SceneMixer
Français
S'inscrire gratuitement

Reconnaissance vocale

En bref : La reconnaissance vocale, aussi appelée dictée vocale ou speech to text, transforme la parole en texte écrit : un modèle écoute l’audio, reconnaît les mots et ajoute la ponctuation, soit en direct pendant que vous parlez, soit à partir d’un fichier enregistré. Elle est fiable sur une parole claire avec un accent courant ; les noms propres, les chiffres, le jargon et les voix qui se superposent demandent encore une relecture. Sur SceneMixer, la reconnaissance vocale cale les sous-titres sur chaque réplique, tandis que les mots viennent de votre script.
Image extraite de « La Dernière Enveloppe », un court métrage IA généré de bout en bout par SceneMixer (6 personnages, 1 épisode)
ExempleLa Dernière EnveloppeHD Numérique1 épisodeProduit de bout en bout par SceneMixer à partir du scriptRegarder les épisodes

Comment fonctionne la reconnaissance vocale

L’audio est découpé en courtes tranches, puis transformé en image de ses fréquences dans le temps. Un modèle entraîné sur des milliers d’heures de parole avec leurs transcriptions lit cette image et prédit les mots les plus probables, en utilisant la phrase entière pour trancher entre des mots qui se ressemblent, comme « ça » et « sa ». Les systèmes modernes ajoutent ensuite la ponctuation et les majuscules, et certains indiquent qui parle et à quel moment chaque mot commence.

Dictée vocale ou transcription audio en texte : dictée en direct et transcription de fichiers

Dictée vocale (en direct)Transcrire un audio en texte (fichiers)
EntréeVotre voix dans un microUn enregistrement : réunion, entretien, podcast, note vocale
VitesseLes mots apparaissent pendant que vous parlezQuelques minutes d’audio en une fraction du temps
LocuteursUn seulSouvent plusieurs, étiquetés
SortieTexte dans l’application où vous écrivezUne transcription, un document ou un fichier de sous-titres
Usage typiqueMessages, notes, écriture mains libresNotes, citations, sous-titres, recherche

Transcrire un audio en texte avec précision

  1. Enregistrez près du micro, dans une pièce calme ; c’est plus important que l’outil.
  2. Réglez la langue et la région au lieu de compter sur la détection automatique.
  3. Ajoutez noms, marques et jargon au vocabulaire personnalisé de l’outil, s’il en a un.
  4. Relisez la transcription face à l’audio à quelques endroits, puis vérifiez chaque chiffre et chaque nom.
  5. Gardez les horodatages : ils vous permettent de revenir de la citation au moment où elle a été dite.

Reconnaissance vocale gratuite : ce que limitent en général les outils gratuits

La dictée intégrée aux téléphones et aux ordinateurs est gratuite pour écrire à la voix. Les convertisseurs audio en texte gratuits limitent en général les minutes par mois ou la durée de chaque fichier, restreignent les formats d’export, ou n’affichent pas les étiquettes de locuteurs. Les outils qui tournent sur votre ordinateur gardent vos enregistrements privés ; les outils en ligne envoient l’audio, lisez donc combien de temps ils le conservent et s’ils s’en servent pour entraîner leurs modèles.

Là où la reconnaissance vocale se trompe encore

La reconnaissance vocale pour les sous-titres

Les sous-titres demandent plus qu’une transcription : le texte est découpé en lignes courtes et chaque ligne est calée sur le moment où elle est dite, puis enregistrée en fichier SRT ou VTT ou incrustée dans l’image. Quand le texte est déjà écrit, comme dans une vidéo scénarisée, mieux vaut garder le texte du script et ne laisser la reconnaissance vocale que trouver le calage.

Liste de contrôle d’une transcription

  1. Langue et région réglées.
  2. Noms, chiffres et jargon vérifiés.
  3. Locuteurs étiquetés comme vous en avez besoin.
  4. Horodatages conservés.
  5. Autorisation d’enregistrer, de transcrire et de publier.
Transcrire la paroleSous-titres à partir d’un script
Les mots viennent deCe que le moteur entendLe script tel qu’écrit
Noms et orthographeÀ vérifierExactement tels qu’écrits
Le calage vient deL’audioLes voix de la vidéo
Idéal pourEnregistrements sans scriptVidéos réalisées à partir d’un script

FAQ

SceneMixer dispose-t-il d’un outil de reconnaissance vocale ?

Pas comme outil séparé pour vos enregistrements : SceneMixer accepte du texte, des images et des vidéos, pas des fichiers audio. Dans le produit, la reconnaissance vocale sert à caler les sous-titres et à lire les répliques d’un clip que vous refaites.

Les sous-titres SceneMixer sont-ils une transcription ?

Non. Les mots sont les répliques de votre script, donc les noms sortent exactement comme vous les avez écrits ; SceneMixer ne reconnaît la parole que pour trouver le moment où chaque réplique est dite.

Puis-je obtenir un fichier SRT depuis SceneMixer ?

Oui, pour un épisode complet : cochez Ajouter des sous-titres au moment de l’exporter sur SceneMixer, puis utilisez Télécharger le SRT.

Comment SceneMixer lit-il les répliques d’une vidéo que j’importe ?

Dans l’onglet Refaire, chaque plan de votre clip est écouté par un moteur de reconnaissance vocale, et SceneMixer reporte ce qu’il a entendu dans le nouveau storyboard au lieu de deviner à partir des mouvements des lèvres.

Que se passe-t-il si SceneMixer ne parvient pas à saisir une réplique ?

Elle est laissée de côté plutôt qu’inventée. Comparez le storyboard avec votre clip et ajoutez la réplique manquante à ce plan dans l’éditeur de SceneMixer.

Les sous-titres coûtent-ils des crédits sur SceneMixer ?

Non. Les sous-titres ne coûtent pas de crédits sur SceneMixer ; ils sont disponibles pour les comptes ayant effectué au moins un achat.

Des sous-titres qui écrivent bien les noms

Écrivez le script, générez l’épisode, et exportez des sous-titres calés sur les voix.

Démarrer un projet

Mis à jour le 20 novembre 2026