Transcription audio
Fichier audio ou vidéo en texte et sous-titres : sans compte, sans langue à choisir
Cliquez ou déposez un fichier multimédia iciChoisissez un fichier multimédia (audio ou vidéo : MP3, M4A, WAV, MP4, MOV…)
25 Mo au plus envoyés par fichier : les fichiers plus lourds et les autres formats sont convertis sur votre appareil avant l’envoi
À propos de l’outil Transcription audio
Transcription audio transforme en texte la parole d’un fichier audio ou vidéo enregistré, avec le modèle Whisper d’OpenAI. Choisissez un fichier et la transcription commence aussitôt ; Whisper reconnaît la langue parlée, il n’y a donc rien à régler. Les fichiers FLAC, M4A, MP3, MP4, MPEG, MPGA, OGG, WAV et WEBM de 25 Mo au plus sont envoyés tels quels à notre serveur. Tout autre format (AAC, WMA, AIFF, AMR, OPUS, MOV, MKV, AVI…) et tout fichier plus lourd sont d’abord transformés sur votre appareil en un MP3 de leur son qui tient sous 25 Mo, et seul ce MP3 est envoyé à notre serveur. Un fichier de 4 Mo au plus passe directement par notre serveur ; un fichier plus lourd est d’abord envoyé en plusieurs parties à notre service multimédia. Vous obtenez la transcription en texte non modifiable, et des fichiers TXT, SRT et VTT à télécharger, avec les horodatages de début et de fin. L’outil n’enregistre pas depuis un micro ; pour une dictée en direct, utilisez Audio en texte.
Exemple
Les fichiers SRT et VTT d’un mémo vocal nommé interview.m4a, construits à partir de deux segments horodatés tels que notre serveur les renvoie (texte d’exemple). Les téléchargements portent le nom de votre fichier : interview.txt, interview.srt, interview.vtt, ou interview-transcript.zip avec les trois. Quand un iPhone a nommé le fichier d’un code (81414891159__EE8F0326-….MOV, par exemple), les téléchargements portent plutôt la date et l’heure de la transcription : transcription-2026-10-19-1430.txt, .srt, .vtt et .zip.
Segments horodatés (début et fin en secondes)
{ start: 0, end: 4.2, text: " Merci d’être avec nous aujourd’hui." }
{ start: 4.2, end: 9.86, text: " Commençons par les débuts du projet." }interview.srt et interview.vtt
1 00:00:00,000 --> 00:00:04,200 Merci d’être avec nous aujourd’hui. 2 00:00:04,200 --> 00:00:09,860 Commençons par les débuts du projet. --- WEBVTT 00:00:00.000 --> 00:00:04.200 Merci d’être avec nous aujourd’hui. 00:00:04.200 --> 00:00:09.860 Commençons par les débuts du projet.
Comment transcrire un fichier audio
- 1Cliquez sur la zone d’importation et choisissez un fichier audio ou vidéo, par exemple MP3, M4A, WAV ou MP4.
- 2Patientez pendant que « Transcription… » s’affiche, après « Préparation de l’audio sur votre appareil avant l’envoi » pour un fichier que la page convertit d’abord ; il n’y a aucun bouton à cliquer.
- 3Lisez le texte sous « Transcription » et cliquez sur « Copier » pour le copier.
- 4Cliquez sur « Télécharger » à côté du fichier .txt, .srt ou .vtt, ou sur « Tout télécharger » pour un ZIP des fichiers.
Formats et limites
- Entrée
- Fichiers audio et vidéo : les formats d’OpenAI sous la limite sont envoyés tels quels à Whisper ; les autres formats et les fichiers plus lourds sont envoyés sous la forme d’un MP3 de leur son, créé sur votre appareil
- Formats
- Envoyés tels quels sous la limite de taille : FLAC, M4A, MP3, MP4, MPEG, MPGA, OGG, WAV et WEBM (la liste publiée par OpenAI). Convertis en MP3 sur votre appareil avant l’envoi, comme tout fichier plus lourd : AAC, WMA, AIFF, AMR, OPUS, AC3, CAF, MKA et les autres formats audio que lit le moteur ffmpeg de la page, ainsi que le son des vidéos MOV, MKV, AVI, WMV, FLV, 3GP et MPG, par exemple
- Taille maximale du fichier
- 25 Mo envoyés par fichier (environ 108 minutes de son une fois converti) ; un fichier converti sur votre appareil avant l’envoi peut atteindre 750 Mo sur un ordinateur et 300 Mo sur un téléphone ou une tablette
- Résultat
- Texte, TXT, SRT et VTT (sous-titres quand Whisper renvoie des segments horodatés)
- Langue
- Reconnue par Whisper ; la page n’a aucun réglage de langue
- Noms des intervenants
- Non ajoutés : toutes les voix dans un seul texte continu
- Compte
- Aucun : ni inscription ni adresse e-mail. Choisissez, déposez ou collez un fichier et la transcription commence
- Limites d’utilisation
- Les transcriptions sont limitées par connexion, par heure et par jour, dans un même quota avec les autres outils du site qui font appel à un service payant, sous un budget mensuel du site ; les gros fichiers comptent aussi dans les limites propres au service d’envoi
Usages courants
- Une interview à citer
- Une interview téléphonique enregistrée en mémo vocal M4A devient un texte avec les mots exacts à citer, et le fichier TXT passe directement dans le brouillon d’un article.
