Parole en TXT.

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 importé via HTTPS vers l’un de nos serveurs de transcription.

Sur ce serveur, ffmpeg décode l’audio et Whisper – un modèle open source de reconnaissance vocale – le transforme en texte en une seule passe, avec la ponctuation et les retours à la ligne entre les phrases. Si la détection des locuteurs est activée, un modèle de diarisation sépare d’abord l’audio par locuteur et 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, afin de pouvoir être ouverte dans n’importe quel éditeur, traitement de texte ou application de notes, puis 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 voix. 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 très réverbérantes.

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 précis qu’une élocution complète, même légèrement plus lente. Pour les entretiens, demandez aux participants 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 niveau sonore bouge à peine ou reste constamment au maximum, réenregistrez plutôt que d’espérer obtenir une transcription correcte.

Utilisations courantes de la conversion de parole en TXT

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, enregistrer le compte rendu d’une réunion, transformer un cours ou un mémo vocal en notes consultables, transcrire des réponses d’entretien pour la recherche 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 déjà 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 permet pas de faire

Il ne traduit pas : les transcriptions sont dans la langue parlée. Il ne génère pas de minutage de 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 reconstituer 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 comme seule correction pour un enregistrement clair.