Sous-titres automatiques

Q: Comment corriger des mots ou horaires inexacts ?

Vérifiez d’abord Langue : elle doit correspondre à la voix. Exportez SRT pour corriger les séquences dans un éditeur de texte ; chacune contient un numéro, une plage horaire et les mots. Les noms rares, accents, musiques et voix superposées demandent particulièrement une relecture.

Choisir et présenter les sous-titres d’une vidéo

Générez des sous-titres automatiques à partir des paroles d’une vidéo. Exportez un fichier SRT ou VTT, ou incrustez le texte dans un MP4 en choisissant sa couleur, son fond, sa taille et sa position. Pour une vidéo en français, choisissez fr dans Langue : le réglage initial est en.

Coût: Gratuit dans la limite du quota disponible. Des limites d’utilisation s’appliquent ; consultez le guide ci-dessous.

Générer des sous-titres automatiquement en cinq étapes

Importer une vidéo sonore
Cliquez sur Téléchargez une vidéo pour ajouter des sous-titres, déposez le fichier sur l’aperçu ou choisissez une vidéo dans Téléversements. MP4, MOV, MKV, WebM, AVI, M4V, MPEG et OGV sont acceptés jusqu’à 200 Mo, avec une piste audio.
Indiquer la langue parlée
Dans Sous-titres, Langue commence sur Auto pour détecter la langue parlée. Vous pouvez aussi choisir fr pour le français ou un autre code disponible. Le texte reste dans la langue parlée ; ce réglage ne le traduit pas.
Choisir le résultat
Sous Sortie, Incruster produit un MP4 avec le texte dessiné dans l’image. SRT et VTT donnent un fichier de sous-titres séparé et ne modifient pas la vidéo.
Régler la présentation
Dans Style, Mots/ligne limite le nombre de mots par séquence pour les trois sorties. Pour l’incrustation, réglez aussi Taille de police, Texte, Arrière-plan, son opacité et Haut, Centre ou Bas. L’exemple superposé permet d’examiner la présentation.
Générer puis vérifier
Cliquez sur Generate captions, le bouton affiché en anglais. Une fois le traitement terminé, relisez le résultat, notamment les noms propres et termes techniques. Le MP4 incrusté se lit dans l’aperçu. Télécharger enregistre le fichier ; le résultat rejoint aussi le gestionnaire partagé.

Incrustation, SRT ou VTT : lequel choisir ?

Les trois sorties utilisent la même transcription. Elles diffèrent par la place du texte et les possibilités de correction ultérieure.

Incruster : le texte fait partie de l’image

Les mots restent visibles lorsque la vidéo est lue, y compris sans son ; aucun bouton de sous-titres ne les masque. Une correction nécessite une nouvelle incrustation depuis la source. Cette sortie réencode toute l’image.

SRT : un fichier texte séparé

Il contient des séquences numérotées et leurs horaires, comme 00:00:04,250 --> 00:00:06,900. Vérifiez que votre lecteur, logiciel de montage ou formulaire accepte SRT. Dans un lecteur compatible, cette piste peut être activée ou désactivée.

VTT : une piste pour lecteur web

WebVTT sert notamment aux sous-titres HTML5 chargés avec l’élément track. Le fichier contient le même texte que SRT, avec un en-tête WEBVTT et des points dans les horaires à la place des virgules.

Comprendre les réglages

Langue et Mots/ligne concernent toutes les sorties. Les autres réglages de présentation s’appliquent uniquement à Incruster.

Langue: Auto est le choix initial pour détecter la langue. Vous pouvez aussi choisir en, de, es, fr, it, pt, ja ou zh : anglais, allemand, espagnol, français, italien, portugais, japonais, chinois. Le code indique au modèle la langue attendue. Gardez Auto si vous hésitez ou si la langue n’a pas de code dans la liste.
Sortie: Incruster est présélectionné. SRT et VTT exportent uniquement le texte horodaté. Le comparatif précédent explique leur usage.
Taille de police: De 10 à 72, avec 20 par défaut. Ce nombre n’est pas une taille en pixels : il exprime une proportion de la hauteur de la vidéo. Un même réglage conserve ainsi ses proportions entre résolutions.
Mots/ligne: De 2 à 16, avec 8 par défaut. Il s’agit du maximum de mots par séquence, qui peut occuper plusieurs lignes. Les phrases longues sont divisées, et leur temps réparti selon le nombre de mots. En japonais et chinois, où les espaces ne séparent pas systématiquement les mots, la longueur dépend davantage du découpage du modèle.
Texte: Couleur des caractères, blanche #ffffff par défaut. Le sélecteur permet une autre couleur, utilisée dans le MP4 incrusté. Choisissez-la en tenant compte des zones claires et sombres du film.
Arrière-plan et Opacité de l’arrière-plan: Couleur de la boîte derrière le texte, noire #000000 par défaut. L’opacité va de 0 à 100 %, avec 70 % au départ : une valeur faible laisse davantage voir l’image. L’export incrusté reprend la couleur et l’opacité choisies.
Haut, Centre, Bas: Place le texte au-dessus, au milieu ou en bas de l’image, toujours centré horizontalement. Bas est présélectionné. Choisissez Haut si le bas contient déjà un nom, un prix ou un autre texte nécessaire à la compréhension.

