La transcription officielle de Meet est bloquée derrière Workspace Business Standard à environ 14 dollars par utilisateur et par mois. Ce guide présente la solution gratuite : un enregistrement Meet, une application Windows gratuite et une transcription en quelques minutes.
Fonctionne avec ou sans abonnement Workspace.
Si votre compte est sur Workspace Business Standard ou supérieur, l'enregistrement est intégré : cliquez sur le menu à trois points dans Meet, puis sur Enregistrer la réunion. Si vous utilisez un compte Google personnel ou un plan Workspace sans enregistrement, lancez un enregistreur d'écran local gratuit avant de rejoindre l'appel. OBS Studio est le choix le plus courant. La barre de jeux Xbox intégrée (Win+G) et ShareX fonctionnent aussi. Quel que soit votre choix, assurez-vous que « Capturer l'audio système » est activé, sinon vous enregistrerez la vidéo sans le son.
Si Google Meet a enregistré l'appel pour vous, le fichier est sauvegardé dans Mon Drive, Meet Recordings au format MP4. Ouvrez Drive, trouvez le fichier et téléchargez-le. Si vous avez utilisé un enregistreur d'écran, le fichier est déjà sur votre disque à l'endroit que vous avez indiqué. Dans les deux cas, vous devriez vous retrouver avec un seul fichier .mp4. La taille des fichiers est généralement de 50 à 300 Mo par heure selon la résolution et le contenu partagé à l'écran.
Téléchargez StarWhisper depuis la page d'accueil. Le programme d'installation fait environ 200 Mo au premier lancement car il intègre le modèle Whisper. Aucune création de compte, aucune carte de crédit et aucun composant cloud ne sont requis. Après l'installation, lancez l'application une fois et terminez la configuration en 30 secondes (choisissez votre microphone par défaut, un raccourci clavier, acceptez les valeurs par défaut pour tout le reste). Vous êtes maintenant prêt à transcrire.
Ouvrez l'Explorateur de fichiers à l'endroit où vous avez enregistré l'enregistrement. Déposez le .mp4 sur la fenêtre StarWhisper. L'application extrait automatiquement la piste audio, détecte la langue parlée et commence la transcription. Un appel de 60 minutes prend généralement de 5 à 15 minutes sur un processeur de portable récent, ou de 1 à 3 minutes sur un GPU NVIDIA utilisant le pack d'accélération CUDA. La progression s'affiche en temps réel. Vous pouvez réduire la fenêtre et continuer à travailler.
Lorsque le traitement est terminé, la transcription apparaît dans la fenêtre StarWhisper. Lisez-la à l'écran, copiez tout le texte dans le presse-papiers ou enregistrez-le dans un fichier .txt. Collez-le dans Google Docs, Notion, Confluence, OneNote ou le système de notes de votre équipe. La transcription est en texte brut sans étiquettes de locuteur, ce qui garde le fichier portable. Coût total écoulé : zéro. Pas de mise à niveau Workspace, pas d'abonnement Otter, pas de frais de transcription à la minute.
Un flux de travail gratuit qui fait ce que fait le plan à 14 dollars par utilisateur.
Workspace Business Standard coûte environ 14 dollars par utilisateur et par mois, soit 168 par an et par siège. Pour une équipe de cinq personnes, cela représente 840 dollars par an juste pour activer la transcription. Ce flux de travail reste gratuit pour les transcripteurs occasionnels, ou coûte 10 dollars par mois et par personne en Pro si vous transcrivez de longues réunions tous les jours.
Le MP4 reste sur votre disque dur. StarWhisper effectue la transcription localement sur votre CPU ou GPU. Rien n'est téléchargé vers Google, OpenAI ou un tiers pendant la transcription. Détails sur l'architecture de confidentialité et hors ligne.
Le même flux de travail gère Zoom, Microsoft Teams, Webex, Slack Huddles et tout autre outil que vous pouvez enregistrer. Le moteur de transcription traite chaque enregistrement comme un simple fichier audio. Consultez les guides connexes sur la transcription d'appels Zoom pour les étapes d'enregistrement spécifiques à la plateforme.
Les équipes distribuées qui passent des appels Meet en anglais, espagnol, allemand, français, japonais et mandarin en bénéficient toutes. Whisper détecte automatiquement la langue parlée. Page de support multilingue.
La même installation vous permet également de dicter dans Google Docs, Chat ou n'importe quel champ de texte Windows en maintenant un raccourci clavier. Consultez le guide voix-vers-texte dans Google Docs pour le flux de travail d'appui prolongé.
