Subtitle Edit Whisper : installation, moteurs et modèles expliqués

La prise en charge de Whisper dans Subtitle Edit tient dans une seule fenêtre : Vidéo → Reconnaissance vocale (STT)… (en anglais : Video → Speech to text...), appelée Audio to text dans les anciennes versions. Ouvrez une vidéo, choisissez un moteur et un modèle, réglez la langue et cliquez sur Transcription (Transcribe). Subtitle Edit télécharge ce dont il a besoin à la première utilisation. La vraie décision, c’est le moteur qui convient à votre matériel.

Cet article couvre ce choix pour Windows avec une carte NVIDIA, Windows sans carte NVIDIA et Mac, le seul piège du modèle turbo pour la traduction, le mode en lots, le rapport de qualité, et ce qu’il faut vérifier quand rien ne sort. Les faits sur Subtitle Edit viennent de son dépôt GitHub et de sa documentation officielle, consultés le 31 octobre 2026.

Comment utiliser Whisper dans Subtitle Edit ?

Sept étapes, tirées de la documentation sur la reconnaissance vocale. Subtitle Edit est gratuit et open source sous licence MIT ; la version stable actuelle est la 5.3.0, du 14 octobre 2026.

1. Ouvrez un fichier vidéo dans Subtitle Edit.
2. Choisissez Vidéo → Reconnaissance vocale (STT)….
3. Sélectionnez un Moteur (Engine). Des boutons à côté ouvrent le site du moteur, le téléchargent et ouvrent ses réglages. Whisper CPP et Crisp ASR affichent aussi une liste Backend.
4. Sélectionnez un Modèle (Model). Plus grand veut généralement dire plus précis, plus lent et plus lourd sur le disque.
5. Sélectionnez la Langue de l’audio, ou la détection automatique quand le moteur la gère.
6. Cochez si vous le souhaitez Traduction en anglais (Translate to English) et Post-traitement (Post-processing).
7. Cliquez sur Transcription.

Les moteurs et les modèles se téléchargent automatiquement à la première utilisation, donc le premier lancement inclut une attente. Le résultat est un sous-titre ordinaire dans la liste principale, que vous modifiez comme n’importe quel autre fichier.

Beaucoup de gens cherchent encore « subtitle edit audio to text ». C’est la même fenêtre sous son ancien nom, et une ligne du journal des modifications de la série Subtitle Edit 5 l’emploie toujours.

Quel moteur Whisper choisir dans Subtitle Edit ?

Cela dépend de votre carte graphique, car la plupart des moteurs de la liste font tourner les mêmes modèles Whisper, présentés différemment. Le conseil de la documentation elle-même : « Pour les utilisateurs de GPU NVIDIA, utilisez le backend cuBLAS de Whisper CPP ou Purfview Faster Whisper XXL pour la transcription la plus rapide. »

Purfview Faster Whisper XXL et Whisper Const-me ne sont pas disponibles sur macOS. Whisper OpenAI, l’implémentation Python d’origine, figure pour toutes les plateformes. Le tableau des moteurs de la documentation est l’endroit où les plateformes de chaque moteur sont tenues à jour.

D’autres moteurs figurent dans la même liste. Crisp ASR regroupe plusieurs modèles qui ne sont pas du Whisper, dont Parakeet, Canary et SenseVoice, et peut détecter les locuteurs en marquant les lignes avec (speaker 0). Quatre moteurs en ligne (OpenAI Compatible Server, OpenRouter, Alibaba Qwen3-ASR et Google Cloud Speech-to-Text) envoient votre audio à un serveur, ce qui compte si les images sont confidentielles. Les autres s’exécutent sur votre machine.

Les modèles de Subtitle Edit Whisper : lequel choisir ?

Prenez le plus grand modèle que votre matériel termine dans un temps acceptable. La liste va de tiny, le plus rapide et le moins précis, à large, large-v2 et large-v3, les plus précis et les plus lents, en passant par base, small et medium.

