Vidéo vers Sous-titres
Des paroles aux sous-titres synchronisés
Transcrivez les paroles d’une vidéo en sous-titres SRT ou VTT, corrigez les phrases et leur synchronisation, puis téléchargez les fichiers ou incrustez le texte dans une nouvelle vidéo MP4. La traduction est facultative ; elle porte sur le texte transcrit.
Coût: Gratuit dans la limite du quota disponible. Des limites d’utilisation s’appliquent ; consultez le guide ci-dessous.
Générer des sous-titres depuis une vidéo
Importer une vidéo avec des paroles
Déposez un fichier MP4, M4V, MOV, MKV, WebM, AVI, MPEG ou OGV de 200 Mo maximum, ou retrouvez-le dans Téléversements. Une piste audio avec une voix intelligible est nécessaire. Pour ne transcrire qu’un passage, préparez-le avec Couper une vidéo.
Choisir le modèle et la langue
Whisper 1 · word timing est présélectionné. Sous Langue de la vidéo, Auto-detect détecte la langue parlée. La préciser peut aider pour un extrait court ou un accent prononcé.
Définir la traduction et l’export
Choisissez une langue cible dans Traduire les sous-titres en, si nécessaire. Fichiers de sous-titres propose SRT + VTT, SRT et VTT.
Lancer la transcription
Cliquez sur Générer des sous-titres. Le modèle traite la piste audio ; les séquences horodatées apparaissent dans Sous-titres générés lorsque le travail est terminé.
Relire en regardant la vidéo
Cliquez sur le numéro d’une séquence pour rejoindre son début, puis sur Lire. Vérifiez les paroles, les noms propres et l’accord entre le texte superposé et la voix.
Enregistrer la version corrigée
Télécharger SRT et Télécharger VTT enregistrent
subtitles.srtetsubtitles.vtt. Copier le texte copie la transcription sans horaires. Incruster dans la vidéo produit un MP4 avec vos corrections et le Style d’incrustation choisi.
Modèle, langues et présentation
- Modèle IA
- Whisper 1 · word timing, par défaut, fournit des horaires par mot. Gemini 3.5 Flash Lite · cue timing et Gemini 3.6 Flash · cue timing renvoient des phrases horodatées. Lorsqu’une phrase Gemini est divisée, la durée des morceaux est estimée selon leur nombre de mots.
- Langue de la vidéo
- Auto-detect est le réglage initial. Les choix restent affichés en anglais : English, Spanish, French, German, Italian, Portuguese, Russian, Japanese, Chinese, Arabic. Ce réglage indique la langue de la voix ; il ne traduit rien. Pour une autre langue parlée, gardez la détection automatique.
- Traduire les sous-titres en
- No translation, par défaut, conserve la langue originale. Les 15 langues cibles comprennent les dix précédentes, puis Hindi, Korean, Dutch, Polish, Turkish. Les textes traduits gardent leurs horaires ; au-delà de 10 mots ou 84 caractères, ils sont divisés proportionnellement au nombre de mots. Une cible identique à la langue détectée n’entraîne aucune traduction. Revérifiez la vitesse de lecture après traduction.
- Fichiers de sous-titres
- SRT + VTT, par défaut, enregistre les deux formats. SRT ou VTT ne conserve que celui choisi. Ce choix détermine également les boutons de téléchargement disponibles.
- Style d’incrustation
- S’applique à l’export vidéo. Par défaut donne du texte blanc ; Texte gras, du blanc gras ; Grand texte, une taille augmentée de 10 % ; Texte jaune, du jaune gras.
- Taille de police
- Petit, Par défaut présélectionné, Grand et XL sont des tailles relatives à la résolution de la vidéo. Les valeurs en pixels figurent plus bas.
Corriger le texte et les horaires
Dans Timeline editor, les statuts Timing QA passed, Timing valid avec avertissements et Timing needs attention indiquent l’état des horaires. Les compteurs montrent les séquences, chevauchements, durée maximale, caractères par seconde et images par seconde.
- Start et End
- Début et fin s’expriment en secondes à trois décimales, comme
12.500; la virgule est aussi acceptée. Validez avec Entrée ou en quittant le champ ; Échap annule la saisie. Les horaires s’alignent sur les images et restent dans la durée du film : environ 0,033 s par image à 30 fps. - Subtitle text
- Corrigez les mots ; Entrée ajoute une ligne. Au-delà de 25 caractères par seconde, une alerte signale une lecture rapide. Cet avertissement seul ne bloque pas l’export.
- Add cue et suppression
- Add cue insère une séquence vide de 2 s maximum à la position actuelle de l’aperçu. Placez-vous avec Lire, Pause ou un numéro de séquence. Ajoutez du texte et évitez les chevauchements ; la corbeille supprime une séquence.
