Un enregistrement reste illisible tant qu'il n'est pas une transcription, et la plupart des services de transcription veulent qu'on téléverse l'audio pour y arriver. Ici la reconnaissance se fait sur votre appareil. L'audio est décodé et rééchantillonné, un modèle vocal tourne dans un processus d'arrière-plan, et les fragments qu'il produit — un toutes les quelques secondes — sont réunis en paragraphes aux fins de phrase plutôt que laissés en mur de lignes isolées. L'horodatage peut ouvrir chaque paragraphe, et le résultat sort en PDF, en texte brut ou en SRT et VTT.
Fonctionnalités
La reconnaissance tourne sur votre appareil — l'enregistrement n'est jamais téléversé
Trois tailles de modèle, du rapide en anglais seul au multilingue plus lent
Fragments réunis en paragraphes aux fins de phrase, pas une ligne chacun
Horodatage en tête de paragraphe, passant aux heures si nécessaire
Export en PDF, texte brut, SRT ou VTT
Format de page, marges et police à votre main
Fonctionne aussi sur la piste audio d'une vidéo
Comment utiliser Audio vers PDF
Déposez un fichier audio ou vidéo
Choisissez un modèle et, s'il est multilingue, la langue parlée
Attendez la transcription — à peu près en temps réel sur la plupart des machines
Ajoutez un titre, puis exportez le PDF ou les sous-titres
Exemple
Entrée
board-call.m4a — 34 minutes, base multilingual model
Sortie
412 paragraphs, 6,140 words, exported as board-call.pdf and board-call.srt
L'horodatage passe automatiquement aux heures dès qu'un enregistrement dépasse soixante minutes.
Erreurs courantes et dépannage
Le navigateur n'a pas pu décoder l'audio. — Essayez MP3, WAV, M4A ou OGG. Certains conteneurs et codecs ne se décodent pas du tout dans un navigateur ; convertissez le fichier au préalable.
Les noms et les termes techniques sont faux. — C'est là que la reconnaissance est la plus faible, et aucun modèle n'y remédie tout à fait. Un modèle plus grand aide ; relire la transcription en écoutant reste nécessaire.
La mémoire a manqué sur un long enregistrement. — Découpez le fichier en morceaux plus courts, ou choisissez un modèle plus petit. Deux heures avec le petit modèle dépasse la plupart des navigateurs.
La langue détectée est fausse. — Indiquez-la explicitement au lieu de laisser la détection. Le modèle anglais seul suppose toujours l'anglais, quoi qu'il entende.
Foire aux questions
Quelle est la fidélité de la transcription ?
Bonne sur un audio clair à une seule voix, nettement moins bonne avec des voix qui se chevauchent, des accents marqués, du bruit de fond et des noms peu courants. Traitez-la comme un brouillon à corriger.
L'enregistrement est-il téléversé ?
Non. Il est décodé et reconnu dans un processus sur votre appareil. Les poids du modèle sont téléchargés une fois depuis un hébergeur public et mis en cache par le navigateur.
Combien de temps prend la transcription ?
À peu près le temps réel sur un portable courant avec le petit modèle : une demi-heure d'enregistrement demande environ une demi-heure. Les modèles plus grands sont plus lents et plus fidèles.
Quel modèle choisir ?
Celui en anglais seul pour de l'anglais clair, car il est le plus petit et le plus fidèle dans ce cas. Le modèle multilingue de base pour d'autres langues ou des accents marqués, et le petit quand la fidélité prime sur le temps.
Puis-je obtenir des sous-titres plutôt qu'un document ?
Oui — SRT et VTT sont tous deux exportés, avec les temps issus de la reconnaissance : ils se posent directement sur une vidéo.