Reconnaissance vocale dans votre navigateur
Cet outil convertit un MP3 en texte grâce à Whisper, un modèle ouvert de reconnaissance vocale. La plupart des services de transcription en ligne envoient votre audio vers un serveur. Ici, le modèle est téléchargé une seule fois dans votre navigateur, puis il s'exécute sur votre ordinateur ou votre téléphone. Votre enregistrement ne quitte jamais votre appareil, ce qui compte pour les interviews, les notes médicales ou juridiques, les réunions et les messages vocaux personnels. Après le premier téléchargement, le modèle est conservé par le navigateur et se charge plus vite la fois suivante.
Langues et précision
Ici, Whisper fonctionne avec 23 langues, dont l'anglais, l'espagnol, le français, l'allemand, l'italien, le portugais, le russe, le chinois, le japonais, le coréen, le turc et le polonais. La précision est meilleure avec une voix claire et peu de bruit de fond. Elle diminue dans les cas suivants :
- plusieurs personnes parlent en même temps ;
- musique ou bruit de fond importants ;
- voix très faibles ou éloignées ;
- noms peu courants et termes techniques ;
- mélange de plusieurs langues dans une même phrase.
Choisir la langue vous-même plutôt que la détection automatique donne généralement de meilleurs résultats, surtout pour les enregistrements courts.
Formats de sortie
| Format | Contenu | Utilisation |
|---|---|---|
| TXT | texte brut | notes, documents, citations |
| SRT | sous-titres numérotés avec heures de début et de fin | logiciels de montage vidéo, YouTube, la plupart des lecteurs |
| VTT | sous-titres web avec horodatage | lecteurs vidéo HTML5, pages web |
Vitesse et longs enregistrements
La transcription demande beaucoup de ressources à un ordinateur. Sur un ordinateur portable récent, un enregistrement d'une heure peut prendre de quelques minutes à plus que sa durée réelle, selon le processeur, la taille du modèle et le navigateur. Les téléphones sont plus lents. Gardez l'onglet ouvert pendant le traitement. Pour les fichiers très longs, vous pouvez aussi découper l'enregistrement en plusieurs parties avec Découper un audio et les transcrire une par une.
Conseils pour une meilleure transcription
Le modèle écoute par fenêtres courtes d'environ 30 secondes et écrit ce qu'il entend avec les heures de début et de fin. Il ajoute lui-même la ponctuation et les majuscules, mais il ne sait pas qui parle : dans une interview, vous devrez donc indiquer vous-même les interlocuteurs. Les longs silences et la musique sans voix sont ignorés ou laissés vides. Si l'enregistrement commence par de la musique, les premières lignes de texte peuvent apparaître plus tard que prévu ; c'est normal.
- Nettoyez les enregistrements bruyants avec Réduction de bruit avant de les transcrire.
- Si la voix est faible, augmentez d'abord le niveau avec Normaliser.
- Pour les sous-titres, vérifiez la synchronisation dans votre lecteur vidéo. Si un sous-titre est trop long à lire, scindez-le dans un éditeur de texte ; les fichiers SRT et VTT sont des fichiers texte brut.
- Relisez toujours la transcription une fois. Corrigez les noms, les chiffres et les mots que le modèle a pu mal entendre.
Les fichiers vidéo fonctionnent aussi : déposez un MP4 et l'outil transcrit sa bande son, ce qui permet de créer rapidement des sous-titres pour vos propres vidéos.