1. Vue d'ensemble

RECscript est une application Flutter pour Android.

Il n'y a aucune base de données, ni locale ni distante, pour les contenus. Toute la persistance se fait en fichiers plats — système de fichiers et JSON — dans le répertoire Documents de l'application. Les transcriptions, synthèses et enregistrements ne quittent jamais l'appareil.

2. Les trois chemins d'appel

Le mode se choisit dans les paramètres, et c'est lui qui décide qui voit passer le contenu de vos réunions. Un seul mode est actif à la fois.

3. Pipeline de transcription

L'extraction passe par l'endpoint POST /v1/audio/transcriptions de l'API Mistral, avec le modèle Voxtral choisi dans les paramètres.

L'exception : l'offre Essentiel

Cette offre n'emprunte pas ce pipeline. Son ASR est Groq whisper-large-v3-turbo (API compatible OpenAI), appelé par la même fonction Edge mais avec une clé distincte, qui ne quitte pas plus le serveur que celle de Mistral. L'audio transite donc aux États-Unis, là où toutes les autres offres restent chez Mistral, dans l'Union européenne. C'est la contrepartie assumée de son prix, et elle est annoncée avant l'achat.

Whisper ne sait pas diariser : la réponse de Groq est du texte horodaté, sans intervenants. La séparation des voix est donc calculée sur le téléphone, hors ligne, par sherpa-onnx — pyannote segmentation-3.0 pour les frontières de parole, empreintes vocales CAM++, puis clustering.

Chaque segment de texte est ensuite rattaché au tour de parole qui le recouvre le plus longtemps : l'ASR découpe par phrase et la diarisation par tour de parole, sur deux grilles de temps qui ne coïncident pas. Cette étape a lieu avant l'affichage — le transcript n'apparaît qu'une fois les voix attribuées, jamais réécrit après coup.

Sources audio

• Micro — M4A/AAC à 32 kbps sur mobile, soit environ 4 Mo par heure ; repli en WAV 16 kHz mono si l'appareil ne sait pas encoder en AAC. Sur Android, un service de premier plan (foregroundServiceType="microphone") maintient la capture même écran verrouillé.
• Import de fichier — MP3, M4A, WAV, OGG, FLAC, AAC, WebM. Plafonné à 50 Mo en offre gratuite (limite du bucket de transit) ; aucun plafond avec une clé personnelle.
• Import d'une conversation écrite — export WhatsApp ou format Prénom: texte, une ligne par tour de parole, jusqu'à 2 Mo. Les horodatages WhatsApp sont retirés. Un fichier de prose sans préfixe de nom est refusé plutôt que découpé au hasard : aucun appel audio n'est fait, la session est archivée directement avec ses intervenants déjà nommés.

Reprise après coupure réseau

Si la connexion tombe en cours d'extraction, la transcription reprend à l'instant de la coupure plutôt que de tout renvoyer. Le fichier est redécoupé à cet instant — en pur Dart pour WAV et M4A/AAC sur toutes les plateformes, via ffmpeg pour les autres formats sur poste de bureau. Si la reprise reste incomplète, la partie déjà transcrite est conservée et l'utilisateur en est informé, plutôt que de perdre le travail en silence.

Suivi pendant l'extraction

La forme d'onde se remplit en orange jusqu'à la portion déjà transcrite, d'après le champ end des segments SSE. L'amplitude réelle est extraite en tâche de fond : pur Dart pour le WAV, décodage natif MediaCodec sur Android, ffmpeg sur poste de bureau. Quand elle n'est pas disponible, un aperçu stylisé est affiché — et signalé comme tel, pour ne pas faire passer une décoration pour une mesure.

Le retour audio optionnel lit le fichier en parallèle, avec réglage de vitesse. Deux indicateurs distincts sont affichés et jamais confondus : « Transcrit » (avancement de l'extraction) et « Écoute » (position de lecture).

4. Découpe audio

L'éditeur propose la lecture, la forme d'onde, une paire de ciseaux pour poser une coupe, puis la sélection et la suppression d'une portion. Il s'ouvre depuis deux endroits, et les conséquences ne sont pas les mêmes.

• Avant transcription — seule la portion conservée est envoyée au modèle. Ce qui est retiré n'est jamais transcrit : ni facturé, ni décompté du quota.
• Sur une session archivée — l'opération est irréversible. L'audio est réécrit ; les prises de parole tombant dans les portions supprimées disparaissent, et les autres sont réhorodatées sur la timeline recollée. Une prise de parole à cheval sur une coupe est rognée sur ses vrais mots quand les horodatages par mot existent, sinon elle est conservée entière et signalée comme approximative. Le texte complet est recomposé — sans quoi les questions continueraient à répondre depuis du texte effacé.

