Comment ça marche
- Déposez la vidéo. Le son est extrait sur votre ordinateur.
- Créez les sous-titres. La première fois, le modèle de reconnaissance est téléchargé (environ 80 Mo pour Rapide, 250 Mo pour Précise) et mis en cache par votre navigateur — la fois suivante, il démarre immédiatement. La reconnaissance tourne ensuite sur votre processeur ; votre audio ne quitte jamais l’appareil.
- Corrigez. Cliquez sur un horodatage pour y aller, corrigez le texte dans la liste, supprimez des lignes ou décalez tous les sous-titres s’ils arrivent trop tôt ou trop tard.
- Enregistrez. Téléchargez un fichier .srt ou .vtt, ou enregistrez la vidéo avec les sous-titres incrustés dans l’image.
Incrustés ou en fichier séparé ?
- Incrustés dans l’image — ils font partie de l’image et sont visibles partout : Instagram, TikTok, LinkedIn, WhatsApp, n’importe quelle TV. La plupart des vidéos sur les réseaux sociaux sont regardées sans le son : c’est donc le choix habituel pour les réseaux. La vidéo est réencodée.
- Fichier .srt séparé (sous-titres activables et désactivables) — le spectateur peut les activer ou les désactiver. Nommez-le comme la vidéo (
vacances.mp4+vacances.srt) et VLC, Plex, Kodi et la plupart des TV connectées le reprennent automatiquement. YouTube et Vimeo acceptent aussi l’import de SRT et de VTT.
Quelle précision ?
Pour une parole claire dans une pièce calme, Whisper reconnaît la plupart des mots ; ce sont les noms, les marques et les termes techniques que vous corrigerez. La musique de fond, plusieurs personnes qui parlent en même temps et les accents marqués réduisent la précision. « Précise » utilise un modèle plus grand et fait nettement moins d’erreurs, à environ un tiers de la vitesse.
Combien de temps ça prend ?
Sur un portable récent typique, le modèle Rapide traite la parole environ 3 à 4 fois plus vite que le temps réel — une vidéo de 10 minutes en 3 minutes environ. Précise tourne à peu près en temps réel. Les ordinateurs anciens ou peu puissants sont plus lents ; vous pouvez continuer à utiliser d’autres onglets pendant le traitement.
Langues et traduction
Whisper reconnaît une centaine de langues et détecte la langue tout seul. Il peut aussi traduire la parole en sous-titres anglais : choisissez « anglais (traduction) » — pratique pour partager avec un public anglophone une vidéo enregistrée dans une autre langue.
Confidentiel par conception
La plupart des générateurs de sous-titres envoient votre vidéo sur leurs serveurs et facturent à la minute. Ici, le modèle tourne en local dans votre navigateur : pas d’envoi, pas de limite de durée, pas d’abonnement — utile pour les interviews, les réunions internes et tout ce qui est confidentiel.
Questions fréquentes
C’est gratuit ?
Oui, sans limite de minutes, sans filigrane et sans inscription.
Ma vidéo est-elle envoyée en ligne ?
Non. Seul le modèle de reconnaissance est téléchargé une fois depuis Hugging Face ; votre vidéo et votre audio restent sur votre ordinateur.
Quelle différence entre SRT et VTT ?
Ce sont deux fichiers de sous-titres en texte brut. Le SRT est pris en charge par presque tous les lecteurs et TV ; le VTT est le standard web utilisé par les lecteurs HTML5. Téléchargez celui que demande votre plateforme.
Puis-je ajouter mon propre fichier SRT et l’incruster ?
Oui — utilisez « Importer un SRT/VTT », vérifiez le minutage et enregistrez la vidéo avec les sous-titres incrustés.
Pourquoi la première utilisation est-elle lente ?
Le modèle de reconnaissance doit être téléchargé une fois (80–250 Mo). Ensuite, il est mis en cache par votre navigateur.
Dernière mise à jour : 30/10/2026