De l’audio au texte en quelques clics
Choisissez un enregistrement et appuyez sur Transcrire : un modèle d’IA de reconnaissance vocale l’écoute sur votre appareil et écrit ce qui est dit. Copiez le texte directement depuis la page ou téléchargez-le en fichier texte, ou en sous-titres horodatés si besoin.
Il accepte les fichiers MP3, WAV, M4A, FLAC, Ogg et Opus, les messages vocaux des téléphones et messageries, et le son des fichiers vidéo. La langue est détectée automatiquement ; si un enregistrement commence par de la musique ou du silence, choisissez la langue vous-même pour un meilleur départ.
Bon à savoir
La précision est maximale avec une parole claire, une personne à la fois, près du micro. Interviews et réunions fonctionnent bien ; les lieux bruyants, la musique et les personnes qui parlent en même temps augmentent les erreurs : relisez le texte avant de le publier.
Confidentiel par conception
La plupart des services de transcription envoient votre audio sur un serveur et facturent à la minute. Ici, le modèle tourne dans votre navigateur : interviews, notes médicales et messages privés restent sur votre appareil. La première fois, le modèle (environ 136 Mo) est téléchargé et conservé par le navigateur. Enregistrements jusqu’à 90 minutes.
Comment ça marche
Le son est converti en 16 000 échantillons par seconde et découpé en fenêtres de 30 secondes. Chaque fenêtre devient un spectrogramme (l’intensité de chaque hauteur au fil du temps) que lit le modèle Whisper base, un réseau de reconnaissance vocale open source d’OpenAI (licence MIT), pour écrire les mots avec leurs horodatages. Les fenêtres se chevauchent là où une phrase est coupée, pour ne perdre aucun mot.
Questions fréquentes
Mon enregistrement est-il envoyé ?
Non. La reconnaissance vocale tourne dans votre navigateur, sur cet appareil ; le fichier ne le quitte jamais.
Quelles langues fonctionnent ?
Une centaine, dont le français, l’anglais, l’espagnol, l’allemand et le portugais. La langue est détectée automatiquement, ou vous la choisissez.
Quelle durée maximale ?
Jusqu’à 90 minutes par fichier. Un ordinateur portable transcrit environ six minutes d’audio par minute ; la première fois s’ajoute le téléchargement du modèle (environ 136 Mo).
Quelle précision ?
Très bonne pour une parole claire, une personne à la fois. Bruit de fond, musique, accents marqués et paroles qui se chevauchent la font baisser : relisez le texte avant de l’utiliser.
Puis-je obtenir des sous-titres plutôt que du texte ?
Oui. Choisissez SRT ou VTT dans Télécharger en.
Peut-on aller plus vite ?
Oui, avec un compte gratuit : choisissez Rapide, dans le cloud. Whisper large-v3-turbo transcrit une heure d’audio en quelques minutes pour environ 0,5 crédit par minute (les comptes gratuits reçoivent 50 crédits par mois). L’audio est envoyé par morceaux de deux minutes et n’est pas conservé. Sur cet appareil, cela reste gratuit et privé.
Sources
- OpenAI Whisper — robust speech recognition via large-scale weak supervision (MIT)
- Radford et al. (2022) — Robust Speech Recognition via Large-Scale Weak Supervision
- ONNX Runtime Web — run ONNX models in the browser (WebGPU and WebAssembly)
- Mediabunny documentation — Converting media files
- W3C — WebVTT: The Web Video Text Tracks Format
- Wikipedia — SubRip
Vérifié le 19 oct. 2026 · vecteurs de test fixtures/tools/audio/transcribe-audio/