Vous avez un podcast, un enregistrement ou un mémo vocal en MP3 ? Glissez le fichier dans une application Windows gratuite et obtenez la transcription en quelques minutes. Aucun téléchargement, aucun frais à la minute, aucune limite de durée de fichier.
Glisser, attendre, copier. Fonctionne sur n'importe quel MP3, quelle que soit sa durée.
Récupérez le programme d'installation gratuit pour Windows 10 ou 11 depuis la page d'accueil de StarWhisper. L'installation prend environ deux minutes et inclut un téléchargement unique du modèle Whisper pour que l'application puisse fonctionner entièrement hors ligne après l'installation. Aucune inscription, aucune carte de crédit, aucune confirmation par e-mail.
Ouvrez StarWhisper. Ouvrez l'Explorateur de fichiers et trouvez votre MP3. Faites glisser le fichier sur la fenêtre StarWhisper. L'application détecte automatiquement la langue. Si vous préférez, vous pouvez également cliquer sur un bouton Importer et rechercher le fichier. Les deux méthodes produisent le même résultat.
StarWhisper traite l'audio localement sur votre processeur ou carte graphique. Vitesse approximative : environ 10 fois plus rapide que le temps réel sur un processeur d'ordinateur portable moderne et 50 fois plus rapide sur un GPU NVIDIA avec CUDA activé. Un MP3 d'une heure est transcrit en environ 6 à 12 minutes sur processeur ou 1 à 2 minutes sur un GPU de milieu de gamme. La progression s'affiche en temps réel.
La transcription apparaît dans la fenêtre StarWhisper une fois le traitement terminé. Copiez le texte complet dans le presse-papiers, enregistrez-le au format .txt, ou exportez-le avec des horodatages optionnels si vous devez vous référer à l'audio original. Collez-le dans Notion, Word, Google Docs, votre CMS ou partout où le texte doit aller.
Des avantages spécifiques, pas des bénéfices vagues.
Rev facture 25 cents par minute pour la transcription humaine et 10 cents par minute pour l'IA. Un épisode de podcast de 90 minutes coûte de 9 à 22,50 dollars. StarWhisper est gratuit, avec la même précision que le niveau IA de Rev.
Les services cloud limitent souvent la taille de téléchargement (Otter.ai limite l'offre gratuite à 30 minutes par fichier). StarWhisper gère les livres audio, les enregistrements de conférences d'une journée entière et les interviews de plusieurs heures sans aucune limite.
MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, plus l'extraction audio à partir de MP4 et d'autres formats vidéo. Aucune étape de conversion nécessaire.
Le Mode Local par défaut exécute Whisper sur votre propre processeur ou carte graphique. Le MP3 est décodé localement, transcrit localement et le résultat est écrit sur votre disque. Rien n'est téléchargé. Détails sur la confidentialité.
Whisper prend en charge 96 langues, incluant toutes les principales langues européennes, asiatiques et du Moyen-Orient. La détection de la langue est automatique. Prise en charge des langues.
Les propriétaires de GPU NVIDIA installent le pack CUDA et la vitesse de transcription augmente d'environ 5 fois. Un MP3 d'une heure devient une tâche de deux minutes. Détails sur l'accélération GPU.
Le MP3 est toujours le format audio portable universel. Les podcasts publient des flux MP3, les conférences finissent en téléchargements MP3, les mémos vocaux s'exportent en MP3 depuis de nombreux dictaphones, et les archives historiques d'interviews et d'enregistrements de conférences existent presque exclusivement en MP3. Quiconque essaie de lire ce qui se trouve à l'intérieur de l'un de ces fichiers se heurte au même problème : il n'y a pas d'outil intégré de conversion MP3-vers-texte sur Windows.