- Vérifications avant export
- Téléchargement et incrustation restent désactivés si une séquence chevauche la précédente, est vide, se termine avant ou à son début, ou dépasse 7 s. La liste d’alertes précise les corrections nécessaires.
- Conserver les corrections
- Les modifications restent dans cet onglet. Les fichiers du gestionnaire de fichiers partagé sont l’export original, sans ces corrections. Téléchargez votre version avant de quitter la page, changer de vidéo, cliquer sur Réinitialiser ou relancer la génération.
Comment les séquences sont construites
La première piste audio est extraite en FLAC mono à 16 kHz, sans métadonnées. Le fichier doit contenir une véritable piste vidéo et une piste audio : un fichier uniquement sonore ne convient pas ici.
Les séquences sont limitées à 10 mots, 84 caractères et 7 s. Avec Whisper, une pause de plus de 0,65 s ouvre aussi une nouvelle séquence ; une fin de phrase la termine dès qu’elle contient au moins trois mots. Lorsque l’espace avant la suivante le permet, sa durée est prolongée pour atteindre au moins 0,7 s et une vitesse de lecture de 25 caractères par seconde ou moins.
Les débuts et fins sont ensuite alignés sur les images du film. Si sa cadence ne peut pas être lue, l’alignement utilise 30 fps.
Le MP4 avec sous-titres incrustés
L’incrustation dessine définitivement le texte dans l’image : police sans empattement, contour fin et boîte noire à 65 % d’opacité. Il est centré en bas, avec une marge verticale de 8 % ; les lignes occupent les 84 % centraux de la largeur.
À 1920×1080 ou 1080×1920, Petit, Par défaut, Grand et XL correspondent à environ 34, 43, 54 et 64 px ; à 1280×720, à 23, 29, 36 et 43 px. L’aperçu montre le style et la taille proportionnellement à la vidéo.
La sortie est un MP4 H.264 à CRF 20, en 8 bits, avec audio AAC à 192 kbps. La première piste vidéo et toutes les pistes audio sont conservées ; les anciennes pistes de sous-titres sont retirées. Le réencodage peut donner un fichier plus volumineux. Le texte corrigé envoyé pour incrustation est limité à 1 Mo.
Formats, traitement et conservation
- Entrée
- MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG, OGV avec une piste audio
- Sortie
- SRT et/ou VTT en UTF-8 ; MP4 H.264/AAC facultatif avec texte incrusté
- Taille maximale
- 200 Mo par vidéo
- Fichiers par traitement
- Une vidéo
- Traitement
- Sur nos serveurs : jusqu’à 60 minutes pour la transcription, 15 minutes pour l’incrustation
- Services IA externes
- Whisper : audio envoyé à OpenAI via OpenRouter. Gemini : audio envoyé directement à Google. Traduction : texte des séquences envoyé à Google
- Filigrane
- Aucun
- Conservation
- Téléversements et résultats supprimés après 48 heures pour les visiteurs et 30 jours pour les comptes gratuits. Les offres payantes peuvent les conserver davantage
Questions fréquentes
L’outil extrait-il les sous-titres déjà présents ?
Il transcrit la voix. Il ne récupère pas les pistes de sous-titres d’un MKV ou MP4 et ne lit pas le texte dans l’image. Incruster dans la vidéo écarte aussi les anciennes pistes de sous-titres du nouveau MP4.
Quelles données sont envoyées au service IA ?
Uniquement la première piste audio, en FLAC mono à 16 kHz : vers Whisper via OpenRouter, ou directement vers Google avec Gemini. Pour traduire, le texte part aussi vers Google. Les images ne sont pas envoyées ; le FLAC temporaire est supprimé après la requête.
Pourquoi la génération a-t-elle échoué ?
Vérifiez la présence d’une piste audio et de paroles intelligibles, le type vidéo du fichier et votre limite d’utilisation. Si une traduction ne renvoie pas toutes les lignes, relancez avec les mêmes réglages. Pour améliorer une transcription, précisez Langue de la vidéo ou changez de modèle.
Quel format choisir, SRT ou VTT ?
Choisissez SRT si votre lecteur, logiciel de montage ou formulaire l’accepte. VTT sert notamment aux pistes HTML5 <track> des lecteurs web. Certains lecteurs chargent un fichier voisin portant le même nom de base : film.mp4 et film.srt. Vérifiez cette fonction dans le lecteur utilisé.
Fichier séparé ou texte incrusté ?
Un fichier séparé permet de corriger le texte et, dans un lecteur adapté, de masquer les sous-titres. Incrustez-les s’ils doivent rester visibles ou si le lecteur n’accepte pas de fichier annexe. Pour choisir couleurs, position et mots par ligne, utilisez Sous-titres automatiques.