Fichiers · Outil

Convertir audio et vidéo en texte

Choisissez un fichier pour obtenir le texte sur votre appareil. Le premier téléchargement du modèle fait environ 43 Mo ; un ordinateur est recommandé pour les longs fichiers.

Fonctionne dans votre navigateur. Aucun envoi.

Fonctionne dans votre navigateur. Aucun envoi.

Pour les fichiers longs ou en haute résolution, un ordinateur est conseillé. Gardez cet onglet ouvert ; vitesse, mémoire et batterie dépendent de votre appareil.

La première utilisation télécharge environ 58 Mo de modèle et de moteur local. L’enregistrement n’est pas envoyé ; le navigateur peut les télécharger à nouveau si son cache est vidé.

Fonctionne dans votre navigateur. Aucun envoi.

À propos de cet outil

Convertir audio et vidéo en texte en toute simplicité.

Whisper Tiny fonctionne localement dans le navigateur. La première utilisation télécharge environ 43 Mo de fichiers du modèle ouvert depuis Hugging Face ; l’enregistrement n’y est pas envoyé et ne l’est pas non plus à UsefulVerse. Le navigateur peut mettre le modèle en cache, mais peut aussi l’effacer. Vérifiez noms, chiffres et ponctuation : le modèle peut se tromper. Pas de quota serveur fixe de taille ou de durée, mais mémoire, codecs, navigateur, batterie et vitesse de l’appareil limitent l’usage.

Guide

Utiliser Convertir audio et vidéo en texte

Cette page transforme la parole d’un fichier audio ou vidéo en texte brut. Vous choisissez un enregistrement, sa langue parlée ou laissez la détection en automatique, et appuyez sur Transcrire. Un petit modèle vocal appelé Whisper Tiny s’exécute sur votre propre appareil, donc l’enregistrement n’est pas envoyé à un serveur. La première exécution doit télécharger le modèle. Elle convient aux notes de réunion, aux cours et aux mémos vocaux. Elle ne renvoie que du texte, sans horodatage ni noms de locuteurs, et elle peut mal entendre les noms et les nombres.

Comment l’utiliser

  1. Appuyez sur Choisir un fichier audio ou vidéo et sélectionnez un enregistrement. Le sélecteur de fichiers liste des types tels que MP3, M4A, WAV, OGG, MP4, MOV et WebM.
  2. Choisissez la langue parlée dans la liste de 16, ou gardez Détecter automatiquement si vous n’êtes pas sûr.
  3. Appuyez sur Transcrire et gardez l’onglet ouvert. À la première utilisation, le modèle de reconnaissance vocale se télécharge d’abord (la page indique environ 58 MB avec son moteur local), et une barre de progression montre l’avancement.
  4. Le texte apparaît dans la case Résultat à mesure que chaque tranche audio de 30 secondes se termine. Appuyez sur Annuler pour arrêter plus tôt.
  5. Appuyez sur Copier le résultat, ou sur Télécharger pour obtenir un fichier .txt nommé d’après votre enregistrement, et relisez le texte avant de vous y fier.

Exemples détaillés

Un mémo vocal de 75 secondes

Vous saisissez
Fichier
memo.mp3, 75 secondes, anglais parlé
Langue
Anglais
Vous obtenez
Case de résultat
jusqu’à 3 lignes de texte

L’audio est découpé en tranches de 30 secondes, ici 30 + 30 + 15. Chaque tranche qui renvoie du texte est ajoutée comme sa propre ligne. Cela est déduit du code et n’a pas été exécuté sur un vrai enregistrement.

Non calculé avec l’outil. À prendre comme une illustration.

Nom du fichier texte téléchargé

Vous saisissez
Fichier
Appel d’équipe (final).mov
Action
Télécharger
Vous obtenez
Télécharger
Appel-d-équipe-final-transcript.txt

L’extension du fichier est retirée, chaque suite de caractères qui ne sont ni des lettres, ni des chiffres, ni des points, ni des tirets bas, ni des traits d’union devient un seul trait d’union, et -transcript.txt est ajouté. Les lettres accentuées restent, donc Reunión 3 de marzo.m4a donne Reunión-3-de-marzo-transcript.txt. L’étape de nommage a été exécutée seule.

Non calculé avec l’outil. À prendre comme une illustration.

Une vidéo sans piste son

Vous saisissez
Fichier
screen-capture.mp4 sans audio
Langue
Détecter automatiquement
Vous obtenez
Statut
Le fichier ou le navigateur n’a pas pu exécuter la transcription locale. Essayez un autre format pris en charge ou un navigateur de bureau.

Le lecteur cherche une piste audio et échoue s’il n’y en a aucune. La page affiche alors un seul message général pour tous les types d’échec. Non exécuté sur un vrai fichier.

Non calculé avec l’outil. À prendre comme une illustration.

Un enregistrement sans parole

Vous saisissez
Fichier
piano.wav
Langue
Détecter automatiquement
Vous obtenez
Statut
Aucune parole détectée. Essayez un audio plus clair ou choisissez une langue.

Quand aucun segment ne renvoie de texte, la page affiche cette ligne. La musique ou le bruit peuvent quand même produire des mots parasites avec un petit modèle, donc lisez la zone plutôt que de vous fier à un résultat vide ou plein. Non exécuté sur un vrai fichier.

Non calculé avec l’outil. À prendre comme une illustration.