Dans les deux cas, un avertissement chiffré — durée d'audio et nombre de prises de parole perdues — s'affiche avant toute écriture. Le découpage est en pur Dart pour WAV et M4A/AAC, donc disponible sur mobile ; ffmpeg n'est requis que pour les autres formats, sur poste de bureau.

5. Génération de texte

Les appels texte sont distincts des appels audio, et disposent de leur propre enveloppe de quota.

• Récap structuré — titre, résumé et actions à mener cochables, généré automatiquement à l'archivage et affiché en tête de session.
• Synthèse Markdown — générée en streaming par ministral-8b-latest dans la langue de la conversation. Elle est mise en cache, et le cache est invalidé si les intervenants sont renommés : une synthèse qui cite des noms périmés vaut moins que pas de synthèse du tout.
• 22 formats répartis en 9 secteurs — général, tech, produit, business, RH, juridique, santé, éducation, média. Le type est imposé au clic via une feuille secteur puis métier : la synthèse ne repart jamais avec le type de la fois précédente. Les types inutilisés se masquent dans les paramètres.
• Modèles personnalisés — un nom, un prompt, et le modèle devient réutilisable comme les formats intégrés.

Croisement de deux réunions

Le modèle reçoit les deux transcriptions étiquetées par leur titre, ainsi que le recoupement réel des intervenants nommés, calculé côté application. Deux garde-fous encadrent le raisonnement :

• Le sujet décide du lien, pas la liste des participants : une réunion de suivi réunissant de nouvelles personnes sur le même dossier est pleinement exploitée.
• Les noms servent à attribuer, jamais à conclure : un prénom commun ne prouve pas qu'il s'agit de la même personne, et l'absence de nom partagé n'empêche pas le rapprochement. Si les sujets sont réellement étrangers, le modèle le dit d'emblée au lieu de fabriquer une continuité.

6. Persistance locale

Chaque extraction est archivée automatiquement. Aucune base de données : un répertoire par session, un JSON de métadonnées, un fichier audio.

Documents/vox_extract/
├── sessions/
│   └── <id>/
│       ├── session.json     métadonnées, transcription, noms,
│       │                    synthèse, récap, note
│       └── audio.<ext>      l'enregistrement d'origine
├── people.json             répertoire des prénoms déjà attribués
└── qa_history.json         questions et réponses (300 entrées max)

Les fichiers texte (session.json, people.json, qa_history.json) sont chiffrés sur disque en AES-256-GCM, avec une clé générée sur l'appareil et conservée dans le Keystore Android — jamais dans un fichier posé à côté des données qu'elle protège. Cela protège contre une sauvegarde ADB, une extraction hors ligne de la partition, ou un appareil perdu dont on lit la mémoire ; cela ne protège pas un appareil déverrouillé entre d'autres mains, ni un Android rooté. L'audio archivé, lui, reste en clair : il est lu en streaming par le lecteur, et le chiffrer imposerait de le déchiffrer en entier vers un fichier temporaire avant chaque écoute.

Rétention

• Suppression automatique des sessions — jamais, 7, 30 ou 90 jours. La purge s'exécute au lancement.
• Purge de l'audio seul — désactivée par défaut ; 7, 30, 60 ou 90 jours. Elle supprime le fichier audio et conserve transcription, synthèse, récap et note. Jamais sans préavis : l'avertissement tombe la veille, et la purge n'agit qu'au lancement suivant. Un utilisateur absent six mois retrouve donc son audio intact et l'avertissement à son retour. Le détail de la session indique ensuite explicitement que l'audio a été purgé.

Répertoire de personnes

Voxtral fait de la diarisation par fichier : il distingue les voix d'un enregistrement mais ne fournit aucune empreinte vocale stable d'une session à l'autre. Il ne peut donc pas reconnaître une voix déjà entendue. Le répertoire contourne cette limite sans prétendre la résoudre : il mémorise les prénoms déjà attribués et les propose en autocomplétion, classés par usage récent, ce qui ramène l'attribution à un seul tap.

7. Sauvegarde chiffrée

L'historique ne vit que sur l'appareil : perte, vol ou réinstallation l'effacent. L'application écrit donc un fichier .recbak chiffré, confié au partage système Android — Drive, OneDrive, Dropbox, carte SD — sans SDK tiers à maintenir.

