La confidentialité avant tout
Les fichiers importés sont automatiquement et définitivement supprimés dans un délai de deux heures.
Suppression automatique
Conversion de la parole en texte
Dictez une dictée, une narration, des notes de cours, des réponses d’interview ou une brève voix off directement dans le navigateur, ou importez un enregistrement, puis recevez les mots dans un fichier texte brut (.txt, UTF 8). La transcription utilise Whisper, le modèle open source de reconnaissance vocale, sur nos propres serveurs, dans environ 100 langues détectées automatiquement.
-
Enregistrez: parlez dans l’enregistreur du navigateur — jusqu’à 30 minutes par prise — ou importez des fichiers MP3, WAV, M4A, AAC, OGG, FLAC ou WebM.
-
Transcription: Whisper transcrit les paroles avec ponctuation ; marquez éventuellement les changements d’intervenant pour les entretiens et les réunions. Sortie : un fichier texte brut (.txt, UTF 8).
-
Confidentiel: aucun fichier n’est importé tant que vous n’avez pas confirmé. L’audio et la transcription sont supprimés automatiquement après le traitement, au plus tard dans les quelques heures qui suivent.
Transcription
Comment fonctionne la conversion de la parole en texte
La page associe un enregistreur intégré au navigateur à un système de transcription GPU. L’enregistrement utilise l’interface MediaRecorder intégrée à Chrome, Firefox, Edge et Safari ; la reconnaissance est assurée par Whisper, le modèle open source publié par OpenAI, exécuté sur notre propre matériel plutôt que via une API tierce.
Comment utiliser Converter App
1
Enregistrez ou importez
Cliquez sur « Enregistrer avec votre microphone », autorisez l’accès une fois, puis parlez. Un minuteur et un indicateur de niveau confirment que le son est bien capté. Vous pouvez aussi importer un enregistrement existant : les mémos vocaux de n’importe quel téléphone conviennent.
2
Vérifier et démarrer
Écoutez l’enregistrement dans la boîte de dialogue. Activez « Détecter plusieurs intervenants » pour les interviews et les réunions (cette option indique qui parle, mais prend nettement plus de temps). Lancez ensuite la transcription.
3
Télécharger la transcription
La progression s’affiche pendant le traitement du modèle ; quelques minutes d’audio sont généralement transcrites en bien moins d’une minute. Téléchargez un fichier texte brut (.txt, UTF 8) depuis la page de résultats.
Fonctionnalités clés
Whisper en coulisses
Whisper est entraîné sur 680 000 heures d’audio multilingue et gère bien mieux les accents, les bruits de fond et le vocabulaire technique que les moteurs de dictée d’il y a quelques années. La langue est détectée automatiquement.
Détection des intervenants à la demande
Pour les conversations, la détection facultative des interlocuteurs indique les changements de locuteur dans la transcription. Elle double environ le temps de traitement, c’est pourquoi elle est désactivée par défaut.
Sortie texte adaptée à votre flux de travail
La transcription est enregistrée sous forme de fichier texte brut UTF 8 avec une ponctuation et des sauts de paragraphe normaux. Elle peut donc être ouverte dans n’importe quel éditeur, traitement de texte ou application de notes, puis collée où vous le souhaitez.
Gratuit et privé
Aucun compte, aucun filigrane, aucun compteur d’essai. L’enregistrement ne quitte jamais votre appareil tant que vous ne confirmez pas, et l’audio comme la transcription sont automatiquement supprimés après le traitement.
Expérience et confidentialité
Conçu pour des workflows de transcription fiables.
Développé par des ingénieurs ayant plus de 10 ans d’expérience dans les infrastructures à grande échelle, les systèmes de données et le calcul scientifique. Conçu pour les flux de travail audio réels où la confidentialité, la fiabilité du traitement et l’ergonomie pratique sont essentielles.
Approuvé par les utilisateurs
Noté 5 étoiles sur Trustpilot pour sa rapidité, sa fiabilité et sa facilité d’utilisation.
Confiance des utilisateurs
Usage académique
Mentionné dans des recherches publiées et utilisé pour la transcription d’entretiens et l’analyse qualitative des données.
Usage à des fins de recherche
Comment la parole devient du texte sur cette page
Votre navigateur enregistre le microphone au format audio Opus (Chrome, Firefox, Edge) ou AAC (Safari) et le conserve en mémoire. Lorsque vous confirmez, le fichier est envoyé via HTTPS vers l’un de nos serveurs de transcription.
Là, ffmpeg décode l’audio et Whisper – un modèle open source de reconnaissance vocale – le transforme en texte en une seule étape, avec la ponctuation et les sauts de phrase. Si la détection des locuteurs est activée, un modèle de diarisation sépare d’abord l’audio par locuteur, puis la transcription est annotée en conséquence.
