Transcription audio par IA
gratuite et illimitée

C’est entièrement gratuit. Il n’y a aucune limite de durée, de nombre de traitements, de nombre de caractères ni de taille de fichier, et aucune carte bancaire n’est requise. Seule varie la durée d’enregistrement traitable en une fois, qui dépend de la mémoire de votre appareil et du modèle sélectionné ; si un fichier dépasse cette capacité, la page vous l’indique avant le début du traitement.

Non. L’IA (Whisper ou SenseVoice) effectue l’inférence dans votre navigateur : votre audio ne quitte donc jamais votre appareil. Rien n’est stocké sur un serveur et rien n’est transmis à un tiers.

Non. Ouvrez la page, choisissez un fichier audio et la transcription démarre. Aucune adresse e-mail ne vous est jamais demandée.

Audio : MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA et AMR. Vidéo : MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS et 3GP. Vous pouvez glisser-déposer un fichier ou en choisir un dans le sélecteur de fichiers.

Oui. Chargez un fichier MP4, MOV, MKV, WebM ou AVI et le navigateur extrait sa piste audio pour la transcription. Inutile de le convertir d’abord en fichier audio. Une fois la transcription terminée, vous pouvez lire la vidéo avec le résultat affiché en sous-titres pour le vérifier et le corriger, ou la regarder avec des sous-titres traduits. La taille de fichier n’est pas limitée : les vidéos de plusieurs gigaoctets se chargent telles quelles. Les vidéos enregistrées depuis X (Twitter) avec X Video Downloader peuvent être chargées telles quelles ; pour extraire d’abord uniquement l’audio, utilisez Media Tools.

L’identification des locuteurs est prise en charge. Pour les enregistrements à plusieurs participants, comme les réunions ou les entretiens, chaque locuteur s’affiche dans une couleur différente. Le nombre de locuteurs est estimé automatiquement : il n’est donc normalement pas nécessaire de le définir. Les étiquettes de locuteurs peuvent être renommées à l’écran, les locuteurs séparés par erreur peuvent être fusionnés, et chaque ligne peut être réattribuée ou coupée. Lorsque WebGPU est disponible dans un navigateur autre que Firefox sur un PC et que le nombre de locuteurs reste sur Auto, l’identification utilise NVIDIA Nemotron 3 Diarization ; sinon, elle utilise pyannote, et dans les deux cas WeSpeaker sert à comparer les caractéristiques vocales.

Oui. Les transcriptions peuvent être exportées en sous-titres SRT et VTT (WebVTT) avec timecodes, prêts à être chargés dans des logiciels de montage vidéo ou sur des plateformes vidéo (la plupart des logiciels de montage acceptent le SRT). L’export en texte brut (TXT), Word (DOCX), PDF, CSV et JSON ainsi que la copie dans le presse-papiers sont aussi disponibles. Pour incruster directement le SRT exporté dans la vidéo, utilisez Media Tools (incrustation de sous-titres).

Oui. Ouvrez « Traduire » dans l’en-tête du résultat, choisissez les langues source et cible, et une traduction apparaît sous chaque ligne. Chaque format d’export peut contenir l’original, la traduction ou les deux. Si vous avez chargé une vidéo, la traduction peut aussi s’afficher en sous-titres pendant la lecture. La traduction utilise le traducteur intégré à Chrome 138+ et Edge 148+ pour ordinateur et s’exécute entièrement sur votre appareil : la transcription n’est donc envoyée nulle part. Elle n’est pas disponible sur smartphone ni dans Firefox et Safari. La première utilisation d’une langue télécharge son modèle de traduction.

Oui. Une fois le modèle d’IA téléchargé, la transcription fonctionne sans connexion réseau. La taille des modèles va d’environ 40 Mo à 5,2 Go selon celui que vous choisissez.

Choisir un modèle adapté à la langue améliore la précision. Pour le japonais, Haas-ja v1.0 est le plus précis des modèles disponibles : il fait environ 40 % d’erreurs en moins que SenseVoice Small (notre mesure sur de la parole lue). Il fonctionne uniquement sur les ordinateurs avec WebGPU, télécharge environ 710 Mo la première fois et prend environ 1/30 de la durée de l’audio pour le traitement (mesure sur un PC à GPU intégré). C’est le modèle par défaut pour le japonais sur les ordinateurs avec WebGPU dans Chrome ou Edge (sauf les Mac à puce Apple). Pour le chinois et le coréen, ainsi que pour le japonais ailleurs, par exemple sur les téléphones ou dans Safari et Firefox, le modèle par défaut SenseVoice Small est léger et rapide, et pour le japonais et le chinois il est au moins aussi précis que Whisper Large v3 Turbo. Pour les autres langues, les grands modèles sont plus précis ; sur les appareils compatibles WebGPU, Whisper Large v3 Turbo offre une précision proche du maximum tout en restant rapide (c’est le modèle par défaut sur les ordinateurs avec un GPU dédié). Pour l’anglais sur des appareils comme les PC Windows à GPU intégré et les téléphones, SenseVoice Small est le modèle par défaut ; il fait moins d’erreurs que Whisper Base et il est plus rapide. Sur les ordinateurs avec WebGPU, vous pouvez aussi choisir Qwen3-ASR 1.7B (environ 5,2 Go à télécharger la première fois), qui fait moins d’erreurs que Whisper Large v3 Turbo en japonais, en anglais et en chinois. Indiquer explicitement la langue plutôt que de laisser la détection automatique réduit aussi les erreurs. Pour les taux d’erreur et les temps de traitement que nous avons mesurés pour chaque modèle dans chaque langue, consultez Comparatif des modèles et comment choisir.