Quelques précisions tirées de la documentation :

• Les modèles .en sont réservés à l’anglais et meilleurs pour l’audio anglais. Utilisez-les quand tous les mots sont en anglais.
• large-v3-turbo est présenté comme performant en japonais. Pour la plupart des langues, c’est le choix par défaut raisonnable quand votre matériel peut le faire tourner.
• Il existe des versions affinées par langue : .sv, .nb, et anime.ja, le modèle anime-whisper pour le japonais des animes et des visual novels.

L’espace disque et le temps de calcul augmentent ensemble. Si vous voulez des chiffres plutôt que des règles empiriques, notre comparaison des modèles Whisper donne la taille de téléchargement réelle de chaque modèle et ce que chacun a capté sur un extrait de test. C’est un seul extrait, pas un benchmark, mais cela montre ce que coûte chaque palier.

Subtitle Edit Whisper, GPU et CUDA : ce qui aide vraiment

Sous Windows, un GPU veut d’abord dire NVIDIA. Trois points pratiques :

1. Choisissez le backend, pas seulement le moteur. Dans Whisper CPP, la liste Backend décide si le travail s’exécute sur cuBLAS (NVIDIA CUDA), Vulkan ou le processeur. Sur une machine dotée d’un bon GPU, vérifiez qu’il n’est pas resté sur le processeur.
2. Accordez les versions de CUDA. Whisper CTranslate2 demande CUDA 12.x. Si ce moteur vous pose des problèmes avec CUDA, Whisper CPP cuBLAS et Purfview sont les solutions de rechange.
3. Mémoire saturée ? Descendez d’un modèle. La réponse de la documentation à « CUDA out of memory » est un modèle plus petit.

Deux autres réglages se trouvent dans les options avancées du moteur : les paramètres de ligne de commande propres à chaque moteur, et le VAD, qui améliore le minutage.

Traduction en anglais renvoie la langue d’origine : le piège de turbo

Traduction en anglais convertit en une seule passe la parole non anglaise en texte anglais. Choisissez pourtant un modèle turbo, et le texte peut revenir dans la langue d’origine.

La raison se trouve dans le README Whisper d’OpenAI : le modèle turbo « n’est pas entraîné pour les tâches de traduction » et renvoie la langue d’origine même quand la traduction est demandée. Son conseil est d’utiliser medium ou large. Donc si vous cochez la case avec large-v3-turbo sélectionné et que vous ne voyez pas d’anglais, changez le modèle pour medium ou large et relancez.

Cette voie ne produit que de l’anglais. Pour les autres langues cibles, transcrivez d’abord, puis utilisez Traduire → Auto-traduction…. Ses moteurs comprennent Google Translate V1 (gratuit), DeepL et ChatGPT (les deux avec votre propre clé d’API), LibreTranslate, MyMemory, et des modèles locaux via Ollama, LM Studio ou llama.cpp. Notre guide sur traduire un SRT sans casser le minutage détaille ce qu’il faut vérifier ensuite.

Comment transcrire plusieurs vidéos à la fois dans Subtitle Edit ?

Utilisez le Mode en lots. Ajoutez vos fichiers vidéo, choisissez le moteur, le modèle et la langue, puis cliquez sur Transcription. Subtitle Edit écrit un fichier .srt à côté de chaque vidéo. Cochez Ajouter le code de langue au nom du fichier (Add language code to file name) si vous voulez video.en.srt plutôt que video.srt, ce qui compte dès que plusieurs langues partagent un même dossier.

Si vos fichiers sont très variés, par exemple un entretien calme à côté d’un enregistrement dans une rue bruyante, traitez les plus difficiles dans un lot séparé avec un modèle plus grand.

