Créez des sous-titres pour une vidéo ou un enregistrement

Une interview, un cours, un appel client, une démo produit : les enregistrements qui ont le plus besoin de sous-titres sont souvent ceux qu’il ne faudrait pas envoyer à un service de transcription. Ici, le modèle vocal tourne dans cet onglet, donc le fichier ne quitte jamais votre ordinateur.

Chargement de l’outil…

Comment ça marche

  1. Déposez la vidéo ou le fichier audio. Laissez la langue en détection automatique, ou choisissez-la si la détection se trompe.
  2. Cliquez sur « Créer les sous-titres ». La première fois, le modèle vocal est téléchargé une seule fois (240 ou 540 Mo selon votre ordinateur) ; ensuite l’enregistrement est transcrit partie par partie.
  3. Corrigez le texte et les temps pendant que la vidéo vous les montre, puis téléchargez le .srt ou le .vtt, ou créez un MP4 avec les sous-titres incrustés.

Pourquoi rien n’est envoyé

Toutes les opérations de cette page sont effectuées par du code qui tourne dans l’onglet de votre navigateur, avec le moteur qui affiche les pages web. Le fichier est lu depuis le disque vers la mémoire de l’onglet, transformé sur place, puis réécrit sous forme de téléchargement. Il n’est jamais envoyé où que ce soit — ni à nous, ni à un tiers.

Vérifiez-le vous-même

  1. Ouvrez les outils de développement de votre navigateur (F12) et choisissez l’onglet « Réseau ».
  2. Chargez votre fichier et lancez l’outil.
  3. Les seules requêtes que vous verrez téléchargent le code de l’outil lui-même — et, pour quelques outils lourds, leur moteur open source (également depuis ce site) ou un modèle d’IA depuis Hugging Face — plus un petit signal de visite vers loreatec.jp (adresse et titre de la page, rien de plus). Aucune ne transporte votre fichier.

La preuve que tout reste chez vous →

Questions fréquentes

Quelle est sa précision ?

Avec une voix claire et une seule personne qui parle à la fois, la plupart des mots sont justes, mais considérez le résultat comme un brouillon. La précision baisse avec une musique de fond, des personnes qui parlent en même temps, des accents marqués, du jargon et de mauvais micros. Vérifiez les noms, les chiffres et les termes techniques, et relisez une fois en regardant la vidéo. Pendant la musique ou le silence, le modèle écrit parfois une phrase que personne n’a dite : supprimez-la. Les temps peuvent être décalés d’une fraction de seconde.

Quel modèle est utilisé, et pourquoi le téléchargement est-il si lourd ?

OpenAI Whisper (licence MIT), dans les versions publiées sur Hugging Face. Si le navigateur propose WebGPU, large-v3 turbo (environ 540 Mo) tourne sur la puce graphique et minute chaque mot. Sinon, Whisper small (environ 240 Mo) tourne sur le processeur : plus lent, moins précis, et minuté par phrase plutôt que par mot. L’un ou l’autre est téléchargé une seule fois et conservé dans le navigateur ; la page d’IA locale de ce site utilise les mêmes fichiers, ils ne sont donc pas téléchargés deux fois.

Mon enregistrement est-il envoyé ?

Non. Le son est décodé, transcrit et transformé en sous-titres dans cet onglet du navigateur. Les seuls téléchargements sont le modèle lui-même et, pour certains formats, le moteur vidéo servi par ce site. Vous pouvez le vérifier : une fois le modèle chargé, l’outil continue de fonctionner en mode avion.

Comment les lignes sont-elles coupées ?

Deux lignes au maximum par sous-titre, environ 42 caractères par ligne (16 en japonais et en chinois), et entre une et sept secondes à l’écran. Les lignes sont coupées en fin de phrase, aux pauses et aux virgules, et pas après un article ou une préposition quand on peut l’éviter. Chaque sous-titre peut être modifié, fusionné avec le suivant ou supprimé, et ses temps peuvent être changés à la main.

SRT, VTT ou incrustés ?

Le SRT est accepté presque partout : YouTube, Vimeo, les logiciels de montage, VLC. Le VTT est le format des pages web (l’élément <track>) et de certaines plateformes. L’incrustation dessine le texte sur l’image, pour les endroits qui n’acceptent pas de fichier de sous-titres ; elle réencode toute la vidéo dans le navigateur en MP4 H.264, ce qui prend du temps, et les sous-titres ne peuvent plus être désactivés.

Combien de temps cela prend-il ?

Cela dépend de l’ordinateur. Sur un portable ordinaire avec puce graphique intégrée, il a fallu de 1 à 1,5 fois la durée de l’enregistrement ; avec le seul processeur, environ deux fois. Une carte graphique dédiée va plus vite. L’enregistrement est transcrit par parties de 30 secondes, la barre de progression indique la partie en cours et vous pouvez arrêter à tout moment.