Ma vidéo ou mon audio est-il envoyé ?

Non. Le fichier est décodé et transcrit dans votre navigateur. Seul le modèle vocal open source Whisper est téléchargé depuis Hugging Face la première fois, puis conservé sur votre appareil.

Quelles langues sont prises en charge ?

Whisper reconnaît plus de 90 langues, dont le français, l'anglais, l'allemand, l'espagnol, le japonais et le coréen. Il peut aussi traduire la parole de ces langues en sous-titres anglais.

Combien de temps cela prend-il ?

Cela dépend de votre appareil. Avec un GPU (WebGPU), un fichier de 10 minutes prend en général une à deux minutes ; avec le seul processeur, cela peut prendre plusieurs fois la durée de l'audio. Rapide va plus vite, Précis fait moins d'erreurs.

Quelle différence entre SRT et VTT ?

Ce sont deux fichiers de sous-titres horodatés. Le SRT est le plus largement pris en charge (VLC, Premiere, YouTube). Le VTT est le standard du web pour la vidéo HTML5 et la plupart des lecteurs en ligne.

Extraire des sous-titres d'un MP4 ou MP3 – transcription IA gratuite (SRT, VTT)

Comment créer des sous-titres à partir d'une vidéo

Déposez un fichier audio ou vidéo (MP3, MP4, M4A, WAV, WebM) dans la zone.
Choisissez la langue parlée (par défaut, celle de cette page). Choisissez « Précis » pour un audio difficile.
Cliquez sur Démarrer. La première fois, le modèle vocal est téléchargé une seule fois ; ensuite tout démarre aussitôt.
Vérifiez le texte puis téléchargez le SRT pour les lecteurs vidéo, le VTT pour le web ou le TXT pour une transcription.

Formats de sous-titres comparés

Format	Idéal pour	Exemple de ligne de temps
SRT	Lecteurs et logiciels de montage (VLC, Premiere, envoi sur YouTube)	00:00:01,000 --> 00:00:03,500
VTT	Vidéo web (HTML5 <track>), lecteurs en ligne	00:00:01.000 --> 00:00:03.500
TXT	Transcriptions, notes, articles de blog	—

Questions fréquentes

Q. Ma vidéo ou mon audio est-il envoyé ?: Non. Le fichier est décodé et transcrit dans votre navigateur. Seul le modèle vocal open source Whisper est téléchargé depuis Hugging Face la première fois, puis conservé sur votre appareil.
Q. Quelles langues sont prises en charge ?: Whisper reconnaît plus de 90 langues, dont le français, l'anglais, l'allemand, l'espagnol, le japonais et le coréen. Il peut aussi traduire la parole de ces langues en sous-titres anglais.
Q. Combien de temps cela prend-il ?: Cela dépend de votre appareil. Avec un GPU (WebGPU), un fichier de 10 minutes prend en général une à deux minutes ; avec le seul processeur, cela peut prendre plusieurs fois la durée de l'audio. Rapide va plus vite, Précis fait moins d'erreurs.
Q. Quelle différence entre SRT et VTT ?: Ce sont deux fichiers de sous-titres horodatés. Le SRT est le plus largement pris en charge (VLC, Premiere, YouTube). Le VTT est le standard du web pour la vidéo HTML5 et la plupart des lecteurs en ligne.

Outils similaires

Dernière mise à jour: 14 novembre 2026