Reconnaissance vocale

Voir aussi : transcripteur vidéo IA · sous-titres pour un drame IA · synthèse vocale IA.
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) | |
|---|---|---|
| Entrée | Votre voix dans un micro | Un enregistrement : réunion, entretien, podcast, note vocale |
| Vitesse | Les mots apparaissent pendant que vous parlez | Quelques minutes d’audio en une fraction du temps |
| Locuteurs | Un seul | Souvent plusieurs, étiquetés |
| Sortie | Texte dans l’application où vous écrivez | Une transcription, un document ou un fichier de sous-titres |
| Usage typique | Messages, notes, écriture mains libres | Notes, citations, sous-titres, recherche |
Transcrire un audio en texte avec précision
- Enregistrez près du micro, dans une pièce calme ; c’est plus important que l’outil.
- Réglez la langue et la région au lieu de compter sur la détection automatique.
- Ajoutez noms, marques et jargon au vocabulaire personnalisé de l’outil, s’il en a un.
- Relisez la transcription face à l’audio à quelques endroits, puis vérifiez chaque chiffre et chaque nom.
- 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
- Noms et mots rares : souvent mal orthographiés.
- Chiffres : « quinze » et « cinquante » se confondent facilement.
- Voix qui se chevauchent : quand deux personnes parlent en même temps, des mots de chacune se perdent.
- Musique et bruit : la parole sous une musique forte disparaît par moments.
- Accents et langues mêlées : changer de langue au milieu d’une phrase déroute beaucoup d’outils.
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
- Langue et région réglées.
- Noms, chiffres et jargon vérifiés.
- Locuteurs étiquetés comme vous en avez besoin.
- Horodatages conservés.
- Autorisation d’enregistrer, de transcrire et de publier.
| Transcrire la parole | Sous-titres à partir d’un script | |
|---|---|---|
| Les mots viennent de | Ce que le moteur entend | Le script tel qu’écrit |
| Noms et orthographe | À vérifier | Exactement tels qu’écrits |
| Le calage vient de | L’audio | Les voix de la vidéo |
| Idéal pour | Enregistrements sans script | Vidéos 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.
Mis à jour le 20 novembre 2026