La clé maîtresse est chiffrée à la fois par la phrase de passe et par le code de récupération : une phrase oubliée ne condamne donc pas la sauvegarde. Nous ne connaissons ni l'une ni l'autre, et nous ne pouvons pas déchiffrer le fichier.

La restauration est non destructive : les sessions déjà présentes ne sont jamais écrasées, l'historique des questions est fusionné par identifiant, et l'application annonce combien d'éléments ont été ajoutés.

8. Décompte du quota

Sur la clé incluse, deux enveloppes mensuelles distinctes s'appliquent, remises à zéro au changement de mois calendaire. Leur volume dépend du niveau d'abonnement, lu côté serveur — jamais déclaré par le client. La clé personnelle n'apparaît pas ici : ces appels vont directement à Mistral et ne traversent pas notre fonction Edge, qui n'a donc rien à décompter.

Le décompte est porté par un identifiant d'appareil anonyme et tenu côté serveur : il n'est ni falsifiable depuis l'application, ni remis à zéro en recopiant des fichiers ailleurs. Un compteur local signé en SHA-256 subsiste pour l'affichage hors ligne, mais il ne fait pas autorité. L'identifiant est affiché et copiable dans les paramètres, et s'efface depuis le même écran.

9. Internationalisation

L'interface est disponible en 18 langues : français, anglais, espagnol, allemand, italien, portugais, néerlandais, arabe (avec disposition de droite à gauche), hindi, chinois traditionnel, chinois simplifié, coréen, japonais, indonésien, turc, polonais, danois, vietnamien.

Les chaînes sont centralisées dans une table écrite à la main, sans génération de code ni fichiers ARB — toute nouvelle clé doit être ajoutée aux 18 tables, ce qui est volontairement contraignant : une chaîne manquante se voit à l'écriture plutôt qu'à l'exécution.

Une table séparée nomme en clair les 35 langues que Voxtral peut détecter dans l'audio — un ensemble distinct de celui de l'interface. Les titres et résumés suivent par défaut la langue de l'enregistrement, avec une option pour les ramener dans la langue de l'interface.

10. Limites connues

Cette section n'est pas une clause de style. Ce sont les contraintes réelles de la version actuelle.

• L'audio est chargé en mémoire. C'est adapté à des réunions ; évitez les fichiers de plusieurs centaines de mégaoctets.
• Chaque identifiant de modèle Voxtral a sa propre capacité allouée. Une version retirée du pool répond 429 backend_out_of_capacity à chaque requête — un refus permanent indiscernable d'une saturation passagère. Une version a dû être retirée de la liste pour cette raison : mieux vaut ne jamais figer un identifiant de modèle sans vérifier sa capacité.
• La diarisation ne donne pas les prénoms, et ne fournit aucune empreinte vocale stable d'une session à l'autre. L'association prénom ↔ voix se refait à la main à chaque session, aidée par l'autocomplétion.
• La découpe d'une session archivée est irréversible. L'audio d'origine et le texte effacé ne sont pas récupérables.
• L'exactitude n'est pas garantie. Transcription et synthèse sont des traitements automatiques qui produisent des erreurs : mots mal entendus, intervenants mal attribués, résumés approximatifs. Ces résultats se vérifient avant tout usage juridique, contractuel, médical ou disciplinaire.
• La signature de partage peut être effacée par l'utilisateur dans l'application de destination avant l'envoi. C'est une friction, pas un verrou, et c'est assumé.
• Le contournement du quota par réinstallation n'est pas traité. L'identifiant d'appareil est un UUID local ; réinstaller en génère un nouveau. Le sujet est écarté volontairement tant que le volume d'utilisateurs ne justifie pas la création de comptes — ce qui coûterait la propriété qui fait l'intérêt de l'application.

Une question technique qui n'aurait pas sa réponse ici ? Le formulaire de contact arrive directement chez nous.

1. Overview

RECscript is a Flutter application for Android.

There is no database, local or remote, for content. All persistence is flat files — filesystem and JSON — in the app's Documents directory. Transcripts, summaries and recordings never leave the device.

2. The three call paths

The mode is chosen in the settings, and it decides who sees your meeting content. Only one mode is active at a time.

3. Transcription pipeline

Extraction goes through the Mistral API endpoint POST /v1/audio/transcriptions, with the Voxtral model selected in the settings.

