Transcription Audio

AudioAucun fichier

Retranscrire un enregistrement et exporter son texte

Convertissez la parole d’un fichier audio ou vidéo en texte à relire, copier ou télécharger. Vous pouvez choisir la langue, demander une traduction et ajouter des repères temporels ou des étiquettes d’intervenants. La précision dépend de l’enregistrement ; vérifiez surtout les noms, les chiffres et les termes spécialisés.

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

Comment transcrire un audio en texte

Ajoutez un enregistrement
Cliquez sur Télécharger un fichier audio à transcrire ou déposez le fichier dans l’aperçu. Un fichier audio ou vidéo jusqu’à 200 Mio est traité à la fois. Fichiers ouvre les Téléversements compatibles du gestionnaire partagé, y compris les résultats d’autres outils.
Choisissez le modèle
Dans Modèle d'IA, Gemini 3.5 Flash Lite · fast est sélectionné au départ. Les trois choix sont détaillés plus bas ; Experimental est limité aux extraits de 30 secondes.
Réglez les langues
Gardez Langue audio sur Détection automatique ou choisissez la langue parlée. Dans Traduire en (facultatif), laissez Pas de traduction (langue originale) pour conserver cette langue, ou sélectionnez la langue souhaitée pour le texte.
Ajoutez les repères utiles
Dans Transcript detail, activez Inclure les horodatages, Identifier les différents intervenants ou les deux. Ces options sont désactivées au départ. Elles aident à retrouver un passage ou à distinguer les prises de parole dans un entretien ou une réunion.
Transcrivez puis exportez
Cliquez sur Transcrire l'audio et gardez l’onglet ouvert jusqu’à l’affichage de Texte transcrit. Relisez le résultat, puis utilisez Copier dans le Presse-papiers, Télécharger au format TXT ou DOCX. Le texte affiché est destiné à la lecture ; vous pouvez le modifier après copie ou téléchargement.

Langue, traduction et détails de la transcription

Modèle d'IA: Gemini 3.5 Flash Lite · fast est le choix initial. Gemini 3.6 Flash · advanced est l’autre modèle Gemini proposé. Les deux peuvent suivre les demandes de traduction, d’horodatage et d’identification des intervenants. Experimental utilise GLM-ASR de Z.ai pour la reconnaissance vocale d’extraits courts.
Langue audio: Détection automatique est sélectionné au départ. Les autres options sont Anglais, Espagnol, Français, Allemand, italien, portugais, russe, japonais, Chinois et arabe. Indiquez la langue pour un extrait court, un accent marqué ou un discours riche en noms propres. Si elle n’est pas proposée, gardez la détection automatique.
Traduire en (facultatif): Le choix initial est Pas de traduction (langue originale). La traduction propose les dix langues ci-dessus ainsi que hindi, coréen, Néerlandais, polonais et turc. Le même traitement transcrit et traduit : le résultat contient uniquement la traduction, avec les étiquettes d’intervenants si elles sont demandées. Pour obtenir les deux versions, effectuez deux traitements.
Inclure les horodatages: Désactivé au départ. Cette option ajoute des repères comme [00:01:23], au format heures:minutes:secondes, à intervalles réguliers sur de nouvelles lignes. Le modèle produit ces repères : ils servent à retrouver des passages, sans garantir un minutage exact. Pour des fichiers de sous-titres synchronisés, utilisez Vidéo en sous-titres. Sans horodatages, le texte est réparti en paragraphes.
Identifier les différents intervenants: Désactivé au départ. Le modèle ajoute Speaker 1:, Speaker 2: et ainsi de suite, avec une nouvelle ligne à chaque changement. Avec les horodatages, une ligne peut commencer par [00:04:10] Speaker 2:. Les voix sont distinguées à l’écoute : les canaux stéréo sont d’abord mélangés en mono. Remplacez ensuite les numéros par les noms dans votre éditeur de texte.

Quel modèle choisir pour l’enregistrement ?

Le modèle sélectionné dans Modèle d'IA est utilisé pour votre fichier. Choisissez selon la durée et le type de parole à transcrire.

Gemini 3.5 Flash Lite · fast

Commencez avec ce choix pour une note vocale, un cours ou une personne parlant clairement. Il convient aussi aux enregistrements longs. La qualité de la prise de son reste déterminante.

Gemini 3.6 Flash · advanced

Essayez ce modèle pour un échange avec plusieurs voix qui se chevauchent, des accents marqués ou un vocabulaire technique. Comparez et relisez le texte ; le changement de modèle ne rend pas une parole inaudible certaine.

Experimental : 30 secondes maximum

GLM-ASR de Z.ai est prévu pour les extraits courts. Un fichier de plus de 30 secondes est refusé au lancement. Pour une traduction, des horodatages ou des étiquettes d’intervenants, choisissez un modèle Gemini.