Dimensionner le texte en paysage et en portrait

La taille se rapporte à la hauteur de l’image. Le défaut 20 représente environ 7 % de cette hauteur : une ligne d’environ 50 px sur 1280×720, 75 px sur 1920×1080, ou 133 px sur une vidéo verticale de 1080×1920.

En portrait, huit mots à cette taille peuvent occuper plusieurs lignes et couvrir une partie importante du bas de l’image. Commencez plutôt avec une taille de 12 à 14 et quatre ou cinq mots par séquence, puis examinez la lisibilité sur votre vidéo.

La ligne d’exemple dans l’aperçu suit les proportions de la vidéo. Vérifiez la taille et les retours à la ligne avant Generate captions, en gardant à l’esprit que la longueur des phrases réelles variera.

De l’audio au texte incrusté

FFmpeg extrait l’audio en WAV mono à 16 kHz, PCM 16 bits. Seul cet audio est envoyé à l’API Gemini de Google pour obtenir les paroles et leurs débuts et fins. Les images restent sur notre serveur. Les fichiers temporaires d’audio et de sous-titres sont supprimés après le traitement.

Les horaires sont estimés par le modèle, sans alignement exact image par image. Les séquences restent dans la durée du film ; les chevauchements sont ajustés et les phrases longues divisées selon Mots/ligne. Une musique forte, des voix simultanées ou des noms inhabituels peuvent produire des erreurs : relisez le texte et vérifiez sa synchronisation.

L’incrustation produit un MP4 H.264 à CRF 22, audio AAC à 192 kbps, avec la résolution et la cadence de la source. Le réencodage peut réduire certains détails. La sortie H.264 est en 8 bits, y compris pour une source HDR 10 bits : comparez couleurs et luminosité, dont le résultat dépend des caractéristiques HDR de l’original.

Formats et limites

Entrée: MP4, MOV, MKV, WebM, AVI, M4V, MPEG/MPG, OGV avec audio
Sortie: MP4 H.264/AAC incrusté, ou fichier texte SRT ou VTT
Noms des fichiers: Pour entretien.mov : entretien_captioned.mp4, entretien.srt ou entretien.vtt
Taille maximale: 200 Mo par vidéo
Fichiers par traitement: Une vidéo
Traitement: FFmpeg sur nos serveurs ; limite de 15 minutes, transcription et incrustation comprises
Reconnaissance vocale: Audio extrait envoyé à l’API Gemini de Google ; images non envoyées
Filigrane: Aucun
Conservation: Téléversements et résultats supprimés après 48 heures pour les visiteurs, 30 jours pour les comptes gratuits. Les offres payantes peuvent conserver les fichiers plus longtemps

Questions sur les sous-titres automatiques

Puis-je générer des sous-titres gratuitement ?

Oui, sans compte et sans crédits ; l’export incrusté ne porte aucun filigrane. Des limites horaires et quotidiennes s’appliquent selon votre connexion et votre offre. Aucun nombre fixe ne s’applique à tous les utilisateurs.

Puis-je traduire les paroles ?

Cet outil transcrit la langue parlée. Vidéo vers sous-titres permet une traduction, la correction du texte et des horaires, l’export SRT/VTT et l’incrustation des séquences corrigées.

Comment corriger des mots ou horaires inexacts ?

Vérifiez d’abord Langue : elle doit correspondre à la voix. Exportez SRT pour corriger les séquences dans un éditeur de texte ; chacune contient un numéro, une plage horaire et les mots. Les noms rares, accents, musiques et voix superposées demandent particulièrement une relecture.

La vidéo entière part-elle vers une IA ?

Seule la piste audio extraite est envoyée à Google Gemini. Les images restent sur notre serveur. L’original et le résultat sont supprimés après 48 heures sans compte ou 30 jours avec un compte gratuit.

Pourquoi la génération échoue-t-elle ?

Une piste audio absente ou sans paroles intelligibles empêche la transcription. Les longues vidéos peuvent aussi dépasser les 15 minutes de traitement autorisées. Isolez le passage nécessaire avec Couper une vidéo, puis relancez.

Pourquoi le MP4 change-t-il de taille ?

Toute la vidéo est réencodée. La taille dépend de son contenu et du nouvel encodage ; elle peut diminuer ou augmenter par rapport à la source. Comparez les fichiers. Compresser une vidéo propose des réglages pour réduire le résultat.