The exception: the Essential plan

This plan does not use that pipeline. Its ASR is Groq whisper-large-v3-turbo (OpenAI-compatible API), called by the same Edge Function but with a separate key, which no more leaves the server than the Mistral one does. Audio therefore transits through the United States, where every other plan stays with Mistral, inside the European Union. That is the acknowledged trade-off behind its price, and it is stated before purchase.

Whisper cannot diarise: Groq's response is timestamped text, without speakers. Telling the voices apart is therefore computed on the phone, offline, by sherpa-onnx — pyannote segmentation-3.0 for speech boundaries, CAM++ voice embeddings, then clustering.

Each text segment is then attached to the speaker turn that overlaps it the longest: the ASR cuts by sentence and diarisation by speaker turn, on two time grids that do not line up. This step happens before display — the transcript only appears once the voices are assigned, never rewritten afterwards.

Audio sources

• Microphone — M4A/AAC at 32 kbps on mobile, roughly 4 MB per hour; falls back to 16 kHz mono WAV if the device cannot encode AAC. On Android a foreground service (foregroundServiceType="microphone") keeps capture running even with the screen locked.
• File import — MP3, M4A, WAV, OGG, FLAC, AAC, WebM. Capped at 50 MB on the free tier (transit bucket limit); no cap with a personal key.
• Written conversation import — WhatsApp export or Name: text format, one line per turn, up to 2 MB. WhatsApp timestamps are stripped. A prose file with no name prefix is refused rather than split at random: no audio call is made, and the session is archived directly with its speakers already named.

Resuming after a network drop

If the connection drops mid-extraction, transcription resumes at the moment of the cut rather than resending everything. The file is re-sliced at that point — in pure Dart for WAV and M4A/AAC on every platform, via ffmpeg for other formats on desktop. If the resume is still incomplete, the already-transcribed part is kept and the user is told, rather than losing the work in silence.

Progress during extraction

The waveform fills in orange up to the portion already transcribed, based on the end field of the SSE segments. Real amplitude is extracted in the background: pure Dart for WAV, native MediaCodec decoding on Android, ffmpeg on desktop. When it is unavailable, a stylised preview is shown — and flagged as such, so that decoration is never mistaken for measurement.

Optional audio monitoring plays the file in parallel, with speed control. Two distinct indicators are shown and never conflated: "Transcribed" (extraction progress) and "Listening" (playback position).

4. Audio trimming

The editor offers playback, a waveform, scissors to set a cut, then selection and deletion of a portion. It opens from two places, and the consequences differ.

• Before transcription — only the kept portion is sent to the model. What is removed is never transcribed: neither billed nor counted against your quota.
• On an archived session — the operation is irreversible. The audio is rewritten; turns of speech falling inside the deleted portions disappear, and the rest are re-timestamped on the spliced timeline. A turn straddling a cut is trimmed on its actual words when per-word timestamps exist, otherwise it is kept whole and flagged as approximate. The full text is recomposed — otherwise questions would keep answering from deleted text.

In both cases a quantified warning — duration of audio and number of turns lost — appears before anything is written. Trimming is pure Dart for WAV and M4A/AAC, hence available on mobile; ffmpeg is only required for other formats, on desktop.

5. Text generation

Text calls are separate from audio calls, and have their own quota envelope.

• Structured brief — title, summary and checkable action items, generated automatically on archiving and shown at the top of the session.
• Markdown summary — streamed by ministral-8b-latest in the language of the conversation. It is cached, and the cache is invalidated if speakers are renamed: a summary quoting stale names is worth less than no summary at all.
• 22 formats across 9 sectors — general, tech, product, business, HR, legal, health, education, media. The type is set at click time through a sector-then-trade sheet: a summary never starts with last time's type. Unused types can be hidden in the settings.
• Custom templates — a name, a prompt, and the template becomes reusable just like the built-in formats.

Cross-referencing two meetings

The model receives both transcripts labelled by their title, along with the actual overlap of named speakers, computed app-side. Two guard rails frame the reasoning:

• The subject decides the link, not the attendee list: a follow-up meeting with new people on the same file is fully exploited.
• Names serve to attribute, never to conclude: a shared first name does not prove it is the same person, and the absence of a shared name does not prevent the connection. If the subjects are genuinely unrelated, the model says so upfront instead of manufacturing continuity.

6. Local persistence

Every extraction is archived automatically. No database: one directory per session, one metadata JSON, one audio file.

