Audio et vidéo en sous-titres (IA)

Transcrire la parole en SRT, VTT ou texte avec Whisper, dans votre navigateur

Fonctionne dans votre navigateur

Déposez un fichier audio ou vidéo

MP3, WAV, M4A, OGG, MP4, WebM et tout ce que votre navigateur sait lire

Le fichier reste sur votre appareil. Seul le modèle d'IA est téléchargé, une fois, et conservé par le navigateur.

Le premier essai télécharge le modèle, les suivants démarrent tout de suite. Les fichiers longs prennent du temps sans WebGPU.

Comment fonctionne la transcription par IA dans le navigateur ?

Cet outil exécute Whisper, le modèle ouvert de reconnaissance vocale d'OpenAI, sur votre propre appareil avec transformers.js. Le navigateur décode la piste audio, la rééchantillonne à 16 kHz, et le modèle transforme chaque fenêtre de 30 secondes en texte avec heures de début et de fin. Ces segments deviennent des répliques SRT ou WebVTT, ou une transcription brute. Le modèle est téléchargé une fois depuis le Hugging Face Hub et mis en cache par le navigateur ; l'audio n'est jamais envoyé. L'outil utilise la carte graphique via WebGPU si possible, sinon le processeur.

Cas d'utilisation

  • Ajouter des sous-titres à une vidéo pour YouTube, TikTok, CapCut ou Premiere sans les taper
  • Obtenir la transcription d'une interview, d'un cours, d'une réunion ou d'un podcast
  • Transformer un message vocal ou une note audio en texte
  • Traduire la parole d'une autre langue en sous-titres anglais

Quand l'utiliser ?

Adapté à une parole claire dans des fichiers d'environ une heure maximum. Rapide convient aux clips courts et aux brouillons ; Équilibré est un bon choix par défaut ; Précis gère bien mieux les accents et le bruit, mais le téléchargement est plus lourd et c'est plus lent sans carte graphique. Choisissez la langue parlée si vous la connaissez, car la détection automatique peut se tromper sur les clips courts. Relisez toujours le résultat avant publication : noms propres et termes techniques sont les erreurs habituelles, et le Convertisseur de sous-titres permet de décaler le timing ensuite.

Exemples

  1. Créer des sous-titres SRT pour une vidéo

    Entrée

    Une interview MP4 de 2 minutes en français. Modèle : Équilibré. Langue : français. Résultat : Même langue.

    Sortie

    Un fichier .srt d'environ 30 segments horodatés en français, prêt pour un lecteur ou un logiciel de montage.

  2. Traduire une conférence en sous-titres anglais

    Entrée

    Un extrait de podcast en espagnol (M4A). Modèle : Précis. Résultat : Traduire en anglais.

    Sortie

    Des sous-titres anglais avec le timing d'origine, en SRT, VTT ou texte.

Questions et réponses

Mon audio est-il envoyé sur un serveur ?

Non. Le fichier est décodé et transcrit dans votre navigateur. Seul le modèle d'IA est téléchargé depuis le Hugging Face Hub, puis mis en cache.

Quel modèle choisir ?

Commencez par Équilibré. Rapide pour les clips courts ou les machines lentes, Précis pour les accents, le bruit de fond ou un travail important, si vous pouvez attendre le téléchargement plus lourd.

Pourquoi est-ce lent ?

La reconnaissance vocale demande beaucoup de calcul. Avec WebGPU (Chrome, Edge et Safari récents), elle tourne sur la carte graphique et va bien plus vite ; sinon sur le processeur. Gardez l'onglet ouvert jusqu'à la fin.

Quelles langues sont prises en charge ?

Whisper reconnaît environ 100 langues, avec la meilleure précision pour les plus parlées comme l'anglais, l'espagnol, le français, le chinois et le japonais. La traduction se fait toujours vers l'anglais.

Sources et normes

Tous les outils