Transcription audio et vidéo

Critères 4.1 (transcription textuelle) et 4.3 (sous-titres). L'outil produit automatiquement les sous-titres et la transcription d'un fichier audio ou vidéo.

Une transcription locale

La transcription utilise Whisper, un modèle de reconnaissance vocale, qui tourne dans le navigateur de la personne qui utilise l'outil. Le son ne quitte jamais son ordinateur et ne passe pas par le serveur. Aucune clé d'API n'est nécessaire.

À la première utilisation, le navigateur télécharge le modèle depuis Hugging Face, puis le garde en cache :

Modèle	Téléchargement	Usage
Rapide (Whisper base)	environ 80 Mo	Recommandé, suffisant pour une voix claire
Précis (Whisper small)	environ 250 Mo	Accents, bruit de fond, vocabulaire technique

Utilisation

1. Outils › Assistants IA › Transcription audio et vidéo.
2. Déposez un fichier audio ou vidéo (tout format lu par le navigateur : MP3, WAV, M4A, MP4, WebM…).
3. Choisissez le modèle et cliquez sur Transcrire.

L'avancement s'affiche : lecture du son, téléchargement du modèle, puis transcription. Sur un ordinateur récent, une vidéo de quelques minutes prend une à deux minutes avec le modèle rapide. Sur une machine ancienne ou un téléphone, c'est nettement plus lent.

Résultat

• Un tableau des sous-titres horodatés. Les segments trop longs sont découpés en sous-titres de deux lignes de 36 caractères au plus, la durée étant répartie proportionnellement.
• Téléchargements : WebVTT (sous-titres pour le web), SRT, TTML et transcription texte (critère 4.1).

Relire la transcription

La transcription est à relire : noms propres, ponctuation, chiffres. Des sous-titres pour personnes sourdes et malentendantes doivent aussi indiquer les informations sonores utiles (« [musique] », « [rires] ») et les changements de locuteur. Pour vérifier la vitesse de lecture et la longueur des lignes, chargez le fichier WebVTT dans l'outil Sous-titres : conversion et contrôle.