La transcription intégrée de Zoom nécessite le forfait Business à 199 dollars par utilisateur et par an. Passez votre chemin. Enregistrez en local, glissez le .m4a dans une application Windows gratuite, et obtenez la transcription complète en quelques minutes.
Fonctionne avec tous les forfaits Zoom, y compris le forfait gratuit.
Ouvrez Zoom, allez dans Paramètres, Enregistrement, et activez l'Enregistrement local. Choisissez un dossier que vous pourrez retrouver facilement (le dossier par défaut est Documents, Zoom). L'enregistrement local est disponible pour les utilisateurs gratuits de Zoom tant que vous êtes l'hôte de la réunion. Si vous n'êtes pas l'hôte, demandez à l'hôte d'enregistrer lui-même ou de vous accorder l'autorisation d'enregistrement.
Pendant l'appel, cliquez sur Enregistrer dans la barre d'outils Zoom (ou appuyez sur Alt+R) et choisissez Enregistrer sur cet ordinateur si vous avez à la fois les options locale et cloud. Zoom affichera un petit indicateur d'enregistrement dans le coin pour informer tout le monde. À la fin de l'appel, quittez la réunion normalement. Zoom prend une ou deux minutes pour convertir l'enregistrement en fichiers finaux.
Ouvrez l'Explorateur de fichiers et accédez à Documents, Zoom. À l'intérieur, vous verrez un sous-dossier daté pour chaque enregistrement. Ouvrez le plus récent. Vous y trouverez audio_only.m4a (l'audio de l'appel, fichier plus petit) et zoom_0.mp4 (la vidéo avec partage d'écran). Pour la transcription, vous avez uniquement besoin du fichier audio. Le fichier vidéo fonctionne également si vous préférez ; StarWhisper extrait l'audio des fichiers .mp4 automatiquement.
Installez StarWhisper si ce n'est pas déjà fait. Ouvrez-le et faites glisser audio_only.m4a depuis l'Explorateur de fichiers sur la fenêtre. L'application détecte la langue et commence la transcription. Un appel d'une heure se traite généralement en 5 à 15 minutes sur un processeur moderne, ou 1 à 3 minutes sur un GPU NVIDIA. La progression s'affiche en temps réel. Vous pouvez le laisser tourner en arrière-plan.
La transcription apparaît dans la fenêtre StarWhisper. Lisez-la, copiez tout le texte dans le presse-papiers, ou enregistrez-le dans un fichier .txt. Collez-le dans Notion, OneNote, Google Docs, ou votre système de notes de réunion. La transcription est en texte brut sans étiquettes d'intervenant, ce qui rend le fichier portable et facile à nettoyer. Coût total : zéro. Aucun téléchargement, aucune mise à niveau vers Zoom Business, aucun frais à la minute.
Un flux de travail gratuit qui fait ce que fait le forfait à 199 dollars.
Zoom Business coûte environ 199 dollars par utilisateur et par an. Ce flux de travail reste sur le forfait gratuit de Zoom et utilise la transcription locale gratuite de StarWhisper. Les économies annuelles s'accumulent vite pour les utilisateurs indépendants ou les petites équipes.
L'enregistrement local Zoom et la transcription StarWhisper résident tous deux sur votre disque dur. Aucun téléchargement vers les serveurs de Zoom pour la transcription, aucun robot de réunion tiers ne rejoint l'appel.
Le même flux de travail gère Microsoft Teams, Google Meet, Webex, Slack Huddles, ou tout autre appel enregistré localement. Le fichier audio est la seule chose qui compte.
Vous travaillez avec une équipe répartie entre Berlin, Tokyo et Sao Paulo ? Whisper détecte automatiquement la langue de chaque enregistrement. Détails sur la prise en charge multilingue.
La même installation vous permet également de dicter à la voix directement dans le chat Zoom (ou tout autre champ de texte). Consultez le guide voix-vers-texte dans Zoom pour le flux de travail par appui-maintien.
Les propriétaires de GPU NVIDIA traitent une réunion d'une heure en 1 à 3 minutes via CUDA. Sans GPU, vous obtenez toujours une vitesse utilisable sur des processeurs modernes. Détails sur le GPU.
Zoom inclut bien une transcription automatique des réunions, mais uniquement sur le forfait Business et supérieurs. Au moment de la rédaction, le forfait Business coûte environ 199 dollars par utilisateur et par an (149 à 199 selon la durée du contrat et le nombre de postes). Pour un freelance seul ou une petite équipe où la plupart des appels n'ont pas besoin de transcription en temps réel, c'est beaucoup d'argent pour une fonctionnalité que vous utiliseriez occasionnellement.
La transcription officielle de Zoom a également des limites qui surprennent les gens la première fois. L'audio est traité dans le cloud de Zoom, il quitte donc votre réseau. Les enregistrements sont stockés sur les serveurs de Zoom, soumis aux politiques de conservation de Zoom. Et c'est limité aux appels Zoom spécifiquement : cela ne peut pas transcrire un appel Microsoft Teams enregistré ou une interview de podcast que vous avez faite ailleurs.
Ce guide décrit l'alternative que la plupart des gens finissent par utiliser. Conservez le forfait gratuit de Zoom, utilisez l'enregistrement local intégré (qui est gratuit) et traitez le fichier résultant avec StarWhisper sur votre PC Windows. Coût total : zéro. Économies annuelles totales par rapport à Zoom Business : 199 dollars par poste.