Oui, mais l’outil fonctionne en mode mémoire réduite (WASM) pour protéger l’appareil : la durée traitable en une fois est donc plus courte que sur un ordinateur. Pour les longs enregistrements, un ordinateur est recommandé.

Uniquement les statistiques nécessaires pour corriger les problèmes et améliorer les fonctions. Cela comprend les caractéristiques de votre appareil (modèle de GPU, mémoire, nombre de cœurs), le navigateur et le système d’exploitation, le modèle et la langue choisis, votre réglage d’identification des locuteurs (activé ou non, et le nombre de locuteurs défini), la langue d’affichage de la page, l’état d’avancement du traitement (y compris si vous l’avez arrêté ou avez fermé la page), le type et le texte de l’erreur, le format du fichier avec sa taille et sa durée approximatives, et le temps écoulé. Un numéro temporaire qui relie les traitements d’un même onglet est aussi envoyé (il est supprimé à la fermeture de l’onglet). Les mêmes champs sont aussi envoyés en cas de réussite, car il faut les deux pour calculer un taux d’échec. Sur l’écran des résultats, sont aussi envoyés le nombre d’utilisations de la modification (comme renommer des locuteurs ou couper des lignes), de la traduction, des résumés et des imports de sous-titres, les formats choisis dans « Télécharger », la fréquence d’utilisation de « Copier le texte » et de « Tout télécharger », et la paire de langues de traduction. L’audio, les transcriptions (y compris les noms de locuteurs et les traductions), les noms de fichiers et les adresses IP ne sont jamais envoyés, et les données vont uniquement au serveur de ce site, jamais à un service tiers. Vous pouvez désactiver cet envoi à tout moment avec l’interrupteur de la section « Aidez-nous à améliorer le service » en bas de la page.

Oui. Dans « Télécharger », en dessous du résultat, choisissez « Word (DOCX) » pour enregistrer un document qui s’ouvre dans Word. Le PDF s’enregistre via la fonction d’impression de votre navigateur : choisissez « PDF », puis enregistrez en PDF dans la boîte de dialogue d’impression qui s’ouvre (sur iPhone et iPad, utilisez le bouton de partage de l’écran d’impression et enregistrez dans Fichiers). Le CSV pour les tableurs et le JSON pour les programmes sont aussi disponibles. Chaque format est créé dans votre navigateur : la transcription n’est donc envoyée nulle part.

Oui. Appuyez sur « Enregistrer avec le micro » pour enregistrer avec le micro de votre ordinateur ou de votre téléphone. Appuyez sur « Arrêter l’enregistrement », puis sur « Lancer la transcription », et l’enregistrement est transcrit. L’enregistrement n’est envoyé nulle part non plus ; il est conservé dans l’historique de cet appareil. Vous pouvez enregistrer jusqu’à 3 heures, ou moins selon la mémoire de votre appareil et le modèle sélectionné ; la limite s’affiche avant le début de l’enregistrement. Sur un téléphone, verrouiller l’écran ou passer à une autre application pendant l’enregistrement peut l’interrompre.

Oui. Choisissez plusieurs fichiers dans le sélecteur de fichiers ou déposez-les ensemble : ils sont transcrits un par un avec les mêmes réglages (modèle, langue et identification des locuteurs). Chaque résultat est enregistré dans l’historique de cet appareil. Une fois tout terminé, choisissez TXT, Word, SRT, VTT, CSV ou JSON dans « Tout télécharger » pour enregistrer les résultats dans un seul fichier ZIP, avec un fichier par transcription. Les fichiers impossibles à traiter sont ignorés et le suivant démarre. Tout le traitement s’exécute dans votre navigateur, et les fichiers ne sont envoyés nulle part.

Oui. Dans Chrome ou Edge (version 138 ou ultérieure) sur ordinateur, appuyez sur « Résumer » sur l’écran des résultats : l’IA intégrée au navigateur (Gemini Nano) transforme la transcription en liste de points clés. Le résumé est lui aussi créé dans votre navigateur : la transcription n’est donc envoyée nulle part. Lorsque vous enregistrez en Word, TXT ou PDF, le résumé figure en tête : vous pouvez donc l’utiliser comme première version d’un compte rendu de réunion. Les résumés sont disponibles en japonais, anglais, espagnol, allemand et français. La première fois, le navigateur télécharge un modèle d’IA, ce qui nécessite 22 Go d’espace libre et soit 16 Go de mémoire, soit un GPU avec plus de 4 Go de VRAM. Cette fonction ne fonctionne pas sur les téléphones, ni dans Firefox ou Safari.

Oui. Choisissez un fichier de sous-titres SRT ou VTT dans le sélecteur de fichiers : il s’ouvre sur l’écran des résultats sans transcription. Vous pouvez corriger le texte et les temps des lignes, couper ou supprimer des lignes, traduire et résumer, puis enregistrer en SRT, VTT, TXT, Word et plus depuis « Télécharger » (ce qui convertit aussi le SRT en VTT). Choisissez le fichier de sous-titres avec un fichier vidéo (ou audio) pour lire la vidéo avec les sous-titres affichés. La lecture du fichier se fait aussi dans votre navigateur, et les fichiers ne sont envoyés nulle part.