Le parlé d'une vidéo avec Whisper, sur place et avec les temps
Le son est lu dans l'onglet, le modèle arrive une fois dans le navigateur. « Rapide (Whisper tiny, ~40 Mo) » ou « Meilleure (Whisper base, ~80 Mo) ». Au-delà de 30 minutes, refus. La vidéo elle-même ne part pas vers un serveur.
Langue fixée, ou reconnue seule
« Langue parlée » avec « Détecter automatiquement », ou vous choisissez la langue. « Inclure les horodatages » est coché au départ. Une voix claire, une personne, donne le meilleur résultat.
TXT, SRT, VTT et DOCX
« Télécharger la transcription » précède les boutons TXT, SRT, VTT et DOCX. « Copier le texte » prend les mots. Chrome et Edge peuvent utiliser la carte graphique avec WebGPU, sinon WebAssembly calcule sur le processeur.
Passer une vidéo en texte, l'audio reste sur l'appareil
-
Un fichier qui vous appartient. GustKit ne va pas chercher une vidéo depuis un lien.
-
Laissez la détection, ou fixez la langue. Rapide pour un brouillon clair, Meilleure avec un accent et du bruit.
-
Appuyez sur « Transcrire en texte ». Seuls les fichiers du modèle sont chargés, pas votre son.
-
TXT, SRT, VTT ou DOCX. SRT et VTT vont aux lecteurs qui chargent des sous-titres.
Des temps et des sous-titres, calculés là où est le fichier
-
SRT et VTT
À côté du TXT et d'un DOCX que vous pouvez reprendre.
-
Deux tailles de Whisper
Tiny pour le brouillon, base quand il faut plus juste.
-
WebGPU si le navigateur sait
Chrome et Edge avec WebGPU vont nettement plus vite. Le résultat reste privé.
-
Horodatages cochés
Vous revenez à l'endroit dans la vidéo.
-
Le son reste ici
C'est le modèle qui est téléchargé. Pas l'enregistrement.
-
Jusqu'à 30 minutes
Plus long est trop lent sur l'appareil. Coupez l'enregistrement.
Questions sur la vidéo en texte
Combien de langues cette transcription comprend-elle ?
Whisper en connaît environ 99, dont le français, l'anglais et l'espagnol. La langue choisie vise mieux, la détection marche aussi.
Quelle durée de vidéo peut devenir du texte ?
Jusqu'à 30 minutes. Au-delà la page s'arrête, parce que le calcul se fait sur votre appareil.
Ma vidéo part-elle vers un serveur d'IA ?
Non. Seuls les fichiers du modèle arrivent. Le son est lu sur place et ne quitte pas l'appareil.
Quelle différence entre les deux modèles ?
« Rapide (Whisper tiny, ~40 Mo) » suffit si la voix est claire. « Meilleure (Whisper base, ~80 Mo) » tient mieux l'accent et le bruit de fond.
Quel fichier est le sous-titre ?
SRT ou VTT, via « Télécharger la transcription ». TXT est le texte seul, DOCX se reprend ensuite.
La page sépare-t-elle les voix ?
Elle donne les mots avec les temps. Elle ne pose pas de noms de locuteurs à côté.