Générateur de sous-titres — outil gratuit

Exemple détaillé

Déposez une interview.mp4 de 4:30. La pastille du fichier affiche le nom, sa taille et 4:30, et un petit lecteur apparaît. Sur la page en français, « Langue parlée » démarre sur Français, « Sous-titres en » sur « Langue d’origine » et « Longueur des sous-titres » sur « Standard (TV) », avec l’indication « Jusqu’à deux lignes de 42 caractères, comme les sous-titres TV et streaming. » Quand le navigateur exécute le modèle Précis sur le processeur, la page indique « Durée 4:30. Sur un ordinateur portable classique, cela prend environ 5:15 ; les téléphones sont plus lents. » Cliquez sur « Générer les sous-titres ». La barre indique « Préparation de l’audio... », puis « Téléchargement du modèle vocal... » (première visite seulement), puis « Transcription... » avec un compte à rebours « environ 2:10 restantes », puis « Construction des sous-titres... ». La liste a pour titre « Sous-titres (58) ». Cliquez sur un temps pour vous y rendre, cliquez sur un texte pour le corriger, puis cliquez sur « Télécharger le SRT ». Le fichier s’appelle interview.srt.

Quels réglages utiliser, et les limites

• Indiquez la langue parlée quand vous la connaissez. Le menu « Langue parlée » démarre sur la langue de la page que vous lisez, si le modèle vocal la connaît ; sur cette page, il démarre donc sur Français. Une vidéo dans une autre langue demande que cette langue soit choisie, ou « Détecter automatiquement ». Indiquer la langue est le choix le plus sûr, car la détection peut mal étiqueter les passages calmes. Si vous réglez « Sous-titres en » sur « Anglais (traduit) » sur la page en anglais, le menu démarre plutôt sur « Détecter automatiquement », car une personne qui traduit vers l’anglais n’écoute probablement pas de l’anglais.
• Adaptez la longueur des sous-titres à l’endroit où la vidéo sera lue. « Longueur des sous-titres » propose « Courte (réseaux sociaux) », « Standard (TV) » et « Longue (phrases complètes) ». Courte affiche une seule ligne courte à la fois, jusqu’à 3 secondes, pour les vidéos verticales sur téléphone. Standard permet jusqu’à deux lignes de 42 caractères. Longue donne une ou deux phrases entières par sous-titre, ce qui convient aux discours et aux conférences. Une fois les sous-titres affichés, le même menu se trouve au-dessus de la liste. Le changer reconstruit la liste à partir de la reconnaissance déjà faite : rien n’est réécouté, mais vos modifications sont remplacées.
• Ouvrez « Plus » pour choisir Précise ou Rapide et pour lister des noms. « Précision » propose « Précise » (le modèle Whisper base) et « Rapide » (le modèle plus petit tiny). Avec le modèle sur le processeur, les téléchargements font 77,1 Mo et 42,7 Mo, et l’estimation par défaut de l’outil pour Rapide est de moitié moins de temps par minute d’audio. Les téléphones démarrent sur Rapide, les autres appareils sur Précise. « Noms ou mots spéciaux » accepte une liste séparée par des virgules comme « Kayla, Nathan, Rotorua ». Après la reconnaissance, un mot entendu de 4 à 6 lettres qui diffère d’une lettre d’un nom listé, ou de 7 lettres ou plus avec deux lettres d’écart, est réécrit pour correspondre. Cela ne peut pas réparer un mauvais nombre de mots : vérifiez donc quand même les noms.
• Choisissez une sortie en anglais, ou traduisez ensuite. « Sous-titres en » propose « Langue d’origine » et « Anglais (traduit) ». Le second fait traduire le modèle vocal en anglais au fil de l’écoute, sans téléchargement supplémentaire, et il fonctionne sur les téléphones. Il convient aux langues très parlées comme l’espagnol, le français, l’allemand, le portugais et l’italien et est plus approximatif pour les autres ; Rapide traduit nettement moins bien que Précise. Le choix est conservé dans l’adresse de la page sous la forme #to=en, et les fichiers traduits sont nommés comme talk.en.srt. Les navigateurs dotés d’un traducteur intégré, comme un Chrome récent sur ordinateur, affichent aussi un menu « Traduire les sous-titres en » et un bouton « Traduire » sous les sous-titres.
• Prévoyez la durée du fichier et votre appareil. Un ordinateur sous-titre jusqu’à 5:00:00 d’un fichier et un téléphone jusqu’à 1:30:00 ; un fichier plus long affiche « Ce fichier dure 6:10:00. Cet appareil peut sous-titrer les 5:00:00 premières ; pour le reste, découpez d’abord le fichier en plusieurs parties. » La première estimation de temps suppose qu’un téléphone est 3,5 fois plus lent qu’un ordinateur, puis l’outil mémorise la vitesse réelle de votre appareil après un traitement plus long. Avant le premier téléchargement, un téléphone affiche « Sur un téléphone, ce sera lent - comptez plusieurs minutes et gardez cet onglet ouvert. ». « Annuler » arrête le traitement et conserve les sous-titres produits jusque-là.
• Modifiez la liste, puis enregistrez en SRT, VTT ou en vidéo incrustée. Cliquez sur le temps d’un sous-titre pour lire à partir de là, cliquez sur son texte pour le modifier, et cliquez sur ✕ pour le supprimer. Une note compte les lignes qui « ressemblaient à des erreurs de reconnaissance » et ont été écartées. « Télécharger le SRT » et « Télécharger le VTT » enregistrent des fichiers texte. « Télécharger la vidéo avec sous-titres » les dessine dans un MP4 H.264 avec audio AAC à 160 kbps, nommé comme interview_captions.mp4 ; « Position », « Taille » et « Encadré derrière le texte » changent l’aspect, et l’aperçu correspond. Les fichiers audio n’ont que SRT et VTT. Le bouton d’incrustation est désactivé pour un fichier de plus d’environ 2 Go, 1 Go sur un ordinateur qui annonce 4 Go de mémoire ou moins, ou 400 Mo sur un téléphone.

