Les 11 Étapes Standards d'un Flux de Travail

Le moteur de flux de travail de DuRT 3.0 repose sur une architecture de pipeline extensible basée sur des graphes DAG proposant 11 types d'étapes spécialisées. Chaque étape respecte un contrat de typage strict des données, vous permettant de combiner et ramifier sources d'entrée, moteurs de reconnaissance, modèles de langage, synthèse vocale et stockage cloud au sein d'un pipeline automatisé.

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│   1. Entrées    │ ──> │ 2. ASR & Direct │ ──> │ 3. Traitemt IA  │ ──> │  4. TTS & Sync  │
└─────────────────┘     └─────────────────┘     └─────────────────┘     └─────────────────┘

---

Groupe 1 : Étapes d'entrée (Sources d'entrée)

1. monitorCapture — Capture du son système & enregistrement d'écran

• Rôle : Capture en continu l'audio en direct depuis Safari, Zoom, YouTube ou votre microphone via les frameworks macOS ScreenCaptureKit et CoreAudio.
• Type de port de sortie : audioStream (Flux audio PCM)
• Options clés : Son interne du système vs. Microphone ; annulation acoustique de l'écho (AEC) matérielle / DSP.

2. mediaInput — Ingestion de fichiers & URLs de streaming

• Rôle : Importe des fichiers multimédias locaux (.mp4, .mov, .mkv, .mp3, .m4a, .wav) ou des liens de streaming Web (YouTube, Bilibili, URLs multimédias directes).
• Type de port de sortie : mediaFile (Fichier multimédia physique)
• Options clés : Démultiplexage audio côté client et normalisation des formats.

3. subtitleInput — Ingestion de sous-titres & textes bruts

• Rôle : Importe des fichiers de sous-titres .srt ou .vtt existants ou fait référence à des textes de tâches antérieures, vous permettant de déclencher des post-traitements par IA sans relancer la reconnaissance vocale.
• Type de port de sortie : subtitleTrack (Piste de sous-titres horodatée)
• Options clés : Détection automatique de l'encodage du texte et décalage temporel sur la timeline.

---

Groupe 2 : Reconnaissance vocale (ASR) & Traduction en direct

4. realtimeASR — Reconnaissance vocale en continu (Streaming)

• Rôle : Émet en temps réel des fragments et des phrases finalisées avec une latence inférieure à la seconde pour alimenter les sous-titres flottants.
• Type de port d'entrée : audioStream
• Type de port de sortie : subtitleStream (Flux de sous-titres en direct)
• Moteurs pris en charge : Reconnaissance locale Apple sur l'appareil, passerelle WebSocket OneASR, API OpenAI Realtime.

5. mediaASR — Transcription de fichiers & Diarisation des locuteurs

• Rôle : Transcription hors ligne haute précision pour les fichiers audio longs, avec génération d'horodatages au mot près à la milliseconde et diarisation non supervisée des intervenants (Locuteur 1, Locuteur 2, etc.).
• Type de port d'entrée : mediaFile
• Type de port de sortie : subtitleTrack (Piste de sous-titres horodatée)
• Moteurs pris en charge : Apple Speech sur l'appareil, passerelle OneASR (Whisper / SenseVoice), API OpenAI Whisper.

6. realtimeTranslation — Interprétation simultanée

• Rôle : Traduit à la volée les segments ASR en continu, phrase par phrase, pour les sous-titres bilingues de réunion en direct.
• Type de port d'entrée : subtitleStream
• Type de port de sortie : subtitleStream (Flux bilingue en direct)
• Moteurs pris en charge : Traduction neuronale sur l'appareil de macOS 15, API DeepSeek, OpenAI.

---

Groupe 3 : Post-traitement IA, Synthèse & Distribution

7. subtitleRefinement — Formatage & optimisation des sous-titres

• Rôle : Nettoyage piloté par l'IA supprimant les tics de langage (« heu », « hum »), corrigeant la ponctuation et optimisant le découpage des lignes (5 à 8 secondes par bloc de sous-titres) tout en préservant scrupuleusement les horodatages originaux.
• Type de port d'entrée : subtitleTrack
• Type de port de sortie : subtitleTrack (Piste de sous-titres optimisée)

8. fullTranslation — Traduction intégrale de documents & sous-titres

• Rôle : Traduction contextuelle par lots préservant exactement les codes d'indexation et les repères temporels dans plus de 50 langues.
• Type de port d'entrée : subtitleTrack
• Type de port de sortie : subtitleTrack (Piste de sous-titres bilingue)

9. contentCreation — Synthèse & création de contenus

• Rôle : Extrait automatiquement des résumés exécutifs, des comptes-rendus de réunion, des plans d'action ou des textes pour réseaux sociaux à partir des transcriptions.
• Type de port d'entrée : subtitleTrack ou document
• Type de port de sortie : document (Document Markdown / TXT)

10. textToSpeech — Synthèse vocale & doublage par IA

• Rôle : Convertit les lignes de sous-titres nettoyées ou traduites en pistes audio naturelles grâce à des voix neuronales réalistes (OpenAI TTS, Xiaomi MIMO TTS, OneTTS).
• Type de port d'entrée : subtitleTrack
• Type de port de sortie : mediaFile (Fichier audio synthétisé)

11. exportArtifact — Distribution & Synchronisation multi-cloud

• Rôle : Exporte les fichiers finalisés sur le disque local et active la distribution automatisée vers 6 canaux cloud :
  • Exportation locale : .srt, .vtt, .json, .txt, .md, .mp3
  • Distribution cloud automatisée : Stockage objet compatible S3 (AWS S3, Cloudflare R2, MinIO, OSS), Disques réseau WebDAV (Nextcloud, Synology), Dossiers locaux / NAS, Bases de données Notion, Coffres Obsidian et Webhooks HTTP personnalisés.
• Type de port d'entrée : subtitleTrack, document, mediaFile
• Type de port de sortie : deliverable (Bordereau récapitulatif d'exécution)