- Des sous-titres pour une conférence ou un podcast vidéo
- Choisissez la vidéo de la conférence elle-même : une vidéo MP4, MPEG ou WEBM sous la limite de taille est envoyée telle quelle à notre serveur ; pour toute autre vidéo, ou une vidéo plus lourde, le son est extrait sur votre appareil et seul ce son est envoyé. Importez le fichier SRT dans un logiciel de montage ou ajoutez-le sur YouTube ; corrigez les noms dans le fichier avant de publier.
- Des notes de cours
- Le MP3 d’un cours devient un texte où chercher et annoter ; pour une version courte, collez-en jusqu’à 8 000 caractères dans Résumer un texte.
- Un enregistrement dans une autre langue
- Un enregistrement en espagnol ou en anglais est transcrit en espagnol ou en anglais, puisque Whisper reconnaît la langue ; collez le texte dans Traducteur IA pour en avoir une version française.
Quel outil choisir
- Audio en texte: Audio en texte ajoute un mode micro qui écrit pendant que vous parlez, avec la reconnaissance vocale intégrée à votre navigateur (Firefox n’en a pas) ; son mode fichier envoie un enregistrement au même modèle Whisper que cette page.
- Générateur de sous-titres: Générateur de sous-titres n’écoute rien : vous tapez chaque ligne avec ses horodatages de début et de fin, et obtenez des fichiers SRT et VTT. Il convient pour écrire ou corriger des sous-titres à la main, alors que cette page les écrit à partir de la parole.
- Extraire l’audio d’une vidéo: Cette page prend directement une vidéo et n’en garde le son que pour la transcription. Extraire l’audio d’une vidéo enregistre ce son dans un fichier à conserver, en MP3 ou dans un autre de ses formats.
Où votre audio est traité
La parole n’est pas transcrite dans votre navigateur, mais par l’API Whisper d’OpenAI, en passant par notre serveur. Un fichier FLAC, M4A, MP3, MP4, MPEG, MPGA, OGG, WAV ou WEBM sous la limite est envoyé tel quel à notre serveur. Tout autre fichier, ou un fichier plus lourd, est d’abord converti dans votre navigateur, sur votre appareil, et seul le MP3 de son audio, créé sur place, est envoyé à notre serveur, jamais le fichier d’origine ni ses images. Un fichier envoyé de 4 Mo au plus va de notre serveur à OpenAI ; un fichier plus lourd est d’abord envoyé en plusieurs parties à notre service multimédia hébergé chez Railway, lu à partir de là par notre serveur, puis supprimé de ce service dès que la transcription est terminée, échoue ou est annulée ; si la page est fermée ou si la connexion est perdue avant, il est supprimé au bout de 15 minutes environ. Nous ne conservons ni l’audio ni le texte.
Questions fréquentes
Quelle taille peut faire le fichier audio ?
25 Mo sont envoyés par fichier, le maximum que Whisper d’OpenAI accepte en une requête. Un fichier plus lourd, ou dans un autre format, est d’abord converti sur votre appareil en un MP3 de son audio qui tient sous 25 Mo, et seul ce MP3 est envoyé à notre serveur : des enregistrements d’environ 108 minutes au plus, à partir de fichiers de 750 Mo au plus sur un ordinateur et de 300 Mo sur un téléphone ou une tablette. Découpez un enregistrement plus long en parties et transcrivez-les une par une.
Puis-je créer des sous-titres pour une vidéo ?
Oui : choisissez la vidéo elle-même. Une vidéo MP4, MPEG ou WEBM sous la limite de taille est envoyée telle quelle à notre serveur ; pour toute autre vidéo, ou une vidéo plus lourde, le son est extrait sur votre appareil et seul ce MP3 est envoyé à notre serveur. Chaque ligne des fichiers SRT et WebVTT porte les horodatages de début et de fin d’un des segments de Whisper, prête pour YouTube, VLC ou un logiciel de montage.
Dois-je choisir la langue ?
Non. La page n’envoie aucun réglage de langue, et Whisper reconnaît lui-même la langue parlée. La transcription est écrite dans cette langue et n’est pas traduite ; pour une traduction, collez le texte dans Traducteur IA.
Est-ce gratuit, et faut-il un compte ?
C’est gratuit et cela ne demande ni compte ni adresse e-mail. Chaque connexion dispose d’un nombre fixe de requêtes par heure et par jour, partagé avec les autres outils du site qui font appel à un service payant ; quand l’un est épuisé, la page indique combien de minutes attendre. Tous les visiteurs partagent aussi un budget mensuel : s’il est épuisé, l’outil s’arrête jusqu’au premier jour du mois suivant (UTC) et la page le dit.
