Convertisseur audio en texte

De l'audio en texte qui sait qui a dit quoi

Une transcription brute n'est utile qu'à moitié. Si vous avez interviewé quelqu'un pour un article, vous devez savoir quelles phrases sont les siennes. Si vous montez un podcast, il vous faut des horodatages pour retrouver le bon moment. Si l'enregistrement part sur YouTube, il vous faut des sous-titres synchronisés. Ce convertisseur audio en texte fournit les trois à partir d'un seul envoi : les mots, l'heure de début de chaque ligne et une étiquette d'intervenant qui distingue l'animateur de l'invité.

En coulisses, l'enregistrement est d'abord converti dans votre navigateur en audio de qualité voix — mono, 16 kHz —, ce qui suffit largement à un système de reconnaissance vocale et ne pèse qu'une fraction de l'original. Une vidéo d'une heure peut tomber à quelques dizaines de mégaoctets avant que quoi que ce soit ne quitte votre ordinateur, et la piste vidéo n'est jamais envoyée. Les enregistrements de plus de huit minutes environ sont découpés sur des silences plutôt qu'au milieu d'un mot, transcrits morceau par morceau puis réassemblés avec des horodatages corrects.

MP3 en texte, vidéo en texte, mémos vocaux en notes

Tous les formats que votre navigateur sait lire sont acceptés : MP3, M4A des mémos vocaux d'iPhone, WAV, AAC, OGG et FLAC pour l'audio ; MP4, MOV et WEBM pour la vidéo. Cela couvre la plupart des enregistreurs de réunion, des applis de dictée, des téléchargements Zoom et Teams, des rushes de caméra et des captures d'écran. Passer un MP3 en texte coûte le même prix que n'importe quel autre format — un crédit par tranche de cinq minutes d'audio : une interview de 30 minutes coûte six crédits et un mémo vocal de trois minutes, un seul.

Identification des intervenants et ses limites

Le moteur repère les changements de voix et étiquette chaque segment S1, S2, etc. Renommez-les dans votre éditeur une fois que vous savez qui est qui. La diarisation fonctionne mieux quand les gens parlent chacun leur tour ; si les voix se chevauchent beaucoup, deux intervenants peuvent être fusionnés sous une même étiquette. Pour les fichiers découpés en morceaux, les étiquettes restent séparées par morceau (S1, S1·2), afin qu'un intervenant ne soit jamais mal étiqueté sans le signaler d'un morceau à l'autre — un rechercher-remplacer suffit pour tout harmoniser.

Des sous-titres à partir du même envoi

Chaque conversion d'audio en texte produit aussi un fichier SRT et un fichier VTT. Les phrases longues sont découpées en sous-titres lisibles et chaque ligne est calée sur la parole : les fichiers se chargent directement dans YouTube Studio, Premiere Pro, DaVinci Resolve, CapCut ou une plateforme de formation. Si vous n'avez besoin que de sous-titres pour un court extrait, c'est aussi le moyen le plus rapide d'obtenir un résultat fiable, puisque vous pouvez relire la transcription avant de publier.

Vous cherchez les paroles d'une chanson plutôt qu'un discours ? Le transcripteur de paroles est conçu pour le chant et exporte des fichiers LRC synchronisés. Pour transformer une transcription en nouvelle voix off dans une autre voix ou une autre langue, utilisez le générateur de voix IA ou le doublage IA.

Obtenir une transcription plus propre

• Enregistrez avec le micro près de la personne qui parle ; la distance nuit plus à la précision qu'une musique de fond.
• Choisissez la langue à la main pour les extraits courts, les accents marqués ou les nombreux termes techniques.
• Évitez que les gens parlent en même temps si vous avez besoin d'étiquettes d'intervenants fiables.
• Pour les appels téléphoniques, enregistrez chaque côté sur une piste séparée si votre appli le permet, puis transcrivez chacune.
• Coupez les longs silences et les intros musicales avant l'envoi pour économiser des crédits.
• Relisez noms et chiffres avant de publier : ce sont les erreurs les plus fréquentes de tout outil audio en texte.

Limites, confidentialité et remboursements

Durée et taille

Jusqu'à 30 minutes par fichier. Les très longs fichiers peuvent demander plus de mémoire au navigateur ; sur téléphone, mieux vaut découper les fichiers de plus de 20 minutes.

Langues

Dix-huit langues : anglais, espagnol, français, allemand, italien, portugais, japonais, coréen, chinois, arabe, hindi, russe, turc, indonésien, polonais, néerlandais, thaï et vietnamien — ou laissez la détection automatique.

Confidentialité

Seul l'audio compressé est envoyé ; la vidéo reste sur votre appareil. Les transcriptions ne sont visibles que dans votre compte.

Tâches échouées

Si la transcription échoue, les crédits sont rendus automatiquement, et une tâche interrompue reprend quand vous revenez sur la page.