Sessions studio, enregistrements de podcasts, masters voix off, pistes de livres audio. Glissez le fichier .wav dans une application Windows gratuite, obtenez la transcription localement. Gère 96k, 48k, 24-bit, multi-canaux. Aucun téléchargement, aucun frais à la minute.
Glisser, attendre, copier. N'importe quelle fréquence d'échantillonnage, n'importe quelle profondeur de bit, n'importe quelle 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 afin que l'application puisse fonctionner entièrement hors ligne après l'installation. Aucune inscription, aucune carte de crédit.
Ouvrez StarWhisper. Glissez votre fichier .wav depuis l'Explorateur de fichiers sur la fenêtre. StarWhisper lit le WAV à n'importe quelle fréquence d'échantillonnage (de 8k à 96k), n'importe quelle profondeur de bit (16, 24 ou 32-bit float), en mono ou stéréo. Pas besoin de convertir vers un format spécifique au préalable ; l'application gère ce que votre station de travail audio (DAW) a exporté.
StarWhisper traite l'audio localement sur votre CPU ou GPU. Vitesse : 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. Un WAV d'une heure est transcrit en environ 6 à 12 minutes sur CPU 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 en tant que fichier .txt, ou exportez-le en SRT ou VTT avec des horodatages pour les flux de travail de sous-titres. Collez-le dans vos notes d'émission, votre page d'épisode, votre script de livre audio, ou partout où la transcription doit aller.
Des avantages spécifiques pour les flux de travail audio professionnels.
Les services cloud ré-encodent souvent les gros fichiers WAV téléchargés vers un intermédiaire avec perte pour économiser de la bande passante. StarWhisper lit le fichier original 24-bit sans perte directement depuis le disque.
De nombreux services de transcription cloud rejettent les WAV de quelques centaines de mégaoctets sur les offres gratuites ou facturent des suppléments au-delà d'un certain seuil. StarWhisper gère les fichiers jusqu'à la limite de 4 Go du format WAV.
96k, 88.2k, 48k, 44.1k, 32k, 24k, 16k, 8k sont toutes prises en charge. Le rééchantillonnage interne à 16k est de haute qualité et la précision de transcription est identique quelle que soit la fréquence source.
Le Mode Local par défaut exécute Whisper sur votre propre CPU ou GPU. Le WAV est décodé localement, transcrit localement, le résultat est écrit sur votre disque. Idéal pour les sessions studio sous NDA. Détails sur la confidentialité.
Générez des fichiers prêts pour le sous-titrage directement à partir du WAV. Utile pour ajouter des transcriptions accessibles aux versions vidéo de podcasts ou créer des pistes de sous-titres. Guide sur les sous-titres.
Les propriétaires de GPU NVIDIA installent le pack CUDA et la vitesse de transcription augmente d'environ 5 fois. Un WAV d'une heure devient une tâche de deux minutes. Détails sur le GPU.
Le WAV (Waveform Audio File Format) est le conteneur non compressé et sans perte que les professionnels de l'audio utilisent depuis le début des années 1990. Chaque station de travail audio (DAW) exporte en WAV. Chaque archive studio stocke les masters en WAV. Chaque cahier des charges de livraison voix off demande du WAV. Chaque chaîne de production de podcast se termine par un master WAV avant d'être encodée en MP3 ou AAC pour la distribution.
La raison est simple : le WAV préserve l'audio original bit pour bit. Il n'y a pas de codec, pas d'artefact de compression, pas de dégradation de la qualité. Lorsque vous enregistrez un épisode de podcast, une session de voix off ou une narration de livre audio dans votre DAW et exportez un WAV 48 kHz 24-bit, ce fichier est la référence canonique pour chaque décision future. Vous créez des MP3 pour la distribution à partir du WAV, jamais l'inverse.