Préparation de l’audio et qualité du texte

FFmpeg prépare le fichier sur nos serveurs : il prend uniquement la première piste audio et la mélange en mono à 16 kHz. Pour les modèles Gemini, la copie utilise le format FLAC. Les images vidéo, les pochettes et les métadonnées du fichier ne font pas partie de cette copie. Seul l’audio préparé est envoyé au service d’IA choisi ; la copie intermédiaire est supprimée de notre serveur après la requête.

Un MP3 ou un M4A peut être plus léger qu’un WAV stéréo. Pourtant, une compression préalable avec perte modifie le signal : elle ne garantit pas une transcription identique. Vérifiez que les consonnes et les mots restent audibles avant de remplacer l’original par un export plus petit.

La limite de 200 Mio concerne le poids du fichier importé. Un WAV stéréo à 44,1 kHz et 16 bits représente environ 10 Mio par minute, soit environ 20 minutes dans cette limite. Un MP3 à 128 kbit/s représente environ 0,92 Mio par minute, soit près de 3 h 40. Ces estimations ne garantissent pas qu’une transcription aussi longue tiendra dans la réponse du modèle.

Formats, limites et conservation

Formats d’entrée: Audio : MP3, WAV, FLAC, M4A, AAC, OGG/OGA, Opus, WebM. Vidéo : MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG, OGV. Le fichier doit contenir une piste audio.
Résultats: Texte affiché, TXT en UTF-8 et document DOCX.
Taille maximale: 200 Mio par fichier, soit 209 715 200 octets.
Durée de l’enregistrement: Experimental : 30 secondes. Gemini : pas de durée fixe, mais le traitement doit finir en 60 minutes et le texte peut atteindre la limite de réponse du modèle.
Fichiers par traitement: Un enregistrement à la fois.
Traitement: Préparation avec FFmpeg sur nos serveurs, puis transcription par le modèle d’IA. Un traitement peut durer jusqu’à 60 minutes.
Services d’IA externes: Gemini : audio préparé envoyé aux modèles Google via l’API Gemini ou OpenRouter. Experimental : audio envoyé à l’API GLM-ASR de Z.ai.
Limites d’utilisation: Des limites quotidiennes s’appliquent. Un message indique lorsque l’une d’elles est atteinte.
Filigrane: Aucun ajout.
Conservation: Suppression automatique des fichiers importés et des résultats après 48 heures pour les visiteurs et après 30 jours pour les comptes gratuits. Les offres payantes peuvent les conserver plus longtemps.

Questions fréquentes

Peut-on obtenir le texte d’une vidéo ?

Oui, avec MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG ou OGV contenant du son. Seule la première piste audio est transcrite. Pour une autre piste de langue, extrayez celle-ci dans un éditeur vidéo avant l’importation. Une vidéo muette ne fournit aucune parole à transcrire.

Mon enregistrement est-il envoyé à un service d’IA ?

Oui. La copie audio mono à 16 kHz est envoyée aux modèles Google Gemini directement ou via OpenRouter ; avec Experimental, elle va à Z.ai. Les images et les métadonnées du fichier ne sont pas envoyées. Le fichier importé et le document DOCX suivent les durées de conservation indiquées plus haut.

Pourquoi la transcription s’arrête-t-elle avant la fin ?

Chaque modèle peut renvoyer une quantité limitée de texte par requête. Si cette limite est atteinte, un avertissement apparaît au-dessus du texte. Découpez l’enregistrement avec Diviser un audio, téléchargez et décompressez le ZIP, puis transcrivez les parties séparément.

Que signifie « Aucun texte n'a pu être transcrit à partir de cet audio » ?

Le modèle n’a renvoyé aucun texte. Cela peut arriver avec du silence, de la musique ou du bruit sans parole claire, ou une voix très faible. Écoutez l’enregistrement pour vérifier la présence de paroles, puis réessayez en choisissant leur langue dans Langue audio.

Comment traiter un fichier de plus de 200 Mio ?

Un export MP3 ou M4A peut alléger un WAV, avec une compression qui peut modifier la reconnaissance. Vérifiez la clarté des paroles dans cet export. Pour une grande vidéo, Compresser une vidéo accepte des fichiers plus lourds : conservez le son, puis sélectionnez le résultat compatible dans Fichiers.

Quelle précision attendre de la transcription ?

Une voix proche du microphone, sans bruit ni réverbération, se transcrit plus facilement. La musique, les appels téléphoniques et les voix superposées augmentent les erreurs. Relisez les noms propres, les chiffres et les termes techniques. Le texte peut omettre des hésitations ou des débuts de phrase ; ce n’est pas un relevé strict de chaque mot prononcé.