Transforme un enregistrement parlé en texte écrit, dans le navigateur par reconnaissance vocale IA (Whisper), sans aucun envoi.
Traitement en local sur votre appareil ...
Traitement en local sur votre appareil ...
0%
Vos fichiers n’ont jamais quitté votre appareil
Non. Tout s’exécute dans votre navigateur - votre fichier ne quitte jamais votre appareil. Comment le vérifier
Une interview, l'enregistrement d'un cours, un mémo vocal avec une idée en déplacement : cet outil écoute l'enregistrement et le retranscrit en texte consultable et copiable. Le modèle de reconnaissance est Whisper d'OpenAI, ici sous forme d'un WebAssembly mono-thread spécialement compilé - la même technologie de base que celle utilisée par les services de transcription connus, à ceci près qu'elle s'exécute entièrement sur ton appareil plutôt que sur un serveur externe.
Par défaut, Whisper détecte lui-même la langue parlée ("Détection automatique") - pour les enregistrements courts ou multilingues, la langue peut aussi être fixée, ce qui peut légèrement améliorer la précision et la vitesse. Le résultat apparaît sous forme de texte continu avec un paragraphe par segment de parole ; pour les vidéos qui ont besoin d'horodatages intégrés, il existe l'outil jumeau "Vidéo vers sous-titres", qui utilise la même reconnaissance mais produit un fichier SRT/VTT avec des repères temporels exacts.
Comme le traitement se fait sans mémoire partagée (pas d'isolation cross-origin), la reconnaissance s'exécute en mono-thread plutôt qu'en multi-thread - correct, mais sensiblement plus lent qu'un service côté serveur. C'est pourquoi une limite de durée bien plus stricte s'applique ici que pour les autres outils audio de cette page ; mieux vaut être honnêtement lent que promettre une fausse vitesse.
| Formats d'entrée | MP3, WAV, M4A, AAC, OGG, OPUS, FLAC |
|---|---|
| Conversion automatique | MP4 |
| Format de sortie | TXT |
| Traitement par lots | Non |
| Traitement | En local dans le navigateur (WebAssembly) |
| Téléversement de fichiers | Aucun |
Limites: S'exécute en mono-thread (pas de mode d'isolation cross-origin sur cette page) et est donc sensiblement plus lent que les services côté serveur - une limite de durée par appareil bien plus stricte s'applique ici (plus courte que pour les autres outils audio). Le modèle compact de niveau "tiny" est utilisé : bon pour une parole claire, plus faible avec beaucoup de bruit de fond, des dialectes ou du jargon qu'un modèle plus grand. La reconnaissance n'est pas exempte d'erreurs - vérifie le résultat, surtout les noms propres et les chiffres.
Non, la reconnaissance s'exécute entièrement en local, dans le navigateur, via WebAssembly.
Près de 100 langues ; détectées automatiquement ou choisies explicitement.
La reconnaissance vocale demande beaucoup de calcul et s'exécute ici sans multi-threading - correct, mais délibérément plus lent plutôt que de promettre une rapidité fausse.
Oui, l'outil jumeau "Vidéo vers sous-titres" produit du SRT/VTT avec des repères temporels exacts.
Vidéo vers sous-titres · Supprimer le bruit · Image en texte (OCR) · Image de forme d'onde · Enregistrer l'audio · Échanger les canaux