Les propriétaires de GPU NVIDIA traitent un appel d'une heure en 1 à 3 minutes via CUDA 11 ou 12. Sans GPU, les CPU modernes gèrent la même charge de travail en 5 à 15 minutes. L'une ou l'autre méthode est plus rapide que de réécouter la réunion.
Google Meet propose des sous-titres en direct gratuitement, mais l'exportation officielle de la transcription est bloquée derrière Workspace Business Standard ou supérieur. Business Standard coûte environ 14 dollars par utilisateur et par mois, facturé annuellement. Pour un freelance solo ou une petite équipe où seulement quelques appels par mois nécessitent réellement une transcription, c'est une dépense importante. De nombreuses équipes conservent l'offre gratuite ou un plan Workspace moins cher et finissent soit par prendre des notes manuscrites, soit par payer un service externe comme Otter ou Fireflies en plus de Workspace.
Les services externes moins chers ont leurs propres inconvénients. Ils rejoignent la réunion en tant que bot, qui s'annonce dans la liste des participants et perturbe les personnes lors d'appels confidentiels. Ils téléchargent l'audio de la réunion sur leurs serveurs, ce qui pose problème pour les discussions juridiques, médicales, RH ou fusions et acquisitions. Et ils ajoutent un autre abonnement mensuel en plus de Workspace, ce que les gens essayaient d'éviter en ne passant pas à Business Standard en premier lieu.
Ce guide décrit le flux de travail que la plupart des transcripteurs indépendants et des équipes soucieuses de la confidentialité finissent par adopter. Capturez l'appel Meet (soit avec l'enregistrement Workspace, un enregistreur d'écran gratuit, ou un enregistrement partagé par un collègue), puis transcrivez le MP4 obtenu avec StarWhisper sur votre PC Windows. Gratuit, local, pas de bot dans la réunion, pas de frais à la minute.
L'astuce de tout ce flux de travail est d'avoir un enregistrement en premier lieu. Trois méthodes courantes pour en obtenir un :
Pendant la réunion, cliquez sur le menu à trois points, choisissez Enregistrer la réunion, confirmez l'invite vous demandant d'avertir les participants. Lorsque l'appel se termine, l'enregistrement est traité et arrive dans Mon Drive, Meet Recordings, généralement en quelques minutes. Vous obtenez un MP4 avec l'audio mixte de tout le monde ainsi que la vidéo du locuteur actif et tout partage d'écran.
Avant de rejoindre l'appel, démarrez OBS Studio, la barre de jeux Xbox intégrée (Win+G dans Windows 10/11), ShareX ou tout autre enregistreur d'écran. Le paramètre critique est « Capturer l'audio du bureau » ou « Enregistrer le son système », qui enregistre ce que votre ordinateur diffuse via ses haut-parleurs. Sans cela, vous n'obtenez que la vidéo. Choisissez MP4 comme format de sortie si votre enregistreur vous laisse le choix. Commencez l'enregistrement juste avant de rejoindre l'appel et arrêtez-le après le départ de tout le monde.
Si l'hôte ou un autre participant a enregistré l'appel et vous a envoyé un lien Drive, cliquez sur le lien, téléchargez le MP4, puis passez à l'étape trois.
Dites toujours aux autres participants que vous enregistrez. La plupart des juridictions exigent le consentement d'au moins une partie, mais la pratique professionnelle et éthique consiste à le divulguer. Certains lieux de travail et contrats interdisent explicitement la capture locale des réunions internes, alors vérifiez avant de vous y fier pour des appels sensibles.
Un enregistrement Google Meet (Workspace ou enregistreur d'écran) est un seul MP4 avec une piste audio mixte contenant chaque voix plus une seule piste vidéo de la personne affichée à l'écran à ce moment. L'audio est ce qui compte pour la transcription. Il n'y a pas de canaux par locuteur, donc ni StarWhisper ni aucun autre transcripteur à piste unique ne peut étiqueter automatiquement qui a dit quoi.
StarWhisper produira une transcription continue propre avec des coupures de phrase et une ponctuation naturelle. Pour les réunions typiques d'actions et de décisions, c'est suffisant : parcourez la transcription, attribuez mentalement les lignes à ceux dont vous vous souvenez qu'ils ont parlé, extrayez les quatre ou cinq décisions et actions, partagez avec l'équipe. Si vous avez besoin de transcriptions verbatim formelles avec étiquettes de locuteur (procédures judiciaires, dépositions, entretiens de recherche académique), vous aurez besoin soit d'un service cloud payant de diarisation, soit d'une configuration multi-microphones où chaque locuteur a sa propre piste.
