Transcrire une vidéo en texte gratuitement, sans l’envoyer en ligne

Pour transcrire une vidéo en texte gratuitement, lancez Whisper d’OpenAI sur votre propre ordinateur. Il lit directement le fichier vidéo, comprend environ 100 langues, n’impose aucun plafond de minutes et exporte du texte brut ou des fichiers de sous-titres. Vous pouvez le piloter depuis une ligne de commande, depuis une application gratuite comme Buzz ou Subtitle Edit, ou depuis une application de bureau comme Sablate.

Les sites en ligne de « vidéo en texte gratuit » fonctionnent aussi, mais ils rationnent : trois fichiers par jour, trente minutes chacun, un compte, un envoi. Voici les trois façons de le faire en local, ce que chacune vous coûte en installation, et comment obtenir une transcription qui ne demande pas une heure de nettoyage.

Pourquoi les transcripteurs en ligne gratuits s’arrêtent à une limite

Chaque minute de reconnaissance vocale coûte du temps de GPU à quelqu’un. Quand vous envoyez une vidéo à un site de transcription, ce quelqu’un, c’est le site : la formule gratuite n’est donc qu’un échantillon muni d’un compteur.

Les compteurs se ressemblent d’un service à l’autre. TurboScribe, l’un des plus généreux, accorde aux utilisateurs gratuits trois transcriptions par jour, de 30 minutes maximum par fichier, un envoi à la fois ; les fichiers plus longs et l’usage illimité relèvent de sa formule Unlimited, autour de $10 par mois facturés à l’année. D’autres services plafonnent la formule gratuite à quelques minutes d’audio, filigranent l’export, ou retiennent le SRT et le DOCX tant que vous ne payez pas. Rien de tout cela n’est injuste : c’est l’arithmétique de la location de GPU.

Faites tourner le même modèle sur votre propre machine et l’arithmétique s’inverse. C’est votre ordinateur qui paie le calcul, donc personne n’a besoin de le mesurer. En contrepartie, vous fournissez le matériel et la patience : un portable sans GPU dédié transcrit lentement, et la première exécution télécharge un modèle de 78 Mo à 3 Go selon la taille.

Le moteur est souvent identique. TurboScribe indique reposer sur Whisper, comme beaucoup de ses concurrents. Une transcription locale gratuite et une transcription payante dans le cloud peuvent sortir du même modèle : la vraie différence, c’est à qui appartient le GPU et où va le fichier.

Les trois façons locales de transcrire une vidéo en texte gratuitement

1. La ligne de commande Whisper. Gratuite, illimitée, tous les modèles. Elle demande Python et FFmpeg, et vous donne des fichiers, pas un éditeur.
2. Une application Whisper gratuite : Buzz ou Subtitle Edit. Gratuite, illimitée, une fenêtre au lieu d’un terminal. Peu d’outils d’édition.
3. Sablate. Une application de bureau conçue pour corriger la transcription et la transformer en sous-titres dans plusieurs langues. Gratuite avec des limites, $29 en paiement unique pour la version complète.

Les trois gardent la vidéo sur votre disque.

Méthode 1 : Whisper en ligne de commande

L’implémentation de référence est le paquet openai-whisper d’OpenAI. Il demande Python 3 et FFmpeg, que Whisper utilise pour extraire l’audio du fichier vidéo.

Installez d’abord FFmpeg. Sous Windows :

winget install Gyan.FFmpeg

Sous macOS, avec Homebrew :

brew install ffmpeg

Installez ensuite Whisper et lancez la transcription :

pip install -U openai-whisper
whisper "interview.mp4" --model turbo --language en --output_format txt

Cela écrit interview.txt à l’endroit où vous avez lancé la commande. Remplacez txt par srt ou vtt pour conserver le minutage, ou utilisez all pour obtenir tous les formats d’un coup. --model turbo correspond à large-v3-turbo ; sur une machine sans GPU, --model small termine en une fraction du temps.

Les limites sont réelles :

• Sous Windows, pip installe une version CPU de PyTorch. Pour utiliser un GPU NVIDIA, il faut réinstaller PyTorch depuis l’index CUDA de pytorch.org, et c’est là que passe la première soirée de la plupart des gens.
• Il n’y a pas d’éditeur. Vous obtenez un fichier texte. Le corriger veut dire l’ouvrir dans un éditeur de texte et écouter la vidéo dans une autre fenêtre.
• Le silence et la musique peuvent produire du texte inventé. Whisper répète parfois une ligne ou écrit « Thanks for watching » sur un passage silencieux. Notre guide sur les hallucinations de Whisper explique pourquoi et quels réglages les réduisent.

Si vous êtes à l’aise dans un terminal, c’est l’option gratuite la plus flexible qui existe, et elle s’applique à un dossier entier de fichiers avec une boucle d’une ligne.

Méthode 2 : une application Whisper gratuite (Buzz ou Subtitle Edit)

Si vous préférez cliquer plutôt que taper, deux applications gratuites placent les mêmes modèles dans une fenêtre.

Buzz est une application de transcription open source (MIT) pour Windows, macOS et Linux. Importez une vidéo, choisissez un modèle et une langue, appuyez sur Run, et exportez en TXT, SRT ou VTT. Elle peut utiliser plusieurs moteurs, dont faster-whisper et whisper.cpp, prend en charge l’accélération GPU et sait étiqueter les locuteurs. L’installateur Windows n’est pas signé : Windows affiche donc un avertissement SmartScreen qu’il faut passer d’un clic.