Lorsque vous enregistrez une réunion Zoom localement en tant qu'hôte, Zoom capture l'audio mixte de chaque participant (votre micro plus les flux de tous les autres). Cela est enregistré sous audio_only.m4a. Il enregistre également la grille vidéo et le partage d'écran dans zoom_0.mp4. Pour la transcription, vous n'avez besoin que du .m4a.
Ce que vous n'obtenez pas nativement, c'est l'audio par intervenant. L'enregistrement est une seule piste mixte. Cela signifie que StarWhisper produira une transcription continue sans étiquettes d'intervenant. Pour la plupart des cas d'utilisation (points d'action et décisions), c'est très bien : c'est rapide à lire et il est facile de reconstituer qui a dit quoi quand vous vous souvenez de la discussion. Si la diarisation des intervenants est cruciale pour votre flux de travail, vous auriez besoin d'un service de transcription cloud payant ou d'une configuration locale plus avancée. Honnêtement.
Zoom enregistre également le texte de votre partage d'écran. La transcription ne couvre que l'audio parlé, pas le texte à l'écran. Si quelqu'un a partagé un document contenant des informations critiques, enregistrez ce document séparément.
Configuration unique dans Zoom qui rend le reste de ce flux de travail fluide :
C'est tout. Les futures réunions seront enregistrées localement dans ce dossier. Vous n'avez à le configurer qu'une seule fois par machine.
Transcrire une réunion enregistrée est plus rapide que le temps réel, parfois beaucoup plus rapide. La vitesse exacte dépend de votre matériel et du modèle Whisper que vous utilisez. Chiffres approximatifs pour le modèle moyen par défaut sur des machines représentatives :
| Matériel | Réunion de 30 min | Réunion de 60 min | Réunion de 2 h |
|---|---|---|---|
| Processeur d'ordinateur 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 |
| Processeur 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, attendez-vous à ce qu'une réunion d'une heure soit transcrit en 6 à 12 minutes. C'est plus rapide que de réécouter la réunion à vitesse 2x. Si vous faites beaucoup de transcription de réunions et que vous avez un GPU NVIDIA sous la main, activer le pack CUDA réduit le temps d'un ordre de grandeur.
Cas d'utilisation distinct méritant d'être mentionné. Au-delà de la transcription des réunions enregistrées, la fonctionnalité principale de StarWhisper est la dictée vocale par appui-maintien dans n'importe quel champ de texte. Pendant un appel Zoom, vous pouvez l'utiliser pour taper dans le chat Zoom à la voix sans rompre le contact visuel avec votre caméra.
Le flux de travail : cliquez dans la zone de saisie du chat Zoom, maintenez la touche de raccourci StarWhisper (par défaut Alt Droit), prononcez le message, relâchez. Votre parole se transforme en texte tapé. C'est utile pour envoyer des messages détaillés aux participants tout en partageant votre écran, pour capturer des notes rapides pendant un appel sans faire Alt+Tab vers une application de prise de notes, ou pour maintenir un fil de discussion ouvert parallèlement à la conversation verbale.
Pour le flux de travail complet de dictée en temps réel avec Zoom, consultez le guide dédié de la voix-vers-texte dans Zoom. Le moteur de transcription est le même ; seul le déclencheur diffère.
Ce flux de travail conserve l'audio de la réunion et la transcription sur votre appareil. L'enregistrement local Zoom est sauvegardé sur votre disque dur. StarWhisper en Mode Local le traite localement. La transcription qui en résulte est un 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 téléverser).
Comparons aux alternatives. Otter.ai rejoint votre réunion en tant que robot et télécharge l'audio sur les serveurs d'Otter. Notta fait de même. Même la transcription de Zoom traite l'audio dans le cloud de Zoom. Pour les appels confidentiels (discussions de fusions-acquisitions, évaluations de performance, entretiens clients sous NDA), le flux de travail strictement local représente une amélioration significative. La page sur l'architecture de confidentialité et hors ligne couvre l'analyse complète du flux de données.
Si vous êtes dans un secteur réglementé (santé, juridique, services financiers), la même architecture soutient votre posture de conformité. La FAQ sur la conformité HIPAA explique ce que le traitement local signifie pour les informations de santé protégées spécifiquement.
Les commerciaux qui font des appels de découverte, les recruteurs qui font des présélections et les chargés de compte qui gèrent les renouvellements tirent tous parti des transcriptions des appels enregistrés. Le flux de travail ici est le même : enregistrez en local, transcrivez ensuite. Si vous souhaitez examiner de plus près comment les équipes commerciales et les fonctions RH utilisent la transcription locale, consultez les pages spécifiques à chaque rôle. Le guide de la voix-vers-texte pour les managers RH couvre les flux de travail de présélection des candidats. La page de la voix-vers-texte pour les créateurs de contenu couvre les flux de travail de podcast et d'interview qui chevauchent fortement la transcription d'appels commerciaux.
Dictez à la voix directement dans le chat Zoom pendant un appel en direct.
Le même flux de travail d'enregistrement local pour les appels Teams et les transcriptions Teams.
Convertissez les enregistrements Drive des sessions Google Meet en texte consultable.