Transcrire une réunion enregistrée est plus rapide que le temps réel, parfois beaucoup plus. Temps d'exécution approximatifs pour le modèle Whisper moyen par défaut sur du matériel courant :
| Matériel | Réunion de 30 min | Réunion de 60 min | Réunion de 2 h |
|---|---|---|---|
| CPU de portable moderne (i7 ou Ryzen 7) | 3 à 6 min | 6 à 12 min | 12 à 25 min |
| NVIDIA RTX 3060 (CUDA) | 30 à 60 sec | 1 à 2 min | 2 à 5 min |
| NVIDIA RTX 4090 (CUDA) | 10 à 20 sec | 20 à 40 sec | 1 à 2 min |
| CPU plus ancien (5+ ans) | 10 à 20 min | 25 à 45 min | 50 à 90 min |
Pour la plupart des ordinateurs portables de bureau achetés au cours des trois dernières années, comptez de 6 à 12 minutes pour terminer la transcription d'un enregistrement Meet d'une heure. Si vous faites cela régulièrement et que vous avez un GPU NVIDIA dans la machine, le pack CUDA réduit le temps d'environ un ordre de grandeur.
Les équipes distribuées qui passent des appels Meet entre Berlin, Tokyo et Sao Paulo sont un cas d'usage majeur pour ce flux de travail. Whisper prend en charge 96 langues avec une forte précision en anglais, allemand, espagnol, français, italien, portugais, néerlandais, polonais, japonais, chinois, coréen, hindi, russe, arabe et turc, parmi d'autres. Le modèle détecte automatiquement la langue parlée au début du fichier.
Pour les réunions où les locuteurs changent de langue en cours d'appel (un schéma européen courant), Whisper gère assez bien les courts changements de code, bien qu'il s'engage sur une langue principale. Si vous avez une réunion à moitié en espagnol à moitié en anglais, vous pourriez obtenir de meilleurs résultats en divisant l'enregistrement en deux clips et en transcrivant chacun dans sa langue déclarée. La page des fonctionnalités multilingues couvre la précision par langue plus en détail.
La traduction est également possible. StarWhisper peut prendre un enregistrement non anglais et le transcrire directement en texte anglais en utilisant le mode de traduction de Whisper. Cela est utile pour les équipes internes aux États-Unis ou au Royaume-Uni qui essaient de suivre une réunion de partenaires dans une autre langue sans payer un traducteur. La qualité est généralement bonne pour les langues majeures et se dégrade pour les langues moins courantes.
Ce flux de travail conserve l'audio de la réunion et la transcription sur votre appareil. Les enregistrements Workspace se trouvent dans votre propre Google Drive ; vous contrôlez le partage. Les enregistrements d'écran sont sauvegardés sur votre disque dur. StarWhisper en Mode Local traite le fichier localement sur le CPU ou le GPU. La transcription est un simple fichier .txt sur votre PC. Rien de tout cela ne quitte votre réseau, sauf si vous choisissez de le partager (le coller dans un document cloud, l'envoyer par e-mail, le télécharger).
Comparé aux services de transcription cloud. Otter, Fireflies, Notta et des outils similaires rejoignent l'appel en tant que bot et téléchargent l'audio sur leurs serveurs. Même la transcription de Google traite l'audio dans le cloud de Google. Pour les appels confidentiels (discussions de fusions et acquisitions, évaluations de performance, entretiens clients sous NDA, stratégie juridique, examens de dossiers médicaux), le flux de travail strictement local est une amélioration significative du contrôle des données.
Si vous êtes dans un secteur réglementé, la même architecture soutient votre posture de conformité. La FAQ sur la conformité HIPAA couvre ce que le traitement local signifie pour les informations de santé protégées spécifiquement.
Les recruteurs menant des entretiens de sélection, les commerciaux lors d'appels de découverte et les responsables du succès client effectuant des renouvellements veulent tous des transcriptions mais justifient rarement une ligne budgétaire de transcription distincte. Le flux de travail ici est le même que pour toute autre réunion : enregistrez localement, transcrivez ensuite. Pour les équipes commerciales faisant du volume, le guide voix-vers-texte pour les commerciaux couvre l'intégration avec les CRM. Pour les flux de travail RH et de recrutement, la page voix-vers-texte pour les responsables RH couvre les transcriptions d'entretiens de sélection et les exigences de confidentialité qui les accompagnent. Pour une intégration plus poussée avec Teams plutôt que Meet, le guide voix-vers-texte dans Teams est l'équivalent direct.
Même flux de travail d'enregistrement local sans le plan Zoom Business à 199 dollars.
Capturez les appels Teams et transformez l'enregistrement OneDrive en texte consultable.
Dictez à la voix directement dans le chat Teams pendant une réunion en direct.