moteur officiel transcrit dix secondes de bruit de micro en « Thank you », si bien qu'un filtre de détection d'activité vocale n'est pas facultatif.
Les conditions sont la principale réserve. Les poids sont sous Apache 2.0, mais le moteur est une bibliothèque précompilée sans code source publié, si bien que le porter implique de la rétro-ingénierie, comme l'a fait le portage ESP32. Le paquet Python et les binaires envoient par défaut des statistiques d'usage anonymes tant que vous ne définissez pas NEEDLE_TELEMETRY=0, un réglage par défaut étrange pour un produit vendu sur la promesse que l'audio ne quitte jamais l'appareil.
Là où il fait la différence
Une start-up de matériel domotique qui livre un hub sous Linux
Ajouter un contrôle vocal hors ligne en anglais, allemand et français sans facture cloud
Chargez whistle.cact et needle3.cact dans un même moteur sur la carte ARM du hub ; un extrait entre et des appels d'outils sortent, avec une orientation par mots-clés pour les noms de pièces et d'appareils. Pas de frais à la minute ; prévoyez du temps d'ingénierie pour un détecteur d'activité vocale.
Un amateur ou un ingénieur embarqué qui prototype sur microcontrôleurs
Faire tourner une vraie transcription, pas une liste de phrases fixes, sur un ESP32-S3 à 10 $
Suivez le projet communautaire whistle-esp32 : une carte N16R8, un micro INMP441 et le modèle à 4 couches de 14,5 MB. Comptez environ 6 secondes par commande courte et un néerlandais faible.
Un développeur mobile dans une application de prise de notes
Proposer une dictée sur l'appareil avec horodatages par mot pour naviguer et éditer
pip install cactus-needle pour prototyper, puis liez libneedle.a dans l'application iOS ou Android. Définissez NEEDLE_TELEMETRY=0, et testez sur de l'audio de type réunion, où Whisper base fait encore mieux.
Avant de vous engager
- Mise en route
- pip install cactus-needle, puis needle.transcribe("clip.wav") ; le moteur et les poids se téléchargent une fois et sont mis en cache. Les dossiers natifs fournissent une CLI needle, libneedle.a et needle.h par plateforme.
- Intégrations
- Paquet Python ; API C (needle_load, needle_transcribe, needle_embed) ; moteurs précompilés pour macOS, Linux sur x86, ARM, RISC-V et MIPS, Windows, Android, iOS, watchOS, le navigateur et WASI. Le fine-tuning LoRA permet d'ajouter une langue.
- Données et confidentialité
- L'inférence tourne entièrement sur l'appareil et fonctionne en environnement isolé. Le paquet envoie par défaut des statistiques d'usage anonymes ; NEEDLE_TELEMETRY=0 et DO_NOT_TRACK=1 les désactivent.
- Coût à grande échelle
- Ni licence ni frais à la minute. Le coût est le temps CPU de l'appareil : une commande de 2 secondes prend 6,3 secondes sur un ESP32-S3 à 240 MHz dans le portage communautaire, et un extrait de 10 secondes produit le premier token en 11,1 ms sur un M4 Pro.
- Limites
- Un passage couvre 30 secondes, avec un fenêtrage au-delà ; les transcriptions sont plafonnées à 320 tokens par passage. La musique et le bruit peuvent produire du texte inventé. Aucun build pour microcontrôleur chez Cactus, et pas de code source du moteur.
Les points forts
- 16,9 MB, CPU uniquement, sans dépendances
- Sept langues avec détection automatique et horodatages par mot
- Bat Whisper base sur LibriSpeech, Earnings-22 et FLEURS, selon Cactus
- S'associe à Needle pour transformer la parole en appels d'outils en un seul appel
Les points faibles
- Comparé uniquement à de petits concurrents ; plus faible sur les réunions et les conférences
- Le moteur est fermé ; seuls les poids sont ouverts
- Télémétrie activée par défaut
- Peut transcrire du bruit en mots ; exige un filtre de détection d'activité vocale
Idéal pour
Les fabricants d'appareils qui ont besoin de commandes vocales hors ligne en langues européennes sur du matériel trop petit pour Whisper.
Alternatives à Whistle
Whistle : questions fréquentes
- Whistle vaut-il le coup ?
- Une reconnaissance vocale utilisable en sept langues dans 16,9 MB, chez un fournisseur qui garde son moteur fermé et sa télémétrie activée. Nous lui donnons 3.8 sur 5.
- Combien coûte Whistle ?
- Poids ouverts gratuits sous Apache 2.0 ; le moteur précompilé est téléchargeable gratuitement. Cactus vend de l'aide au fine-tuning et au déploiement sur sa plateforme ; prix non publiés.
- Quels sont les inconvénients de Whistle ?
- Comparé uniquement à de petits concurrents ; plus faible sur les réunions et les conférences; le moteur est fermé ; seuls les poids sont ouverts; télémétrie activée par défaut; peut transcrire du bruit en mots ; exige un filtre de détection d'activité vocale.
- À qui s’adresse Whistle ?
- Les fabricants d'appareils qui ont besoin de commandes vocales hors ligne en langues européennes sur du matériel trop petit pour Whisper.
- Combien coûte Whistle pour une équipe ou en production ?
- Ni licence ni frais à la minute. Le coût est le temps CPU de l'appareil : une commande de 2 secondes prend 6,3 secondes sur un ESP32-S3 à 240 MHz dans le portage communautaire, et un extrait de 10 secondes produit le premier token en 11,1 ms sur un M4 Pro.
- Whistle est-il sûr pour les données de l’entreprise ?
- L'inférence tourne entièrement sur l'appareil et fonctionne en environnement isolé. Le paquet envoie par défaut des statistiques d'usage anonymes ; NEEDLE_TELEMETRY=0 et DO_NOT_TRACK=1 les désactivent.
- Quelles sont les meilleures alternatives à Whistle ?
- Les alternatives les plus proches que nous avons testées sont Whisper large-v3-turbo, Parakeet TDT 0.6B v3 et VibeVoice-ASR.
Réponses vérifiées le 2 nov. 2026.