Post-traitement et rapport de qualité de la transcription

La sortie de Whisper est précise mais désordonnée, et l’option Post-traitement la remet en forme pendant la transcription. La documentation liste ce qu’elle peut faire :

• ajuster les minutages, à partir des pics de la forme d’onde
• corriger les durées trop courtes
• corriger la casse et ajouter les points
• fusionner les lignes courtes et scinder les longues
• supprimer les lignes sans parole comme « [Music] »
• supprimer les lignes répétées

Le rapport de qualité de la transcription (Afficher le rapport de qualité après la transcription, en anglais : Show quality report after transcription) est activé par défaut, et c’est la partie la plus utile de la fenêtre pour repérer les travers de Whisper. Il signale cinq problèmes : trop court, trop long, chevauchement, sans parole et répété. « Trop long » inclut ce que la documentation appelle l’hallucination typique, deux ou trois mots étirés sur 10 à 30 secondes. « Répété » désigne un moteur bloqué dans une boucle.

Considérez chaque réplique signalée comme un endroit où écouter, pas seulement à supprimer. Les motifs qui se cachent derrière, et les réglages qui les évitent, sont dans pourquoi Whisper répète des lignes et invente du texte.

Subtitle Edit Whisper ne marche pas : pas de texte, erreurs, CUDA

Commencez par les causes simples. Parcourez cette liste, tirée de la FAQ et des conseils de la documentation :

1. Le moteur et le modèle sont-ils téléchargés ? Subtitle Edit propose de télécharger les deux. Pour un moteur que vous n’avez jamais utilisé, laissez-le télécharger le moteur et un modèle avant de commencer.
2. Lisez le journal de la console en bas de la fenêtre Reconnaissance vocale (STT). Faites un clic droit sur la fenêtre et choisissez Voir le fichier journal des outils (View tools log file) pour l’historique complet. Les moteurs téléchargeables ont une entrée de retéléchargement dans le même menu.
3. Fichier de moteur disparu ? La cause habituelle est un antivirus qui met l’exécutable en quarantaine. Subtitle Edit vérifie au démarrage de la transcription, nomme le fichier manquant et propose de le télécharger à nouveau.
4. CUDA out of memory ? Choisissez un modèle plus petit.
5. Crisp ASR ne renvoie rien avec le VAD activé ? Silero peut rejeter un court extrait comme n’étant pas de la parole. Subtitle Edit réessaie une fois sans VAD avant de signaler un résultat vide.

Si la transcription se termine mais que le texte est faux plutôt qu’absent, vérifiez d’abord le réglage de langue, puis essayez un modèle plus grand.

Quand Sablate convient-il mieux que Subtitle Edit ?

Quand l’objectif est d’obtenir des sous-titres prêts à publier plutôt qu’un fichier à peaufiner, et que vous préférez ne pas choisir entre moteurs et backends.

Sablate est une application de bureau pour Windows 10 ou version ultérieure et macOS 12 ou version ultérieure. Elle fait tourner faster-whisper avec quatre paliers : Fast (tiny), Balanced (small), Accurate (large-v3-turbo) et Best (large-v3). Sous Windows avec un GPU NVIDIA, le runtime CUDA se télécharge à la première utilisation du GPU ; sur Mac, la transcription se fait sur le processeur. Il n’y a ni moteur ni backend à choisir.

Ce qu’elle ajoute, c’est la seconde moitié du travail. Une seule transcription alimente plusieurs couches de traduction, chacune avec son propre style et sa propre police d’écriture. Treize préréglages de sous-titres, dont Hormozi et Karaoke, et un balayage karaoké au niveau du mot mettent en forme le résultat, et l’incrustation gère le 9:16, le 1:1 ou le 16:9 par recadrage ou par fond flou. Les sous-titres mot à mot et les sous-titres multilingues détaillent ces flux de travail.

La formule gratuite ne demande aucun compte et couvre les vidéos jusqu’à dix minutes, trois travaux par mois, les modèles Fast et Balanced et une couche de traduction hors ligne ; son incrustation porte une petite marque dans un coin. Pro coûte $29 en une fois ou $5.99 par mois, et la page des tarifs donne le reste. Les autres applications qui fonctionnent ainsi sont comparées dans les générateurs de sous-titres hors ligne.

Subtitle Edit et Sablate en un coup d’œil

Subtitle Edit l’emporte sur le prix, les plateformes, le choix des moteurs, les étiquettes de locuteur et la couverture des formats. Si vous éditez des sous-titres pour votre métier ou voulez la maîtrise complète de la chaîne, restez avec lui. Sablate est la voie la plus courte vers des sous-titres stylés en plusieurs langues, pour qui préfère ne pas lire un tableau de moteurs.

