Outil de transcription audio et vidéo par lots

Transcrivez hors ligne par lots des fichiers vidéo et audio en texte, puis exportez en un clic aux formats de sous-titres et de texte TXT, SRT, VTT, JSON, LRC et CSV.

Signaler un bug

Chargement de l’outil, veuillez patienter...

Si l’outil en ligne ne se charge pas ou ne fonctionne pas, essayez l’outil de bureau. https://tools.yikeaigc.com/

Utilisation de l’outil

Retour à l’ancienne version

Une version de bureau est disponible avec des fonctionnalités plus puissantes et stables. Ouvrir la version bureau

Instructions

Instructions d’utilisation du logiciel

Ajouter les fichiers à reconnaître : cliquez sur le bouton "选择文件" ou "选择文件夹" pour ajouter les fichiers vidéo ou audio à convertir en texte. Vous pouvez aussi faire glisser directement des fichiers ou dossiers dans la fenêtre du logiciel. L’ajout par lots de formats audio et vidéo courants est pris en charge, notamment MP4, MKV, MOV, AVI, FLV, WebM, MP3, WAV, FLAC, M4A, y compris en mélangeant plusieurs formats.
Définir le dossier d’enregistrement : choisissez l’emplacement où enregistrer les sous-titres et textes traités, avec prise en charge du glisser-déposer. Si l’option "遍历子目录" est cochée, vous pouvez également cocher "保持原路径结构" : les fichiers de sortie correspondront alors à la structure des dossiers source.
Choisir le format de sortie :
- TXT : texte brut, idéal pour organiser des documents et comptes rendus de réunion
- SRT / VTT : formats de sous-titres avec horodatage, utilisables directement avec une vidéo
- JSON : données structurées, pratiques pour le développement secondaire et le traitement par programme
- LRC : format de paroles, adapté à la musique et aux livres audio
- CSV : format tableau, pratique pour l’édition et la relecture dans Excel
Configurer les paramètres de reconnaissance :
- Chemin du modèle : utilise par défaut le modèle de reconnaissance chinoise Paraformer, la détection d’activité vocale FSMN et le modèle de ponctuation CT
- Durée de traitement par lot : définit la durée audio maximale pour une inférence unique
- Durée maximale d’un segment VAD en millisecondes : contrôle la granularité du découpage des segments vocaux
- Liste de mots-clés : saisissez des noms propres, noms de personnes et marques afin d’améliorer la précision de reconnaissance
- Stratégie ignorer/écraser : choisissez d’ignorer ou d’écraser les fichiers de sortie déjà existants
Démarrer la reconnaissance par lots : cliquez sur le bouton "开始识别" ; le logiciel extrait automatiquement la piste audio, segmente la parole, effectue la transcription par inférence et ajoute la ponctuation. Pendant le traitement, vous pouvez consulter la progression dans la zone de journal ; cliquez sur le bouton "停止" si vous devez interrompre l’opération.
Consulter et utiliser les résultats : une fois la reconnaissance terminée, ouvrez le dossier d’enregistrement défini pour consulter les fichiers au format correspondant. Les sous-titres SRT/VTT peuvent être directement glissés dans un logiciel de montage ou un lecteur.

Questions fréquentes

R : Les vidéos prises en charge incluent MP4, MKV, MOV, AVI, FLV, WMV, WebM, M4V, MPG, TS, 3GP, RMVB, etc. Les formats audio pris en charge incluent MP3, WAV, FLAC, AAC, OGG, M4A, WMA, OPUS, AC3, AMR, APE, etc. Vous pouvez ajouter des fichiers vidéo et audio dans un même lot ; le logiciel les reconnaît automatiquement et extrait la piste audio.

R : Le logiciel utilise une reconnaissance locale hors ligne, sans connexion Internet nécessaire pendant tout le processus. Les fichiers de modèle sont placés dans le dossier models du répertoire racine du programme. Basé sur le modèle chinois Paraformer de FunASR, il offre une bonne précision pour la reconnaissance du mandarin ; l’utilisation d’une liste de mots-clés permet d’améliorer encore la reconnaissance des noms propres, noms de personnes et termes spécialisés.

R : TXT convient à l’organisation de textes et de contenus d’écriture ; SRT et VTT sont des formats de sous-titres courants, utilisables avec des lecteurs vidéo et web ; JSON contient les horodatages complets et les informations de segments, pratique pour le développement secondaire ; LRC convient à la musique et aux livres audio ; CSV facilite la relecture et l’édition par plage temporelle dans Excel. Vous pouvez cocher plusieurs formats pour les exporter simultanément.

R : Dans le champ des mots-clés prioritaires, saisissez les noms propres facilement mal reconnus, par exemple des noms de personnes, d’entreprises, de produits, des termes techniques, etc. Séparez plusieurs mots par des espaces ou des retours à la ligne. Le moteur de reconnaissance donnera la priorité à ces mots, avec un effet particulièrement visible pour les contenus sectoriels, les présentations orales de créateurs et les formations d’entreprise.

R : Cette option est disponible après avoir coché « parcourir les sous-répertoires ». Une fois activée, les fichiers de sortie généreront les sous-dossiers correspondants selon la hiérarchie des dossiers source, ce qui facilite l’archivage et la gestion de grands volumes de contenus. En cas de noms de fichiers en double, un numéro sera automatiquement ajouté à la fin du nom pour les distinguer.

R : Le logiciel intègre une détection d’activité vocale VAD, qui découpe d’abord automatiquement les longs audios selon les segments de silence, puis envoie les segments au modèle de reconnaissance selon le paramètre « durée de traitement par lot ». En théorie, les vidéos de plusieurs heures peuvent également être traitées intégralement. La vitesse de reconnaissance dépend des performances du CPU de l’ordinateur ; il est recommandé de fermer les autres programmes très gourmands lors du traitement de grands volumes de contenus.

R : Le modèle par défaut est Paraformer chinois, qui prend bien en charge le mandarin et les contenus mixtes chinois-anglais ; ses performances sont relativement moyennes pour la reconnaissance de dialectes comme le cantonais, le sichuanais ou le minnan. Si votre contenu est principalement en dialecte, il est recommandé d’adapter d’abord les habitudes de prononciation ou de remplacer le chemin par défaut par un modèle plus approprié.

R : Le logiciel active par défaut le modèle de ponctuation CT-Punc, qui ajoute automatiquement des virgules, des points, des points d’interrogation et d’autres signes de ponctuation aux résultats de reconnaissance. Si vous constatez l’absence de ponctuation, vérifiez que le chemin du modèle de ponctuation dans les paramètres pointe correctement vers le répertoire ct-punc du dossier models, et assurez-vous que les fichiers du modèle sont complets.