Aller au contenu

Transcrire un audio ou une vidéo en texte

Convertissez la parole de vos fichiers audio et vidéo, ou d’un enregistrement au micro, en texte consultable avec horodatage des mots, grâce à un modèle Whisper qui s’exécute sur votre appareil.

Déposez un fichier audio ou vidéoMP3, WAV, M4A, MP4, MOV, WebM… · gratuit jusqu’à 10 min
Choisir un fichierTraité sur votre appareil, jamais envoyé
Fonctionne dans votre navigateur · aucun envoiComment ça marche

Comment utiliser Transcription audio et vidéo

  1. 1

    Ajoutez un enregistrement

    Déposez un fichier MP3, M4A, WAV, MP4 ou MOV, ou passez à Enregistrer l’audio et parlez dans votre microphone.

  2. 2

    Lancez la transcription

    Base convient à la plupart des enregistrements ; Small gère mieux les accents et le bruit. Laissez la langue en détection automatique ou choisissez-la.

  3. 3

    Lisez, écoutez et recherchez

    Suivez les mots surlignés pendant la lecture, cliquez sur un mot pour vous y rendre, et recherchez des noms ou des sujets.

  4. 4

    Enregistrez le résultat

    Copiez le texte ou téléchargez TXT, DOCX, SRT, VTT ou JSON avec les durées de chaque mot.

Limites et Pro

Jusqu’à 10 minutes d’audio par fichier ou enregistrement (les fichiers plus longs sont transcrits sur leurs 10 premières minutes), fichiers jusqu’à 500 Mo. Le modèle de reconnaissance vocale se télécharge une seule fois : 43 Mo (Tiny), 80 Mo (Base) ou 252 Mo (Small).

Jusqu’à 600 minutes par fichier et fichiers jusqu’à 4 Go. Découvrir Pro

À propos de Transcription audio et vidéo

Transcrire est un outil de reconnaissance vocale pour les entretiens, cours, réunions, podcasts, prêches et notes vocales. Vous choisissez un enregistrement ou vous en réalisez un avec votre microphone, et le modèle open source Whisper écrit ce qui a été dit, avec la ponctuation et les majuscules, dans l’une des 99 langues prises en charge. Les longs enregistrements sont traités par fenêtres de 30 secondes : le texte apparaît pendant que la suite est encore en cours de traitement, et un mot coupé en bordure de fenêtre est relu depuis la fenêtre suivante au lieu d’être perdu.

Le résultat se présente comme une vue de lecture plutôt qu’un bloc de texte : les phrases sont regroupées en paragraphes à chaque pause de la personne qui parle, chaque paragraphe peut afficher son heure de début, et chaque mot possède son propre horodatage. Lancez la lecture et le mot prononcé est surligné ; cliquez sur n’importe quel mot pour l’écouter dans son contexte. La recherche retrouve une expression dans toute la transcription et passe d’une occurrence à l’autre.

Les téléchargements couvrent les usages habituels : du texte brut (avec ou sans horodatages) pour vos notes, un document Word pour modifier et partager, SRT ou VTT si l’enregistrement doit être publié en vidéo, et JSON avec les heures de début et de fin de chaque mot pour les développeurs. La transcription n’indique pas qui parle, et ce n’est pas un outil de sous-titrage en direct : l’enregistrement d’abord, la transcription ensuite.

Confidentialité

Vos enregistrements restent sur votre ordinateur ou votre téléphone : les fichiers sont ouverts localement, l’audio du microphone est enregistré en mémoire sur cette page, et Whisper s’exécute dans un processus en arrière-plan sans envoyer l’audio nulle part. Fermez l’onglet et l’enregistrement comme la transcription disparaissent. Seul le modèle de reconnaissance vocale est récupéré une fois depuis Hugging Face, puis conservé dans le cache de votre navigateur.

Fonctionnalités

Aucun envoi

Le décodage et la reconnaissance se font tous deux dans cet onglet de votre navigateur : vos appels et entretiens confidentiels restent chez vous.

99 langues

Détection automatique de la langue, et traduction vers l’anglais depuis toute langue prise en charge.

Horodatage de chaque mot

Chaque mot est chronométré : cliquez pour l’écouter et suivez le texte grâce au surlignage en direct.

Enregistrement au micro

Enregistrez une note vocale, un entretien ou une dictée et transcrivez-les aussitôt.

TXT, Word, SRT, VTT, JSON

Exportez le format dont vous avez besoin : documents, sous-titres ou données structurées pour vos propres outils.

Rechercher dans la transcription

Retrouvez chaque mention d’un nom ou d’une expression et passez d’une occurrence à l’autre.

Transcription audio et vidéo : questions fréquentes

Quelle est la précision de la transcription Whisper ?
Sur un enregistrement net d’une seule personne parlant anglais, Whisper Base reconnaît en général bien plus de 90 % des mots et ajoute une ponctuation cohérente. La musique, les voix qui se chevauchent, l’audio de ligne téléphonique et les accents marqués réduisent ce score. Le modèle Small est le plus précis ici, au prix d’un téléchargement plus lourd et d’un traitement plusieurs fois plus long.
La transcription indique-t-elle qui a dit quoi ?
Non. L’identification des locuteurs (diarisation) nécessite un modèle distinct qui n’est pas inclus : la transcription est donc un texte continu découpé en paragraphes aux pauses. Pour un entretien à deux, les sauts de paragraphe tombent généralement aux changements de voix, et vous pouvez ajouter les noms dans l’export Word.
Puis-je transcrire une note vocale directement depuis mon microphone ?
Oui. Choisissez Enregistrer l’audio, autorisez l’accès au microphone, puis appuyez sur le bouton rouge ; vous pouvez mettre en pause et Reprendre pendant l’enregistrement. Quand vous appuyez sur Arrêter, l’enregistrement apparaît, prêt à être transcrit et écouté. Il n’existe que dans cet onglet : téléchargez la transcription avant de fermer la page.
Que contient l’export JSON ?
Il contient la langue détectée, la durée, le modèle utilisé, le texte complet et une liste de segments avec leurs heures de début et de fin en secondes. Chaque segment inclut ses mots avec leurs propres heures de début et de fin, ce qui est utile pour créer une recherche, extraire des extraits ou produire des sous-titres façon karaoké dans votre logiciel.
Combien de temps faut-il pour transcrire une heure d’audio ?
Cela dépend de l’appareil. Avec WebGPU sur un ordinateur portable récent, le modèle Base traite une heure en dix à vingt minutes environ ; avec le processeur seul, comptez à peu près la durée de l’enregistrement, voire plus. Les transcriptions de plus de 10 minutes nécessitent Pro. Vous voyez le texte apparaître et pouvez annuler à tout moment.

Outils associés

Tous les outils : outils vidéo et audio

Générateur de sous-titres

Des sous-titres SRT et VTT générés par une IA sur votre appareil

Enregistreur vocal

Enregistrez du son au micro et sauvegardez-le

Convertisseur audio

Convertir MP3, WAV, M4A, OGG, FLAC et plus

Compteur de mots

Comptez mots, caractères, phrases et temps de lecture