Comment transcrire un audio en texte
Réponse rapide : Pour transcrire un audio en texte, ajoutez votre audio, choisissez un modèle, choisissez la langue, appuyez sur Transcrire, puis corrigez et téléchargez le texte.
- Ajoutez votre audio. Déposez un fichier audio ou vidéo (jusqu'à 60 minutes), ou enregistrez directement avec votre micro.
- Choisissez un modèle. Rapide suffit pour une voix claire ; Meilleur est le bon compromis pour la plupart des gens ; Maximum est pour les enregistrements difficiles si un gros téléchargement ne vous gêne pas.
- Choisissez la langue. Laissez sur Détection automatique ou choisissez-la vous-même. Cochez Traduire en anglais si vous voulez un texte anglais à partir d'une autre langue.
- Appuyez sur Transcrire. La première fois, le modèle se télécharge ; ensuite, ça démarre tout de suite. Les lignes apparaissent au fur et à mesure que chaque partie est terminée.
- Corrigez et téléchargez. Cliquez sur une ligne pour corriger un mot, puis copiez le texte ou téléchargez-le en TXT, SRT ou VTT.
C'est vraiment privé ?
Oui, et vous pouvez le vérifier. Votre navigateur décode le fichier et le modèle Whisper tourne sur votre propre processeur ou carte graphique, dans un processus en arrière-plan de cette page. La politique de sécurité de la page ne l'autorise à parler qu'à notre propre site et à Hugging Face, où se trouvent les fichiers du modèle, et ces requêtes servent à télécharger le modèle ; rien ne part dans l'autre sens. Une fois le modèle en cache, vous pourriez même couper le Wi-Fi, ça marcherait encore.
Quelle précision, et combien de temps ça prend ?
Whisper est très bon sur une voix claire dans une pièce calme, et moins bon avec de la musique, des gens qui parlent en même temps, un fort accent ou un téléphone posé loin. Les modèles plus gros s'en sortent mieux. La vitesse dépend de votre appareil : avec WebGPU sur un portable récent, une heure d'audio peut prendre quelques minutes ; sur le processeur d'un vieux téléphone, comptez à peu près le temps réel, voire plus, avec le modèle Rapide. Les longs fichiers sont découpés en morceaux de 30 secondes sur les silences, pour ne pas couper les mots en deux.
Questions fréquentes
Mon audio est-il envoyé quelque part ?
Non. L'audio est traité sur votre appareil et ne quitte jamais votre navigateur. Le seul trafic réseau, c'est le téléchargement du modèle vocal depuis Hugging Face la première fois ; ensuite, il vient du cache de votre navigateur.
Quelle est la taille du téléchargement ?
Environ 40 Mo pour le modèle Rapide, 77 Mo pour Meilleur et 250 Mo pour Maximum sur le processeur. Avec une carte graphique, les fichiers sont plus gros (environ 120 à 300 Mo) car elle a besoin de poids plus précis. Chaque modèle ne se télécharge qu'une fois.
Quelles langues sont prises en charge ?
Whisper comprend une centaine de langues. Le sélecteur en propose 36 courantes, dont l'anglais, l'espagnol, le français, l'allemand, l'arabe, l'ourdou, l'hindi, le chinois et le japonais, et la détection automatique fonctionne aussi pour elles. Il peut aussi traduire n'importe laquelle vers l'anglais.
Puis-je faire des sous-titres pour une vidéo ?
Oui. Déposez directement le fichier vidéo, transcrivez-le, corrigez les mots si besoin, puis téléchargez le SRT ou le VTT. La plupart des logiciels de montage, YouTube et VLC acceptent les deux.
Y a-t-il une limite de durée ?
Jusqu'à 60 minutes et 500 Mo par fichier, car tout l'enregistrement doit tenir dans la mémoire du navigateur. Pour des enregistrements plus longs, découpez-les d'abord avec Couper une vidéo.
Pourquoi c'est lent sur mon téléphone ?
Sans WebGPU, le modèle tourne sur le processeur, beaucoup plus lent. Choisissez le modèle Rapide, laissez l'écran allumé et fermez les autres onglets. Sur un portable avec Chrome ou Edge, c'est en général bien plus rapide.
C'est gratuit ?
Oui, gratuit, sans inscription, sans filigrane et sans limite de minutes, parce que c'est votre propre appareil qui fait le travail.