Convertisseur WAV en texte — transcription IA

De l'audio brut au texte exploitable

Le WAV est un enregistrement à son état le plus honnête : du PCM non compressé, exactement ce que le micro a capté, sans artefact de codec entre le moteur et la forme d'onde. Confiez un WAV à la transcription et aucune étape de décodage ne peut dérailler, aucun choix de compression n'a à être deviné par le modèle acoustique. Le son entre, les mots sortent, et rien entre les deux n'a pu les abîmer. Si les applications d'enregistrement choisissent le WAV par défaut, ce n'est pas un hasard — personne n'a rien décidé à votre place avant le début de la transcription. La parole occupe une bande de fréquences bien plus étroite que la musique, et un fichier non compressé la conserve intégralement.

Ce que vous recevez dépasse le pavé de texte. À côté d'un TXT brut contenant la transcription intégrale, la chaîne peut produire un fichier de sous-titres SRT horodaté et une vue en dialogue qui découpe le texte en segments. Ces trois produits couvrent les trois usages d'un compte rendu : le lire, sous-titrer avec lui, l'explorer ensuite.

Trois fichiers, quand l'audio s'y prête

Le fichier TXT est le produit central : la transcription complète en texte brut, prête à être corrigée, cherchée ou collée n'importe où. Toute tâche réussie le produit, et n'importe quel éditeur de texte suffit pour l'ouvrir.

Les fichiers SRT et dialogue sont des extras fournis au mieux, pas des garanties. Ils dérivent de ce que le moteur peut déduire du minutage et de la segmentation, et certains enregistrements — parole clairsemée, chevauchements, longues silences — lui en laissent trop peu : l'un ou l'autre peut alors manquer. Une tâche qui ne rend que le TXT n'a pas échoué ; la page refuse de promettre trois fichiers à chaque coup. Quand ils existent, les horodatages du SRT restent alignés sur l'audio, et la vue en dialogue regroupe les énoncés en blocs lisibles.

Si le sous-titrage compte pour votre flux, vérifiez la page de résultat avant de fermer l'onglet. Chaque produit généré y figure, et un SRT absent dit quelque chose 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 mandarin se transcrit le mieux, et le mixte chinois-anglais — le registre réel des stand-ups et des réunions produit dans la tech — est une vraie force : le modèle change de langue en pleine phrase sans perdre le fil.

L'audio purement étranger est le point faible assumé : les enregistrements uniquement en anglais ou dans une autre langue donnent une qualité limitée, et les accents marqués ou les salles bruyantes dégradent encore le résultat. Autant l'écrire : une transcription fausse mais sûre d'elle vaut moins qu'un avertissement candide.

Deux limites supplémentaires. L'audio de plus de 30 minutes n'est pas accepté — découpez les longs enregistrements avant le téléversement. Et les informations de locuteur dans les résultats sont ce que le moteur produit : elles peuvent manquer, aucune promesse forte de séparation des locuteurs n'est faite.

Délais, coût et confidentialité

La plupart des tâches se terminent en quelques minutes. Le plafond d'une transcription est d'environ 40 minutes, de quoi couvrir les enregistrements acceptés les plus lents, et la progression reste visible pendant le travail du moteur. Ce chiffre de 40 minutes est un délai d'expiration, pas une promesse d'attente — les enregistrements courts sont le cas courant et reviennent vite.

L'outil est gratuit, aucun compte requis, et votre WAV 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 le site. Aucune adresse e-mail n'est demandée à aucun moment. Un compte rendu de réunion interne ne mérite pas moins.