Ajoute le moteur faster-whisper, pour les machines sans Apple Silicon

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

moteur/faster.py

@@ -0,0 +1,48 @@
+"""Transcription par faster-whisper (CTranslate2) — tourne partout : Mac Intel,
+Windows avec ou sans GPU. Complement de moteur/mlx.py, qui lui est reserve a
+l'Apple Silicon.
+"""
+import numpy as np
+
+from core import clean_transcript
+
+
+class TranscripteurFasterWhisper:
+    """Implementation du contrat Transcripteur pour faster-whisper.
+
+    Le peripherique (`cpu`/`cuda`) et le type de calcul (`int8`/`float16`...)
+    sont recus en parametres plutot que devines ici : cette classe ne sonde
+    jamais le materiel elle-meme. C'est `moteur/__init__.py::choisir_transcripteur`
+    qui tranche, d'apres `_cuda_disponible` — garder la decision hors de cette
+    classe la rend testable sans machine CUDA ni GPU.
+    """
+
+    def __init__(self, modele, langue, amorce, peripherique, type_calcul):
+        self.modele = modele
+        self.langue = langue
+        self.amorce = amorce
+        self.peripherique = peripherique
+        self.type_calcul = type_calcul
+        self._instance = None  # modele CTranslate2 charge paresseusement
+
+    def warmup(self):
+        """Charge le modele une fois, sur une seconde de silence."""
+        self.transcrire(np.zeros(16000, dtype="float32"))
+
+    def transcrire(self, audio):
+        # Import differe dans la methode, jamais au niveau module : sinon toute
+        # machine sans faster-whisper installe casserait a l'import de ce
+        # fichier, y compris pour les tests qui n'exercent que la fabrique
+        # (meme raison que moteur/mlx.py pour mlx_whisper).
+        from faster_whisper import WhisperModel
+
+        if self._instance is None:
+            self._instance = WhisperModel(
+                self.modele, device=self.peripherique, compute_type=self.type_calcul
+            )
+        segments, _info = self._instance.transcribe(
+            audio, language=self.langue, initial_prompt=self.amorce
+        )
+        # faster-whisper rend un generateur de segments, pas un texte unique :
+        # il faut le consommer entierement avant de pouvoir le joindre.
+        return clean_transcript("".join(segment.text for segment in segments))