Le chemin que la plupart des gens empruntent, souvent par défaut, consiste à télécharger le MP3 sur un service de transcription cloud. Otter, Trint, Rev, Sonix, Happy Scribe et Descript offrent tous cette possibilité. Ils fonctionnent, mais ils présentent trois inconvénients : des frais à la minute qui s'accumulent rapidement sur les longs fichiers, le temps de téléchargement et le coût en bande passante sur les connexions lentes, et des problèmes de confidentialité pour les enregistrements sensibles. Le quatrième inconvénient est plus rare mais pire : certains services ont des limites de taille ou de durée de fichier sur les offres gratuites qui limitent discrètement ce que vous pouvez réellement transcrire sans payer.
L'alternative que la plupart des utilisateurs techniques découvrent et à laquelle ils ne reviennent plus est la transcription locale. Installez une petite application, glissez-y le MP3, obtenez le texte. StarWhisper est l'option Windows la plus populaire pour cela. Le modèle est OpenAI Whisper, qui est la même technologie sous-jacente qui alimente de nombreux services de transcription cloud ; vous l'exécutez simplement localement au lieu de payer un fournisseur pour l'exécuter pour vous.
Chiffres concrets issus de situations courantes :
Déposez un MP3 de 60 minutes sur StarWhisper. Attendez 6 à 12 minutes sur un processeur d'ordinateur portable typique, ou 1 à 2 minutes avec un GPU NVIDIA. Copiez la transcription de 8 000 mots qui en résulte dans votre application de prise de notes ou votre système de gestion de contenu. Temps total, configuration comprise : moins de 15 minutes pour un nouvel utilisateur, moins de 2 minutes pour un utilisateur habitué.
Déposez une interview MP3 de 90 minutes. Temps de traitement sur un processeur moderne : 10 à 18 minutes. Résultat : environ 12 000 mots de transcription en texte brut. Léger edit, à coller dans votre brouillon d'article. Gratuit ; sans frais à la minute qui auraient coûté une transcription de 9 à 22,50 dollars sur Rev.
Déposez un dossier de 30 anciens enregistrements. StarWhisper les met en file d'attente. Éloignez-vous. Revenez à 30 transcriptions, chacune enregistrée avec le nom de fichier correspondant. Pour les archivistes indépendants ou les chercheurs qui numérisent de l'audio, c'est le flux de travail qui remplace le fait d'être assis devant une pédale de transcription pendant des semaines.
Déposez un mémo vocal enregistré (souvent un M4A depuis un téléphone, mais le MP3 fonctionne de la même manière). Un mémo de 5 minutes devient 700 mots de texte en moins d'une minute. Pratique pour capturer des idées en marchant et avoir ensuite un enregistrement consultable.
Des chiffres honnêtes. Sur un audio anglais clair provenant d'un microphone de qualité (podcast, interview professionnelle), Whisper atteint une précision d'environ 95 à 99 %. Cela égale ou bat le niveau IA de Rev, la transcription automatisée d'Otter et le niveau standard de la plupart des services cloud.
La précision diminue dans les cas suivants :
À titre de comparaison, la transcription humaine (Rev humain à 25 cents par minute) se situe autour de 99 % sur un audio clair et se dégrade moins sur les cas complexes. Le compromis est le coût : la transcription locale gratuite gère 90 % des cas d'utilisation MP3 du monde réel avec une qualité suffisante pour être publiée ou recherchée. Pour les 10 % restants où la précision dans les cas complexes est critique, la transcription humaine payante a encore un rôle à jouer.
StarWhisper ne nécessite pas de convertir le fichier avant la transcription. Les formats pris en charge :
| Format | Source courante | Pris en charge |
|---|---|---|
| MP3 | Podcasts, téléchargements | Oui |
| WAV | Audio pro, enregistrements en studio | Oui |
| M4A | Mémos vocaux iPhone, audio_only Zoom | Oui |
| AAC | iTunes, certains podcasts | Oui |
| OGG / OPUS | Notes vocales WhatsApp, Telegram | Oui |
| FLAC | Archives sans perte | Oui |
| WMA | Anciens enregistrements Windows | Oui |
| MP4 (vidéo) | YouTube, vidéo Zoom | Oui, audio extrait |
| MOV / AVI / MKV | Autres vidéos | Oui, audio extrait |
Pour les flux de travail de conversion connexes, consultez comment convertir un M4A en texte pour les Mémos vocaux iPhone spécifiquement, ou comment convertir un WAV en texte pour les enregistrements en studio.
