Convertisseur MP3 en texte — transcription IA

La compression que vous entendez n'est pas celle qu'il lit

Le MP3 jette les fréquences que votre oreille ne manquera pas, et la reconnaissance vocale suit volontiers la même logique : ce dont dépend une transcription — phonèmes, frontières de syllabes, contour mélodique de la phrase — survit intact à une compression MP3 ordinaire. Un podcast exporté à un débit normal transporte encore l'essentiel du contenu linguistique qu'exige le moteur ; transcrire depuis du MP3 n'est donc pas un compromis. La parole occupe une bande de fréquences bien plus étroite que la musique, et les débits ordinaires la préservent largement — les artefacts audibles se logent dans les cymbales et les queues de réverbération, pas dans la différence entre « quinze » et « cinquante ».

Techniquement, votre fichier est d'abord décodé en audio WAV propre, et c'est sur lui que tourne la chaîne de transcription FunASR. Vous ne voyez jamais ce fichier intermédiaire ; il existe pour que le modèle acoustique affronte toujours une entrée uniforme, quels que soient le débit et la fréquence d'échantillonnage de votre MP3. Pour vous, le format n'est qu'un emballage ; pour le moteur, les mots ont toujours été la cargaison.

Trois fichiers, quand l'audio s'y prête

Le fichier TXT est le produit central : la transcription complète en texte brut, prête à être citée, corrigée ou archivée. Toute tâche réussie la produit, et aucun logiciel particulier n'est requis pour l'ouvrir — c'est le format que toutes les applications de notes, tous les éditeurs et toutes les fenêtres de messagerie acceptent sans y penser.

Les fichiers SRT et dialogue sont fournis au mieux, sans promesse. Ils reposent sur ce que le moteur déduit du minutage et de la segmentation ; une parole clairsemée, des interlocuteurs qui se coupent ou de longues silences peuvent lui en laisser trop peu, et l'un ou l'autre manque alors. Une tâche qui ne rend que le TXT a réussi — la page ne prétend pas que les trois arrivent toujours ensemble. Quand ils existent, les horodatages du SRT restent alignés sur l'audio, et le fichier dialogue regroupe les énoncés en blocs lisibles.

Si les sous-titres comptent pour votre flux, consultez la page de résultat avant de fermer l'onglet : chaque produit généré y est listé, et un SRT absent parle de votre audio, pas de la tâche.

Là où il brille, là où il peine

Le moteur est la chaîne FunASR bâtie sur paraformer-zh, un modèle optimisé pour le chinois. Le chinois se transcrit le mieux, et le mixte chinois-anglais — comme sonnent réellement les réunions tech et les revues de produit — est une force réelle : le modèle change de langue en pleine phrase sans lâcher le fil. Un enregistrement qui mêle présentation en mandarin et noms de produits, mentions d'API et chiffres en anglais est précisément le cas pour lequel le modèle est fait.

L'audio purement étranger reste le point faible avoué : l'anglais seul et les autres langues donnent une qualité limitée, et le bruit ou les accents marqués aggravent encore les choses. Le dire franchement vaut mieux qu'une transcription fausse mais assurée.

Deux limites s'ajoutent. L'audio de plus de 30 minutes n'est pas accepté : découpez les enregistrements longs avant le téléversement. Et les informations de locuteur reflètent ce que produit le moteur — elles peuvent manquer, sans promesse forte de séparation des locuteurs.

Délais, coût et confidentialité

La plupart des conversions se terminent en quelques minutes ; le plafond de la tâche est d'environ 45 minutes, de quoi couvrir les enregistrements acceptés les plus lents, et la progression s'affiche pendant le travail du moteur. Décoder le MP3 ne pèse presque rien à l'horloge — c'est la transcription qui la domine. Un enregistrement de 30 minutes est le cas accepté le plus lourd, et le plafond est calé pour lui.

L'outil est gratuit, aucun compte requis, et votre MP3 téléversé comme chaque fichier généré sont effacés automatiquement — chaque fichier est supprimé sous 24 heures. Téléversement en HTTPS, traitement en mémoire sur le cluster de conversion, aucun réseau publicitaire tiers sur la page. Aucune adresse e-mail n'est demandée à aucun moment.