Transcrire un audio en texte, gratuitement et sans envoyer le fichier

Comment ça marche

1. Choisissez le modèle. La langue parlée est détectée automatiquement et, en cas de doute, le français a la priorité. Si vous préférez, choisissez la langue dans la liste.
2. Sélectionnez le fichier. La première fois, le navigateur télécharge depuis Hugging Face le modèle Whisper choisi. Il reste ensuite enregistré, et la transcription du fichier suivant démarre tout de suite.
3. Whisper tourne sur la carte graphique via WebGPU, si le navigateur le permet, ou sur le processeur via WebAssembly. Les longs enregistrements sont découpés aux pauses de la parole, en segments de moins de 30 secondes, puis le texte est réuni à la fin.
4. Corrigez ce que vous voulez, puis copiez le texte ou enregistrez-le en TXT ou en sous-titres SRT et VTT avec horodatage.

Votre fichier reste sur votre appareil

La plupart des sites de transcription gratuits envoient d'abord votre enregistrement sur leurs serveurs. Pas cette page. Le navigateur décode l'audio et le passe à Whisper, qui tourne dans le même onglet. Vous pouvez le vérifier : ouvrez les outils de développement du navigateur, allez dans l'onglet Réseau (Network) et transcrivez quelque chose. La première fois, vous verrez arriver les fichiers du modèle depuis huggingface.co, mais aucun envoi de votre part.

C'est donc un choix raisonnable pour les entretiens, les réunions clients, les notes médicales ou juridiques et tout autre audio que vous préférez ne pas confier à un tiers.

La page envoie deux types de données, sans votre fichier ni le contenu de vos paroles. Si vous acceptez les cookies, les outils statistiques habituels du site se chargent, comme sur toutes les autres pages. Et la page envoie à notre serveur quelques données statistiques anonymes, sans cookie : quand vous choisissez un fichier (sa taille approximative et la façon dont la page le lit), quand une transcription se termine (le modèle, CPU ou GPU, une durée approximative comme "1 à 5 minutes" et la vitesse) et quand quelque chose échoue (l'étape qui a échoué). C'est comme ça que nous savons si quelqu'un l'utilise et où ça coince. Le code source est accessible sur GitHub, vous pouvez donc lire exactement ce qu'il fait.

Quel modèle choisir ?

Les versions GPU sont plus lourdes parce qu'elles stockent les poids du modèle dans un format adapté aux cartes graphiques. Les trois modèles sont multilingues et couvrent les 99 langues sur lesquelles Whisper a été entraîné. Pour le français, commencez par Base. Si le résultat contient beaucoup d'erreurs, essayez le modèle plus grand avant toute autre chose.

Formats, durée et vitesse

Ça fonctionne avec l'audio MP3, WAV, M4A, AAC, OGG, Opus, FLAC et WEBM, et avec la piste audio des vidéos MP4, MOV, MKV et WEBM. Chrome et Edge lisent le plus grand nombre de formats. Si un fichier ne s'ouvre pas, convertissez-le d'abord en MP3 ou WAV.

Il n'y a pas de limite de durée, mais c'est votre ordinateur qui fait le travail, c'est donc lui qui donne le rythme. Une carte graphique avec WebGPU est bien plus rapide que le processeur seul, et avec le processeur, la transcription d'un long enregistrement peut prendre plus de temps que l'enregistrement lui-même. Laissez l'onglet ouvert jusqu'à la fin. Sur Chrome et Edge, les gros fichiers sont lus par morceaux, donc une vidéo de plusieurs Go peut être transcrite sur un ordinateur. Les navigateurs sans cette fonction s'arrêtent à 1 Go sur ordinateur et à 200 Mo sur téléphone.

Quand l'application pour ordinateur est le meilleur choix

Cette page sert pour les fichiers que vous avez déjà. Pour dicter, l'application StarWhisper utilise le même Whisper dans un programme natif pour Windows et les Mac Apple Silicon. Vous utilisez un raccourci clavier, vous parlez, et le texte apparaît dans le programme où vous écrivez : e-mail, Word, Slack, éditeur de code. Elle utilise CUDA, Vulkan ou Metal pour aller plus vite et fonctionne hors ligne une fois configurée. L'offre gratuite couvre 2 000 mots de dictée par semaine et ne demande pas de compte. Pro ajoute la transcription de fichiers dans l'application, sans les limites de mémoire du navigateur, ainsi que les modèles Medium et Large.

Téléchargez StarWhisper ou comparez-le à une installation de whisper.cpp par vos soins.

Questions fréquentes

C'est vraiment gratuit ?

Oui. C'est votre ordinateur qui fait le travail, donc nous n'avons ni coût à la minute ni raison de limiter. Pas de compte, et pas de filigrane sur le texte.

Mon audio est-il envoyé quelque part ?

Non. Le fichier est lu et transcrit dans le navigateur. Les seules choses téléchargées sont la page, les bibliothèques de transcription depuis jsDelivr et les fichiers du modèle depuis Hugging Face.

Peut-on transcrire un message vocal WhatsApp ?

Oui. Les messages vocaux WhatsApp sont des fichiers Opus, et cette page lit ce format. Enregistrez le message sous forme de fichier depuis WhatsApp Web ou avec la fonction de partage de votre téléphone, puis choisissez-le ici.

Détecte-t-il la langue tout seul ?

Oui, c'est le réglage par défaut. Whisper écoute les 30 premières secondes et choisit la langue la plus probable. Si l'enregistrement commence par de la musique ou du silence, mieux vaut choisir la langue à la main.

Est-ce qu'il traduit ?

Whisper traduit la parole d'autres langues en texte anglais. Cochez "Traduire le résultat en anglais" avant de choisir le fichier. Il ne traduit pas vers d'autres langues.

Reconnaît-il qui parle ?

Non. Whisper écrit ce qui a été dit, pas qui l'a dit.

Pourquoi est-ce lent sur mon ordinateur ?

En général parce que le navigateur n'a pas WebGPU et que Whisper tourne sur le processeur. Le message sous la zone de fichier indique lequel des deux vous utilisez. La transcription est plus rapide avec Chrome ou Edge sur un ordinateur récent, et Tiny est le plus rapide des trois modèles.

Est-ce que ça marche sur téléphone ?

Ça peut marcher, sur les téléphones récents avec un navigateur à jour, mais ils ont bien moins de mémoire, donc la page ne propose que Tiny et Base. Les enregistrements courts passent mieux.