De nombreux fichiers MP3 contiennent des contenus que les gens ne voudraient pas voir stockés sur un serveur tiers. Interviews enregistrées sous accord de confidentialité (NDA). Appels du service client. Enregistrements de séances de thérapie. Mémos vocaux personnels avec des pensées privées. Enregistrements de chercheurs sur des sujets humains ayant consenti uniquement à un traitement local. Enregistrements de sources pour le journalisme d'investigation.
Les services de transcription cloud téléchargent tout cela vers leur infrastructure. Même avec de fortes politiques de confidentialité, l'audio se trouve sur le matériel de quelqu'un d'autre. Pour les catégories ci-dessus, c'est souvent inacceptable.
Le Mode Local de StarWhisper maintient l'ensemble du pipeline sur votre appareil. Le décodage du MP3 se fait sur votre processeur. Le modèle Whisper s'exécute sur votre processeur ou carte graphique. Le texte qui en résulte est écrit sur votre disque dur. Rien ne quitte l'appareil à moins que vous ne choisissiez de le partager. Cela satisfait l'exigence de confidentialité pour les cas d'utilisation ci-dessus et supprime les points d'interrogation juridiques et éthiques qui accompagnent la transcription cloud de contenus sensibles.
Pour tous les détails de l'architecture de confidentialité, consultez la page sur la confidentialité et l'architecture hors ligne. Pour travailler avec de l'audio dans des secteurs réglementés spécifiquement, consultez la FAQ sur la conformité HIPAA, la page voix-vers-texte pour les thérapeutes, ou la page voix-vers-texte pour les chercheurs.
L'offre gratuite de StarWhisper vous donne 500 mots par jour et 3 500 mots par semaine de sortie transcrit. Un MP3 typique de 60 minutes produit environ 8 000 mots. Cela signifie qu'un seul épisode long dépasse le quota gratuit quotidien. Vous pouvez toujours traiter le fichier (aucune limite de durée sur le fichier lui-même), mais seuls les ~500 premiers mots compteront dans l'allocation gratuite d'aujourd'hui.
Pour les utilisateurs occasionnels qui transcrivent un court MP3 tous les quelques jours, l'offre gratuite est suffisante. Pour quiconque traite routinely de l'audio de format long (podcasteurs, journalistes, chercheurs, créateurs de contenu), le plan Pro supprime la limite. Il coûte 10 dollars par mois ou 80 dollars par an. Détails complets et tarifs de Pro. L'offre gratuite est permanente, sans expiration, vous pouvez donc vérifier le flux de travail avant de payer.
Les offres Gratuit et Pro utilisent le même modèle Whisper et produisent des transcriptions identiques. Pro supprime simplement la limite de mots et ajoute des fonctionnalités de flux de travail comme un vocabulaire personnalisé et un repli cloud prioritaire (si vous y souscrivez). Pour un usage purement de MP3 vers texte, la seule différence pratique est la limite quotidienne.
Le flux de travail MP3 décrit ci-dessus est le même modèle que plusieurs guides adjacents. Si votre fichier est un mémo vocal iPhone, consultez comment convertir un M4A en texte. S'il s'agit d'une interview enregistrée, consultez comment transcrire des interviews. S'il s'agit d'un épisode de podcast, consultez comment transcrire des podcasts. S'il s'agit de l'enregistrement d'un appel Zoom, consultez le guide de transcription d'appel Zoom. S'il s'agit d'un sermon ou d'une conférence, consultez comment transcrire des sermons ou comment transcrire des cours. Tous ces guides utilisent le même flux de glisser-déposer ; seule la source audio change.
Le même flux de travail pour les Mémos vocaux iPhone et les fichiers audio Zoom.
Traitez les enregistrements en studio non compressés et les fichiers audio professionnels.
Comment fonctionne la transcription entièrement locale et pourquoi c'est important pour la confidentialité.
Le flux de travail spécifique pour l'audio d'interviews de journalistes et de chercheurs.