Sous-titres pour vidéo et transcription de la vidéo en texte

Chargez le fichier et appuyez sur « Générer les sous-titres ». La reconnaissance terminée, les boutons « Copier » et « TXT » apparaissent au-dessus de la transcription : le texte se récupère en continu ou avec les repères temporels. Le commutateur « Texte continu » affiche le résultat comme un document ordinaire, prêt pour des notes ou un article.

SRT pour presque tout : YouTube, les lecteurs et les logiciels de montage le lisent, et il porte de simples lignes minutées. VTT est le format du web — c'est ce qu'un navigateur attend dans une piste de sous-titres. ASS se choisit quand la mise en forme doit faire le voyage : polices, positions et couleurs vivent dans le fichier, un sous-titre composé ici reste donc composé chez celui qui l'ouvrira.

Il écoute d'abord et tranche seul : Whisper reconnaît la langue au son parmi plus de quatre-vingt-dix, un extrait que vous n'avez pas enregistré ressort donc quand même dans la bonne. Le russe passe par un modèle entraîné pour lui et non par le modèle général. Si la langue change en cours d'enregistrement, ou si un accent marqué égare la détection, fixez la langue à la main avant le lancement et il n'y a plus rien à deviner.

Oui. Avant la reconnaissance, Silero VAD repère les passages de parole réelle : le silence des introductions, des pauses et des fins est ignoré et la précision tient sur les fichiers longs. Le texte apparaît dans l'éditeur au fil du décodage — inutile d'attendre la fin pour commencer à lire et corriger. Au-delà de 30 minutes, un ordinateur avec 8 Go de RAM est plus confortable.

Oui, « Télécharger le MP4 avec sous-titres » fabrique un fichier où les sous-titres sont dessinés sur l'image : ils restent visibles sur tous les réseaux et dans les lecteurs qui ne lisent pas le SRT. La fabrication tourne dans le navigateur via FFmpeg WASM : la vidéo est encodée en H.264 et la piste audio copiée sans réencodage.

Cliquez sur le repère temporel à gauche de la ligne dans la transcription et saisissez la nouvelle heure, ou déplacez-la aux flèches (Maj = pas d’une seconde). La vidéo suit pendant la modification, le résultat s’entend tout de suite. Les temps de mots sont recalculés depuis la ligne, le surlignage karaoké reste en mesure.

Whisper déduit les frontières de mots du décodage cross-attention, à environ ±200 ms — assez pour le surlignage karaoké et pour des sous-titres ordinaires. Si le décodage est lent, le mode rapide répartit les mots uniformément dans le segment. Le début d'une ligne se corrige aussi à la main dans la transcription.

L'export VTT est le format standard des sous-titres codés pour les lecteurs web (HTML5 track, YouTube, Vimeo), accepté par les contrôles WCAG, ADA et EAA. Les sous-titres portent les repères temporels, le marquage des locuteurs si le détecteur est actif et une ponctuation propre. Le MP4 incrusté ajoute contour et ombre pour le contraste et reste dans les zones sûres.

Ouvrez « Glossaire » dans les réglages de reconnaissance et saisissez vos termes, un par ligne. Ils sont transmis au modèle comme amorce, si bien que noms de produits, patronymes, sigles et jargon métier sont orthographiés correctement. C'est le gain de précision le plus net sur les conférences techniques et les contenus de marque.