Audio en texte et sous-titres

Transformez audio ou vidéo en texte modifiable et en sous-titres horodatés avec Whisper, directement dans votre navigateur. Vos fichiers ne quittent jamais votre appareil.

Fichier source

Déposez ici un fichier audio ou vidéo MP3, WAV, M4A, FLAC, OGG, MP4, WebM · Jusqu’à 250 Mo / 20 min

Lors de la première utilisation, votre navigateur télécharge le modèle Whisper Tiny (environ 41 Mo en mode CPU). Votre audio reste sur cet appareil.

Transcription

Votre transcription horodatée apparaîtra ici. Sélectionnez un horodatage pour aller à ce moment du fichier.

Les fichiers et les résultats restent uniquement sur cette page. Effacez le fichier ou fermez la page pour les supprimer. Le modèle Whisper Tiny est téléchargé une fois depuis Hugging Face puis mis en cache par votre navigateur.

Comment utiliser Audio en texte et sous-titres

  1. Déposez un fichier audio ou vidéo sur la page ou cliquez sur « Choisir un fichier ».
  2. Choisissez la langue parlée (ou laissez la détection automatique), choisissez un mode de traitement, puis cliquez sur « Générer les sous-titres ».
  3. Cliquez sur un horodatage pour vérifier une ligne par rapport à l’audio, modifiez le texte, puis copiez-le ou exportez-le en SRT, VTT ou TXT.

À propos de cet outil

Audio en texte et sous-titres exécute Whisper Tiny — un petit modèle de reconnaissance vocale open source — entièrement dans votre navigateur, avec Transformers.js et ONNX Runtime Web. Lors de la première utilisation, votre navigateur télécharge le modèle (environ 41 Mo en mode CPU) depuis Hugging Face et le met en cache ; ensuite, la transcription s’exécute sur votre appareil. Vos fichiers audio et vidéo ne sont jamais envoyés, et rien de ce que vous transcrivez n’est transmis ailleurs.

Questions fréquentes

Mes fichiers sont-ils envoyés quelque part ?

Non. La transcription s’exécute entièrement dans votre navigateur et votre fichier audio ou vidéo ne quitte jamais votre appareil. Le seul téléchargement est le modèle Whisper Tiny lui-même : lors de la première utilisation, votre navigateur le récupère sur Hugging Face (environ 41 Mo en mode CPU) et le met en cache. Si Hugging Face est inaccessible, la première transcription échouera — mais votre fichier ne quittera toujours pas votre appareil.

Quels fichiers sont pris en charge, et quelles sont les limites ?

Fichiers audio MP3, WAV, M4A, FLAC ou OGG, et vidéos avec piste audio MP4 ou WebM. Un fichier peut peser jusqu’à 250 Mo et durer 20 minutes. Si votre navigateur ne peut pas décoder la piste audio, exportez-la d’abord en WAV ou MP3, puis réessayez.

Quelles langues parlées sont prises en charge ?

Détection automatique, ainsi que l’anglais, le chinois, le japonais, le coréen, l’espagnol, le français, l’allemand et le portugais. Choisissez la langue entendue dans l’enregistrement : un mauvais choix peut faire sortir la transcription dans la mauvaise langue.

Quelle est la différence entre les modes WebGPU et CPU ?

Le mode automatique essaie d’abord WebGPU, puis bascule vers le CPU si WebGPU ne peut pas démarrer ou échoue. WebGPU utilise le modèle en pleine précision (fp16 ou fp32) ; le mode CPU utilise le modèle quantifié plus petit (environ 41 Mo). Si votre navigateur ou appareil n’a pas WebGPU — par exemple dans un bac à sable ou sur du matériel ancien — le mode CPU fonctionne quand même, simplement plus lentement.

Quelle est sa précision, et que puis-je exporter ?

Whisper Tiny est un modèle petit et rapide : le langage courant ressort généralement bien, mais il peut mal entendre les noms, les chiffres et les mots rares — relisez donc avant de publier. Cliquez sur un horodatage pour aller à ce moment de l’audio, modifiez chaque ligne sur place, puis copiez le texte ou exportez-le en SRT, VTT ou TXT.

Vous aimez cet outil ?

Passez à Very Useful Tools Pro : un abonnement de 6 $/mois pour tous les outils — sans publicité une fois les annonces lancées, avec des lots plus grands et des limites plus élevées.

Passer Pro — dès 6 $