Quand c’est utile

  • Transformez un cours enregistré en notes dans lesquelles vous pouvez chercher.
  • Rédigez les points clés d’une réunion ou d’un appel téléphonique enregistré avec permission.
  • Obtenir un premier jet à partir d’un mémo vocal avant de le retoucher.
  • Extrayez les paroles d’un court clip vidéo pour des sous-titres ou un résumé.
  • Vérifiez ce qui a été dit lors d’un entretien avant de le citer.

Limites à garder en tête

  • L’outil ne fixe ni taille ni durée de fichier. Votre appareil décide de ce qui fonctionne, selon la mémoire, la batterie et les codecs audio que le navigateur sait décoder.
  • Le modèle est Whisper Tiny sous une forme compacte en 8 bits, conçue pour la petite taille plutôt que pour la précision maximale. Attendez-vous à des erreurs sur les noms, les nombres et la ponctuation.
  • Le résultat est du texte brut. Il n’y a ni horodatage, ni noms de locuteurs, ni traduction, et la zone Résultat est en lecture seule, donc copiez le texte ailleurs pour le modifier.
  • L’audio est traité par tranches de 30 secondes et chaque tranche devient sa propre ligne, donc une phrase qui franchit la limite d’une tranche peut être coupée sur deux lignes.
  • La première exécution exige une connexion Internet pour télécharger le modèle et le moteur, et le navigateur peut les télécharger de nouveau si son cache est vidé.

Conseils

  • Choisissez vous-même la langue quand vous la connaissez. Avec la détection automatique, chaque tranche de 30 secondes est vérifiée séparément, donc le choix peut changer au milieu d’un fichier.
  • Utilisez un enregistrement propre avec le microphone près du locuteur. Le bruit de fond est la cause courante des mots erronés.
  • Vérifiez chaque nom, date et chiffre avec l’enregistrement avant de citer ou de partager le texte.
  • Pour les longs fichiers, utilisez un ordinateur portable ou fixe, branchez-le et gardez l’onglet au premier plan, car le travail s’exécute sur votre propre processeur.

Sources

Questions fréquentes

À propos de Convertir audio et vidéo en texte.

Comment transformer un enregistrement en texte ?

Choisissez le fichier audio ou vidéo, sélectionnez la langue parlée et appuyez sur Transcrire. Attendez le chargement du modèle, puis regardez le texte remplir la case Résultat tranche par tranche. Quand c’est terminé, copiez le texte ou téléchargez-le sous forme de fichier.

Mon enregistrement est-il envoyé ?

Non. L’audio est décodé et reconnu dans votre navigateur. Seuls les fichiers du modèle viennent d’Internet, depuis un hébergeur public de modèles, à la première utilisation. La page indique que l’enregistrement lui-même n’est jamais envoyé à cet hébergeur ni à UsefulVerse.

Quelle est la précision de la transcription ?

Aucun chiffre de précision n’est donné, et aucun n’a été mesuré pour cette page. Le modèle est volontairement petit, il peut donc mal entendre les noms, les nombres et la ponctuation, surtout avec du bruit ou de forts accents. Considérez le texte comme un premier brouillon et comparez-le avec l’audio.

Quelles langues peut-il transcrire ?

La liste propose la détection automatique ainsi que 16 langues : anglais, espagnol, français, portugais, allemand, japonais, coréen, indonésien, hindi, arabe, chinois, bengali, russe, ourdou, turc et vietnamien. Les autres langues ne sont pas proposées, donc les résultats pour celles-ci ne sont pas fiables.

Quelle durée de fichier puis-je transcrire ?

L’outil ne limite ni la durée ni la taille. En pratique, il demande au moteur vocal d’utiliser un seul fil de traitement, donc les longs fichiers peuvent prendre beaucoup de temps et beaucoup de mémoire. Un ordinateur portable ou de bureau est conseillé pour tout ce qui est long.

Pourquoi la première transcription est-elle lente à démarrer ?

Le modèle de reconnaissance vocale doit être téléchargé avant toute chose. La page mentionne environ 43 Mo de fichiers de modèle et environ 58 Mo avec le moteur local. Votre navigateur peut les conserver pour les visites suivantes, mais un cache vidé impose un nouveau téléchargement.

Ajoute-t-il des horodatages ou des noms de locuteurs ?

Non. Le résultat n’est que du texte, une ligne pour chaque tranche de 30 secondes qui a produit des mots. Si vous avez besoin des horaires ou des locuteurs, vous devez les ajouter à la main en écoutant, ou utiliser un autre outil conçu pour cela.

Puis-je utiliser un fichier vidéo ?

Oui, s’il a une piste audio que votre navigateur peut décoder. L’outil lit le son de la vidéo sur votre appareil et ignore l’image. Une vidéo sans audio donne un message d’erreur général.

Traduira-t-il la parole en anglais ?

Non. Le processus est réglé pour transcrire, il écrit donc ce qui est dit dans la langue parlée. Il n’y a aucune option de traduction sur la page. Utilisez la liste des langues pour lui indiquer la langue du locuteur.

Comment utiliser « Transcription audio et vidéo » ?

Choisissez un fichier pour obtenir le texte sur votre appareil. Le premier téléchargement du modèle fait environ 43 Mo ; un ordinateur est recommandé pour les longs fichiers.

Mes données sont-elles envoyées à un serveur ?

Non. Le traitement s’effectue dans votre navigateur et vos données ne sont pas envoyées.