Transcription audio

Non. L’audio est décodé et transcrit dans votre navigateur. Seul le modèle vocal lui-même est téléchargé, une fois, depuis Hugging Face ; il reste ensuite dans le cache du navigateur.

Base est un bon compromis (environ 75 Mo). Tiny (environ 40 Mo) est le plus rapide mais fait plus d’erreurs. Small (environ 250 Mo) est nettement plus précis, surtout en français et dans les autres langues que l’anglais, mais il est plus lent et demande plus de mémoire. Sur les appareils compatibles WebGPU, le téléchargement est plus lourd mais la transcription bien plus rapide.

Jusqu’à 30 minutes et 500 Mo par fichier. Les longs enregistrements sont découpés en morceaux d’environ 30 secondes aux moments de silence, puis transcrits l’un après l’autre ; vous suivez la progression et pouvez annuler à tout moment. Sur un appareil lent, un long enregistrement peut prendre plusieurs minutes.

Les meilleurs résultats viennent d’une voix claire avec peu de bruit de fond. Les erreurs touchent surtout les noms propres, les termes techniques et les passages où plusieurs personnes parlent en même temps : relisez le texte avant de l’utiliser. Choisir la langue plutôt que « Détecter automatiquement » et utiliser le modèle Small améliorent la précision.

Choisissez « Sous-titres SRT » ou cliquez sur « Télécharger .srt », puis importez le fichier dans votre logiciel de montage ou votre lecteur ; YouTube, VLC, Premiere, CapCut et la plupart des logiciels l’acceptent. Pour compter les caractères d’une ligne de sous-titre, utilisez Compteur de mots et de caractères.