Le problème avec la transcription de fichiers WAV est que les mêmes propriétés qui les rendent idéaux pour l'audio professionnel les rendent peu pratiques pour les outils en ligne. Les fichiers sont volumineux (un WAV stéréo 24-bit 48k d'une heure représente environ 1,0 Go). Les temps de téléchargement sont longs. De nombreux services de transcription cloud plafonnent la taille des fichiers sur les offres gratuites, facturent des suppléments pour les gros fichiers, ou ré-encodent silencieusement le téléchargement en un intermédiaire avec perte. StarWhisper gère le WAV comme un format de premier plan sur votre propre machine, gratuitement, hors ligne, sans aucune étape de téléchargement.
Les flux de travail audio professionnels se soucient de la fréquence d'échantillonnage, de la profondeur de bit et de la disposition des canaux pour une bonne raison : ces choix affectent le mastering, le mixage et l'expérience finale de l'auditeur. Pour la transcription spécifiquement, le tableau est beaucoup plus simple.
Whisper a été entraîné sur de l'audio 16 kHz. StarWhisper sous-échantillonne en interne votre WAV à 16 kHz à l'aide d'un rééchantillonneur de haute qualité avant d'exécuter le modèle. Un WAV 96 kHz produit la même transcription qu'une version 16 kHz du même audio. La parole humaine occupe une plage de fréquences allant d'environ 100 Hz à 8 kHz ; tout ce qui est au-dessus de 8 kHz correspond aux détails des consonnes et à l'air ambiant, dont Whisper ne se sert pas pour la reconnaissance de mots. Des fréquences d'échantillonnage plus élevées sont inutiles pour la transcription.
16-bit, 24-bit et 32-bit float se transcrivent tous de manière identique. La profondeur de bit contrôle la plage dynamique, ce qui compte pour la production musicale mais pas pour la reconnaissance de mots. Whisper fonctionne en interne en 32-bit float quelle que soit la profondeur de bit de la source.
Whisper est un modèle mono. StarWhisper mixe les WAV stéréo et multi-canaux en mono avant le traitement. Pour la plupart des contenus de podcasts et de voix off, cela convient. Pour les enregistrements d'interviews où chaque intervenant se trouve sur un canal distinct, l'approche la plus propre consiste à diviser le WAV en fichiers mono par canal à l'aide de n'importe quel éditeur audio, puis à transcrire chacun séparément. Cela vous donne des transcriptions par intervenant que vous pouvez étiqueter et combiner en post-production.
Scénarios audio professionnels courants avec des délais réalistes :
Exportez un épisode de 60 minutes en WAV stéréo 24-bit 48k (environ 1 Go sur le disque). Déposez-le sur StarWhisper. Temps de traitement sur CPU : 6 à 12 minutes. Temps de traitement sur GPU : 1 à 2 minutes. Résultat : environ 8 000 mots de transcription en texte brut adaptée aux notes d'émission. Légère correction, publication. Pour plus de détails sur le flux de travail spécifique aux podcasts, consultez la conversion voix-texte pour les podcasteurs ou comment transcrire des podcasts.
Chapitre enregistré, exporté en WAV mono 24-bit 48k, d'une durée de 45 minutes (environ 500 Mo). Déposez-le sur StarWhisper. Résultat : environ 6 500 mots de texte de chapitre. Utile pour vérifier la narration par rapport au script original afin de repérer les erreurs ou les lignes oubliées.
Interview à trois animateurs, chaque animateur sur un canal WAV distinct après la session. Exportez chaque canal sous forme de WAV mono. Déposez chacun sur StarWhisper individuellement. Résultat : trois transcriptions par intervenant que vous pouvez combiner avec des codes temporels et des étiquettes d'orateur en post-production. Le temps de traitement total évolue de manière linéaire : trois WAV mono de 60 minutes prennent environ 18 à 36 minutes sur CPU ou 3 à 6 minutes sur GPU.
Un comédien voix off enregistre 10 prises d'une publicité de 30 secondes. Chaque prise est exportée sous forme de WAV distinct. Déposez le dossier sur StarWhisper. L'application met toutes les prises en file d'attente et produit un fichier de transcription étiqueté pour chacune. Utile pour la passe de revue de l'agence afin de comparer le texte d'une prise à l'autre.