Documents/vox_extract/
├── sessions/
│   └── <id>/
│       ├── session.json     metadata, transcript, names,
│       │                    summary, brief, note
│       └── audio.<ext>      the original recording
├── people.json             directory of names already assigned
└── qa_history.json         questions and answers (300 entries max)

Text files (session.json, people.json, qa_history.json) are encrypted on disk with AES-256-GCM, using a key generated on the device and kept in the Android Keystore — never in a file sitting next to the data it protects. This protects against an ADB backup, an offline extraction of the partition, or a lost device whose storage is read out; it does not protect a device unlocked in someone else's hands, nor a rooted Android. Archived audio itself stays unencrypted: it is streamed by the player, and encrypting it would require fully decrypting it to a temporary file before every playback.

Retention

• Automatic session deletion — never, 7, 30 or 90 days. The purge runs at launch.
• Audio-only purge — off by default; 7, 30, 60 or 90 days. It deletes the audio file and keeps the transcript, summary, brief and note. Never without notice: the warning appears the day before, and the purge only acts at the next launch. A user away for six months therefore finds their audio intact, and the warning waiting for them. The session detail then states explicitly that the audio has been purged.

People directory

Voxtral performs diarisation per file: it distinguishes the voices in a recording but provides no stable voiceprint from one session to the next. It therefore cannot recognise a voice it has heard before. The directory works around this limit without pretending to solve it: it remembers names already assigned and offers them as autocomplete, ordered by recent use, which brings attribution down to a single tap.

7. Encrypted backup

Your history lives only on the device: loss, theft or reinstalling erases it. The app therefore writes an encrypted .recbak file, handed to the Android system share sheet — Drive, OneDrive, Dropbox, SD card — with no third-party SDK to maintain.

The master key is encrypted by both the passphrase and the recovery code: a forgotten passphrase therefore does not doom the backup. We know neither, and we cannot decrypt the file.

Restoring is non-destructive: sessions already present are never overwritten, question history is merged by identifier, and the app reports how many items were added.

8. Quota metering

On the included key, two distinct monthly envelopes apply, reset at the turn of each calendar month. Their size depends on the subscription level, read server-side — never declared by the client. The personal key does not appear here: those calls go straight to Mistral and never cross our Edge Function, which therefore has nothing to meter.

Metering is carried by an anonymous device identifier and kept server-side: it cannot be forged from the app, nor reset by copying files elsewhere. A locally signed SHA-256 counter remains for offline display, but it is not authoritative. The identifier is shown and copyable in the settings, and can be erased from the same screen.

9. Internationalisation

The interface is available in 18 languages: French, English, Spanish, German, Italian, Portuguese, Dutch, Arabic (with right-to-left layout), Hindi, Traditional Chinese, Simplified Chinese, Korean, Japanese, Indonesian, Turkish, Polish, Danish, Vietnamese.

Strings are centralised in a hand-written table, with no code generation and no ARB files — every new key must be added to all 18 tables, which is deliberately constraining: a missing string shows up at writing time rather than at runtime.

A separate table names, in plain words, the 35 languages Voxtral can detect in audio — a set distinct from the interface one. Titles and summaries follow the language of the recording by default, with an option to bring them back into the interface language.

10. Known limitations

This section is not boilerplate. These are the real constraints of the current version.

• Audio is loaded into memory. That suits meetings; avoid files of several hundred megabytes.
• Each Voxtral model identifier has its own allocated capacity. A version withdrawn from the pool answers 429 backend_out_of_capacity on every request — a permanent refusal indistinguishable from transient saturation. One version had to be removed from the list for exactly this reason: never pin a model identifier without checking its capacity.
• Diarisation does not give names, and provides no stable voiceprint from one session to the next. The name ↔ voice association is redone by hand each session, helped by autocomplete.
• Trimming an archived session is irreversible. The original audio and the deleted text are not recoverable.
• Accuracy is not guaranteed. Transcription and summarisation are automated processes that produce errors: misheard words, wrongly attributed speakers, approximate summaries. These outputs must be checked before any legal, contractual, medical or disciplinary use.
• The share signature can be deleted by the user in the destination app before sending. It is friction, not a lock, and that is by design.
• Quota circumvention by reinstalling is not addressed. The device identifier is a local UUID; reinstalling generates a new one. The issue is deliberately set aside as long as user volume does not justify creating accounts — which would cost the very property that makes the app worth using.
• Subscriptions are not implemented. Only the free tier and the personal key exist today.

A technical question this page does not answer? The contact form reaches us directly.