La transcription est enregistrée sous forme de fichier texte UTF 8 brut avec une ponctuation normale et des sauts de paragraphe. Elle peut donc être ouverte dans n’importe quel éditeur, traitement de texte ou application de notes, et collée n’importe où. La page de résultat vous permet de la télécharger ; l’audio et la transcription sont ensuite supprimés automatiquement.
Conseils d’enregistrement plus importants que n’importe quel réglage
La reconnaissance vocale dépend avant tout de la qualité audio. Trois éléments font la plus grande différence : la distance, le bruit et les chevauchements de parole. Gardez le microphone à 10–20 cm de votre bouche ; un téléphone tenu près de vous est plus efficace qu’un ordinateur portable posé à l’autre bout de la table. Éteignez les ventilateurs, fermez la fenêtre et évitez les pièces avec une forte réverbération.
Parlez à un rythme normal et terminez vos phrases : le modèle utilise le contexte, donc les phrases inachevées et les mots de remplissage produisent un texte moins bon qu’une parole complète, même légèrement plus lente. Pour les entretiens, demandez aux personnes de ne pas parler en même temps ; les paroles qui se chevauchent constituent le cas le plus difficile pour tout système de reconnaissance vocale.
Écoutez l’aperçu avant de commencer. Si le vumètre bouge à peine ou reste constamment au maximum, enregistrez à nouveau plutôt que d’espérer obtenir une transcription correcte.
Utilisations courantes de la transcription vocale en texte
Cet outil est utilisé par les enseignants, les podcasteurs, les journalistes et toute personne qui réfléchit plus vite à voix haute qu’au clavier : rédiger un e-mail ou un article en parlant, consigner le compte rendu d’une réunion, transformer un cours ou un mémo vocal en notes consultables, transcrire des réponses d’entretien pour des recherches et obtenir une version lisible d’un message vocal qui ne peut pas être écouté pour le moment.
Comme Whisper détecte automatiquement la langue, cette même page fonctionne pour une dictée en allemand, une note vocale en espagnol ou un cours en anglais, sans aucun réglage. La transcription n’est pas traduite : elle est rédigée dans la langue parlée.
Pour les fichiers audio existants — podcasts, cours, appels — les convertisseurs audio en texte et MP3 en texte de ce site utilisent le même moteur avec les mêmes options.
Ce que cet outil ne fait pas
Il ne traduit pas : les transcriptions sont dans la langue parlée. Il ne génère pas de minutage pour les sous-titres ; pour les fichiers SRT ou VTT, utilisez les convertisseurs de sous-titres de ce site. Il n’identifie pas les intervenants par leur nom, mais uniquement les changements d’intervenant lorsque la détection des intervenants est activée. Il ne peut pas non plus restituer les mots inaudibles dans l’enregistrement.
Les noms propres, les noms de produits et les abréviations rares sont les erreurs les plus fréquentes ; une relecture rapide du résultat en y prêtant attention suffit généralement pour corriger une transcription issue d’un enregistrement de bonne qualité.
FAQ
Questions fréquentes
Quelle est la précision de la transcription ?
Avec un enregistrement clair et un seul intervenant, Whisper transcrit généralement correctement bien plus de 90 % des mots dans les principales langues, y compris la ponctuation. La précision diminue en cas de bruit de fond important, lorsque plusieurs personnes parlent en même temps, avec un audio très faible ou un dialecte prononcé ; les conseils d’enregistrement ci-dessous sont plus utiles que n’importe quel réglage.
Quelles langues sont prises en charge ?
Whisper reconnaît environ 100 langues et détecte automatiquement la langue dès les premières secondes de l’audio, sans aucun réglage nécessaire. Les enregistrements multilingues sont transcrits dans la langue dominante. La transcription est rédigée dans la langue parlée ; elle n’est pas traduite.
L’audio est-il importé pendant que je parle ?
Non. L’enregistreur conserve l’audio dans votre navigateur jusqu’à ce que vous appuyiez sur le bouton dans la boîte de dialogue. Si vous annulez ou fermez l’onglet, rien n’est envoyé. Les fichiers importés et les transcriptions sont supprimés automatiquement après le traitement.
Quelle peut être la durée de l’enregistrement ?
L’enregistreur dans le navigateur s’arrête après 30 minutes ; les fichiers importés peuvent être plus longs. Le temps de traitement augmente avec la durée de l’audio, et la détection des locuteurs ajoute environ la même durée.
Que fait « Détecter plusieurs intervenants » ?
Il exécute une étape de diarisation des locuteurs avant la transcription et insère un repère à chaque changement de locuteur. Utilisez-la pour les interviews, les réunions et les podcasts ; désactivez-la pour la dictée et les notes vocales, où elle ne fait qu’ajouter du temps d’attente.
Puis-je modifier le texte par la suite ?
Oui : le résultat est un fichier .txt brut. Ouvrez-le dans n’importe quel éditeur, corrigez les noms ou termes techniques mal interprétés par le modèle, puis collez-le là où vous en avez besoin. Les noms propres et les abréviations rares sont les éléments à vérifier en priorité.