Problèmes courants et comment les résoudre

Il indique « Le modèle vocal n’a pas pu être téléchargé. Vérifiez votre connexion et réessayez. » et « Réessayer » échoue aussitôt.

Le téléchargement du modèle a échoué ou s’est arrêté en cours de route. Vérifiez votre connexion et cliquez sur « Réessayer ». Sur une connexion lente ou instable, choisissez « Rapide » sous « Plus », qui est un téléchargement plus petit (42,7 Mo sur le processeur). Un stockage de navigateur plein obtient plutôt son propre message : « Le stockage de votre navigateur est plein, le modèle n’a donc pas pu être enregistré. » L’outil s’arrête avant de télécharger si l’espace libre est inférieur à 1,2 fois la taille du modèle (92,5 Mo pour Précise sur le processeur, 51,2 Mo pour Rapide). Libérez de l’espace sur l’appareil, ou effacez les données enregistrées des sites inutiles dans les paramètres de votre navigateur, puis réessayez, ou choisissez « Rapide », qui demande moins de place.

Il indique « Aucune parole n’a été trouvée dans ce fichier. Si des personnes y parlent, choisissez leur langue et réessayez. »

La reconnaissance s’est terminée sans rien de conservé une fois que l’outil a retiré les lignes qui ressemblaient à des erreurs de reconnaissance, comme des répétitions, du texte sur de la musique ou du silence, et des lignes parasites comme « Merci d’avoir regardé ». Un fichier uniquement musical ou silencieux se termine ainsi. Si quelqu’un parle, la cause habituelle est la langue : le menu démarre sur la langue de la page, pas sur la détection, de sorte qu’une vidéo en espagnol exige que « Espagnol » ou « Détecter automatiquement » soit choisi. Changez-le et cliquez de nouveau sur « Générer les sous-titres ».

Il indique « Le sous-titrage a échoué. Essayez le réglage de précision Rapide, ou un fichier plus court. » ou, en cours de route, « Le sous-titrage s’est arrêté à 12:40 à cause d’une erreur. Les sous-titres produits jusqu’ici sont affichés ci-dessous. »

Quelque chose a échoué après le chargement du modèle, par exemple l’appareil à court de mémoire ou le worker devenu silencieux. Une fenêtre d’audio dispose d’environ 2 minutes pour donner signe de vie (5 minutes pour la première, qui démarre le moteur), et un worker perdu est relancé une fois. Rapide a un pic de mémoire déclaré plus bas, 190 Mo contre 320 Mo pour Précise. Choisissez-le sous « Plus », essayez un fichier plus court ou fermez des onglets. Avec le second message, les sous-titres produits jusque-là sont conservés : vous pouvez donc encore les télécharger.

Il indique « La police vidéo ne peut pas dessiner ces caractères : 日本語. Téléchargez plutôt en SRT ou VTT et laissez le lecteur les afficher. »

L’incrustation utilise trois polices servies par ce site, qui couvrent les textes latin, grec, cyrillique, vietnamien, arabe et hébreu. Les caractères d’autres écritures, comme le japonais ou le devanagari, resteraient vides : le bouton d’incrustation est donc désactivé avant tout travail. « Télécharger le SRT » et « Télécharger le VTT » fonctionnent toujours, et un lecteur multimédia dessine les sous-titres avec ses propres polices. Si les polices elles-mêmes ne se chargent pas, vous voyez « Les polices de sous-titres n’ont pas pu être chargées. Vérifiez votre connexion et réessayez. »

Il indique « Ce fichier n’a pas pu être lu. Essayez d’abord de le convertir en MP4 ou MP3. » ou « Ce fichier n’a pas de piste audio, il n’y a donc rien à sous-titrer. »

L’outil décode le premier passage d’audio avant de demander le modèle : un fichier illisible ne coûte donc aucun téléchargement du modèle. Le premier message signifie que le décodeur n’a pas pu lire l’audio : convertissez le fichier en MP4 ou MP3 et ajoutez-le de nouveau. Le second signifie que le fichier n’a pas de son. Si le décodeur manque de mémoire, vous voyez plutôt « Le navigateur a manqué de mémoire en traitant ce fichier : il est trop volumineux pour cet appareil. Essayez un clip plus court, un fichier plus petit ou un ordinateur de bureau. »

Comment il se compare

Cet outil transforme la parole en sous-titres minutés sur votre appareil avec Whisper (base ou tiny), puis enregistre en SRT, VTT ou en MP4 incrusté. Il a une liste de texte, pas une ligne de temps avec forme d’onde ; « Besoin d’ajuster le minutage ? Ouvrir dans l’Éditeur de sous-titres » y envoie le SRT dans un nouvel onglet. Pour une simple transcription, Audio vers texte convient mieux. Il n’indique pas qui parle, et l’aspect incrusté n’a que la position, la taille et un encadré derrière le texte blanc. Comme il s’exécute dans le navigateur, rien n’est envoyé, mais il est plus lent qu’un serveur : l’estimation par défaut sur un ordinateur est environ la durée de la vidéo pour Précise et la moitié pour Rapide, plus 45 secondes de démarrage. La reconnaissance fait des erreurs : relisez donc les sous-titres avant de les publier.