Accepte-t-il les fichiers MP3, WAV et M4A ?
Oui. Sous la limite de taille, notre serveur transmet votre enregistrement à Whisper sans le modifier, et quand Whisper ne peut pas lire un fichier, la page affiche « Le service d’IA n’a pas pu lire ce fichier. Veuillez essayer un autre fichier ou un autre format. » Les morceaux de musique chiffrés, téléchargés depuis Apple Music ou QQ Music par exemple, sont arrêtés avant l’envoi, avec une explication.
Quels formats audio et vidéo la page accepte-t-elle ?
Whisper d’OpenAI prend les fichiers FLAC, M4A, MP3, MP4, MPEG, MPGA, OGG, WAV et WEBM : ces fichiers sont envoyés tels quels à notre serveur quand ils sont sous la limite de taille. Tout autre format que lit le moteur ffmpeg de la page est d’abord converti sur votre appareil, et seul le MP3 obtenu est envoyé à notre serveur : AAC, WMA, AIFF, AMR, OPUS, AC3, CAF, MKA, et le son des vidéos MOV, MKV, AVI, WMV, FLV, 3GP et MPG, par exemple. Un fichier que le moteur ne peut pas lire est refusé avant tout envoi.
Comment transcrire un enregistrement qui dépasse la limite ?
Un fichier de plus de 25 Mo est converti sur votre appareil en un MP3 compact avant d’être envoyé à notre serveur : il ne faut donc le couper que s’il dure plus d’environ 108 minutes. Une interview de 40 minutes enregistrée en WAV de qualité CD d’environ 404 Mo est envoyée sous la forme d’un MP3 d’environ 18 Mo (sur un ordinateur ; un téléphone prend des fichiers de 300 Mo au plus). Coupez un enregistrement plus long, un cours de 3 heures par exemple, en deux moitiés de 90 minutes avec Diviser un fichier audio, et transcrivez chacune. Les horodatages des fichiers SRT et VTT de chaque partie commencent à 00:00:00 : avant de réunir les sous-titres, ajoutez 90 minutes à chaque horodatage du second fichier.
La transcription est-elle fiable ?
Nous ne publions aucun pourcentage de précision : cela dépend de l’enregistrement. Une voix claire, près du micro, donne le meilleur résultat ; la musique sous la voix, les personnes qui parlent en même temps, le son d’une ligne téléphonique et les noms rares ou le jargon causent la plupart des erreurs. Sur de longs silences ou de la musique, Whisper peut écrire une ligne deux fois ou écrire des mots que personne n’a dits : vérifiez les sous-titres à ces endroits avant de les publier.
OpenAI conserve-t-il mon audio ?
Nous ne conservons ni l’audio ni le texte. Le fichier envoyé (le vôtre, ou le MP3 de son audio, créé sur votre appareil) va à l’API de transcription d’OpenAI ; la page d’OpenAI sur le contrôle des données indique que ce point d’accès n’est pas utilisé pour l’entraînement et ne fait l’objet d’aucune conservation pour la surveillance des abus (vérifié le 19 octobre 2026).
Puis-je modifier la transcription sur la page ?
Non. La zone de transcription est en lecture seule. Copiez le texte, ou téléchargez le fichier TXT, et corrigez les noms et les termes techniques dans n’importe quel éditeur de texte ou traitement de texte.
Combien de minutes d’audio tiennent sous la limite de taille ?
Pour un fichier envoyé tel quel, cela dépend de l’encodage, pas de la durée : à 25 Mo, un MP3 à 128 kbps contient environ 27 minutes et un MP3 à 64 kbps environ 54 minutes, alors qu’un WAV de qualité CD (16 bits, 44,1 kHz, stéréo) n’en contient qu’environ 2.5. Un fichier plus lourd est converti sur votre appareil avant l’envoi, en MP3 mono à 64 kbps (environ 54 minutes au plus dans 25 Mo), à 48 kbps (environ 72 minutes) ou à 32 kbps (environ 108 minutes) : la vraie limite est donc la durée, environ 108 minutes.
Indique-t-il qui parle ?
Non. Whisper renvoie un texte continu sans nom d’intervenant : une interview à deux voix revient en un seul bloc ; ajoutez les noms vous-même dans le fichier TXT.
Où sont les horodatages ?
Seulement dans les fichiers de sous-titres : chaque ligne SRT ou VTT porte les horodatages de début et de fin d’un segment de Whisper. Le texte de la page et le fichier TXT n’ont pas d’horodatage, et quand Whisper n’envoie aucun segment, seul le fichier TXT est proposé.
Trucs et astuces
- ✓Si un enregistrement dure plus d’environ 108 minutes, découpez-le en parties avec Diviser un fichier audio et transcrivez-les une par une.
- ✓Whisper entend la parole à 16 kHz en mono : un débit élevé ajoute des mégaoctets, pas de la précision. Un MP3 à 128 kbps prend un peu moins de 1 Mo par minute, alors qu’un WAV de qualité CD prend environ 10 Mo.