Quelle voie prendre ?

« J’ai une carte NVIDIA et j’édite souvent des sous-titres. » Restez dans Subtitle Edit avec Whisper CPP cuBLAS ou Purfview Faster Whisper XXL, un modèle large-v3-turbo, et le rapport de qualité activé.

« J’ai un portable sans GPU NVIDIA. » Whisper CPP avec le backend Vulkan, un modèle small ou medium, et de la patience sur les longs fichiers.

« Je suis sur Mac. » Whisper CPP d’abord. Essayez WhisperX sur Apple Silicon si vous avez besoin d’un minutage au niveau du mot.

« L’audio n’est pas en anglais et je veux des sous-titres anglais. » Utilisez medium ou large avec Traduction en anglais, pas turbo.

« Des entretiens avec plusieurs intervenants. » Crisp ASR avec détection des locuteurs, que Sablate ne propose pas.

« Je veux des sous-titres verticaux avec surbrillance des mots dans trois langues pour ce soir. » Téléchargez Sablate pour Windows ou Mac.

Questions fréquentes

Comment utiliser Whisper dans Subtitle Edit ?

Ouvrez une vidéo, choisissez Vidéo, puis Reconnaissance vocale (STT), sélectionnez un moteur et un modèle, réglez la langue parlée et cliquez sur Transcription. Subtitle Edit télécharge le moteur et le modèle à la première utilisation. À la fin, les lignes apparaissent dans la liste principale des sous-titres, où vous les modifiez comme n’importe quel autre sous-titre.

Quel moteur Whisper est le plus rapide dans Subtitle Edit ?

Sur un GPU NVIDIA, Whisper CPP avec le backend cuBLAS ou Purfview Faster Whisper XXL, ce que recommande la documentation officielle. Sans NVIDIA, Whisper CPP avec le backend Vulkan peut utiliser un autre GPU sous Windows. Sur Mac, Whisper CPP est le moteur qui fonctionne partout, alors que WhisperX et CTranslate2 demandent un Apple Silicon.

Quel modèle Whisper choisir dans Subtitle Edit ?

Choisissez large-v3-turbo si votre ordinateur le supporte, small ou medium sinon, et un modèle .en pour un audio uniquement en anglais. Les grands modèles sont plus précis mais plus lents et demandent plus d’espace disque. Tiny est le plus rapide et le moins précis, gardez-le pour des brouillons. Évitez turbo avec Traduction en anglais.

Pourquoi Traduction en anglais renvoie-t-il la langue d’origine dans Subtitle Edit ?

Parce que les modèles turbo ne sont pas entraînés pour la traduction. La documentation Whisper d’OpenAI indique qu’un modèle turbo renvoie la langue d’origine même quand la traduction est demandée, et recommande medium ou large. Dans la fenêtre Reconnaissance vocale (STT), passez au modèle medium ou large, relancez la transcription, et la traduction anglaise devrait apparaître.

Pourquoi Subtitle Edit Whisper ne donne-t-il aucun texte ou une erreur ?

Le plus souvent, il manque un moteur ou un modèle, un antivirus a supprimé un fichier, ou la mémoire du GPU est insuffisante. Vérifiez que les deux sont téléchargés, lisez le journal de la console en bas de la fenêtre, et prenez un modèle plus petit si CUDA manque de mémoire. Subtitle Edit nomme aussi le fichier de moteur manquant et propose de le retélécharger.

Subtitle Edit peut-il transcrire plusieurs vidéos à la fois ?

Oui. Le mode en lots permet d’ajouter plusieurs fichiers vidéo et de cliquer sur Transcription, et il enregistre un fichier SRT à côté de chaque vidéo. L’option d’ajout du code de langue au nom du fichier donne des noms comme video.en.srt. Si un enregistrement est bien plus difficile que les autres, traitez-le dans un lot séparé avec un modèle plus grand.