Beaucoup de gens se retrouvent avec les deux : un master WAV et une copie de distribution MP3. Pour la transcription, la réponse est presque toujours le WAV.
Le WAV est le plus proche de la source, il a donc le signal le plus propre avec lequel Whisper peut travailler. Le MP3 est passé par un codec avec perte qui brouille légèrement les bords des consonnes à haute fréquence et ajoute des artefacts de compression dans les sections transitoires. Whisper gère bien les deux, mais sur l'audio à la limite (accents marqués, élocution rapide, vocabulaire technique), le WAV produit une transcription nettement meilleure.
L'exception est lorsque le WAV est volumineux et peu pratique et que le MP3 est suffisant. Pour un épisode de podcast studio propre où le micro source était bon et la pièce traitée, la transcription du MP3 est fonctionnellement identique à celle du WAV. Utilisez celui qui est le plus rapide à récupérer. Si vous souhaitez la transcription à des fins d'archivage ou d'accessibilité, utilisez le WAV. Pour un flux de travail connexe à partir d'un MP3, consultez comment convertir du MP3 en texte. Si votre source est une note vocale d'iPhone ou un export QuickTime, consultez comment convertir du M4A en texte.
Les fichiers WAV studio contiennent souvent du contenu qui ne devrait pas se trouver sur un serveur tiers :
Les services de transcription cloud téléchargent le WAV vers leur infrastructure quel qu'en soit le contenu. Leurs politiques de confidentialité peuvent être solides, mais le fichier échappe à votre contrôle. Pour les catégories ci-dessus, c'est souvent inacceptable pour des raisons contractuelles, éthiques, réglementaires ou juridiques.
Le Mode Local de StarWhisper garde tout sur votre appareil. Le WAV est décodé par l'application, le modèle Whisper s'exécute sur votre CPU ou GPU, la transcription est écrite sur votre disque dur. Rien ne quitte la machine. Pour plus de détails, consultez l'architecture de confidentialité et hors ligne et comment transcrire de l'audio hors ligne. Pour des secteurs réglementés spécifiques, consultez la FAQ sur la conformité HIPAA ou la conversion voix-texte pour les avocats.
L'offre gratuite de StarWhisper fournit 500 mots par jour et 3 500 mots par semaine de sortie transcrite. Un WAV typique de 60 minutes produit environ 8 000 mots. Cela signifie qu'un seul épisode long dépasse le plafond gratuit quotidien. Vous pouvez toujours traiter le fichier (aucune limite sur la taille ou la durée du fichier lui-même), mais seuls les ~500 premiers mots compteront dans le quota d'aujourd'hui.
Pour un travail studio occasionnel (un épisode toutes les quelques semaines, une rare session voix off), l'offre gratuite suffit. Pour un travail à volume de production (des épisodes de podcast hebdomadaires, des sessions d'enregistrement de livres audio quotidiennes, de la transcription régulière d'interviews), le plan Pro supprime la limite. Il coûte 10 dollars par mois ou 80 dollars par an. Détails complets et tarifs du plan Pro. L'offre gratuite est permanente, vous pouvez donc vérifier le flux de travail sur un long WAV avant de payer.
Les offres gratuite et Pro utilisent le même modèle Whisper et produisent des transcriptions identiques. Le plan Pro supprime simplement le plafond de mots et ajoute des fonctionnalités de flux de travail telles qu'un vocabulaire personnalisé (utile pour la terminologie spécifique à un secteur) et un repli cloud prioritaire (si vous y optez). Pour la transcription WAV pure, la seule différence pratique est le plafond de sortie quotidien.
Le même flux de travail pour le format audio compressé le plus courant au monde.
Pour les notes vocales iPhone, l'audio QuickTime et les téléchargements YouTube.
Utilisez l'exportation SRT/VTT pour générer des légendes pour les versions vidéo de podcasts.
Le flux de travail complet de transcription de podcasts en studio, de bout en bout.