Subtitle Edit est l’éditeur de sous-titres gratuit historique de Windows, avec une version macOS en bêta. Son menu Video propose l’option Audio to text (Whisper), qui télécharge le moteur et le modèle à votre place, transcrit, puis ouvre le résultat dans un éditeur de minutage complet. Il lit et écrit plus de formats de sous-titres que n’importe quel autre outil, et vous pouvez enregistrer le résultat en texte brut quand vous ne voulez que les mots.

Les deux sont excellents et les deux sont gratuits, sans limite. Le coût se situe surtout dans la seconde moitié du travail : Buzz offre un lecteur de transcription avec lecture et recherche, mais peu d’outils pour le minutage des sous-titres, et Subtitle Edit offre un éditeur puissant qui suppose que vous savez déjà ce que sont une réplique, une cadence d’images et un format de sous-titres.

Méthode 3 : une application de bureau comme Sablate

Sablate fait tourner faster-whisper en local sur Windows et Mac, et il est conçu autour de ce qui se passe après la transcription : la corriger et la transformer en sous-titres.

1. Déposez le fichier vidéo dans l’application et choisissez la langue parlée et un niveau de modèle : Fast, Balanced, Accurate (large-v3-turbo) ou Best (large-v3).
2. La transcription s’ouvre dans un éditeur où chaque ligne est liée à son moment dans la vidéo. Cliquez sur une ligne pour l’écouter, puis corrigez-la sur place.
3. Ajoutez les noms et les termes de produit au glossaire avant de transcrire, et utilisez la recherche et remplacement (Ctrl+H) pour corriger un mot mal entendu partout à la fois.
4. Exportez en .txt ou copiez le texte, ou exportez en .srt et .vtt. Si la vidéo a besoin de sous-titres dans d’autres langues, ajoutez des couches de traduction à la même transcription au lieu de transcrire à nouveau.

La formule gratuite est permanente et ne demande aucun compte, mais c’est la plus limitée des options locales présentées ici : vidéos jusqu’à 10 minutes, trois tâches par mois, et les modèles Fast et Balanced. Votre première vidéo plus longue passe une fois sur toute sa durée. Si vous n’avez jamais besoin que d’une seule longue transcription, Buzz ou la ligne de commande la feront pour rien, et c’est la recommandation honnête.

Là où Sablate mérite son tarif Pro de $29 en paiement unique, c’est le volume et l’éditeur : durée illimitée, tous les modèles Whisper, transcription par lots, et export en un clic de toutes les langues d’une vidéo.

Outils gratuits de transcription vidéo : comparatif

Prix et limites tels que publiés en octobre 2026. La tendance se vérifie dans toute la catégorie : les outils locaux gratuits n’ont pas de compteur, les outils en ligne n’exigent aucune installation, et cette commodité, c’est ce que vous payez en minutes.

Whisper gratuit est-il aussi précis qu’une transcription payante ?

Sur une parole claire, la précision d’une transcription locale gratuite est celle du modèle que vous choisissez, pas celle du prix que vous avez payé. Un service payant qui fait tourner large-v3 et votre portable qui fait tourner large-v3 produisent un texte quasi identique à partir du même audio.

Le choix du modèle compte bien plus que l’outil. large-v3-turbo est large-v3 dont le décodeur passe de 32 couches à 4 : environ huit fois plus rapide, avec un écart dans la transcription finale qui reste faible sur des images ordinaires. tiny et small sont rapides mais perdent des mots sur les accents, les voix qui se chevauchent et la parole rapide. Notre comparatif des modèles Whisper donne les tailles, les vitesses et un cas documenté où le plus gros modèle a sauté une parole qu’un plus petit avait captée.

Trois choses qu’aucun moteur ne corrige à votre place, gratuit ou payant :

1. Les noms propres et le jargon. Whisper écrit phonétiquement un nom de famille inconnu, et différemment à chaque fois. Un glossaire aide surtout au début d’un fichier, où le modèle le lit comme contexte ; un passage de recherche et remplacement rattrape le reste.
2. Le silence et la musique. Les longs passages silencieux sont l’endroit où apparaissent les lignes hallucinées. Coupez les temps morts ou vérifiez d’abord ces endroits.
3. Les locuteurs qui se chevauchent. Whisper écrit un seul flux de texte et n’indique pas qui a dit quoi. Buzz ajoute une étape d’identification des locuteurs et des services payants proposent des étiquettes de locuteurs ; Sablate et la ligne de commande Whisper, non.

Les services payants gardent l’avantage sur deux points : ils fonctionnent sur un téléphone, et certains ajoutent des étiquettes de locuteurs et des résumés. Si vous n’avez besoin ni de l’un ni de l’autre, payer est facultatif.

Quelle méthode choisir ?

« Il me faut une transcription, une seule fois, et je suis à l’aise dans un terminal. » Utilisez la ligne de commande Whisper avec --model turbo si vous avez un GPU, --model small sinon.

« Je veux une application gratuite et je ne toucherai jamais à un terminal. » Installez Buzz. Il est gratuit, sans limite, et exporte les formats dont vous avez besoin.

« Il me faut vraiment des sous-titres, et le minutage doit être juste. » Utilisez Subtitle Edit si vous maîtrisez déjà l’édition de sous-titres, ou Sablate si vous voulez la transcription, les corrections et les sous-titres au même endroit. Notre guide pour créer un fichier SRT détaille dans les deux cas les règles du format.

« Je suis sur mon téléphone, ou la vidéo est courte et non sensible. » La formule gratuite d’un outil en ligne est le chemin le plus rapide. Trois fichiers par jour suffisent largement pour un usage occasionnel.

« La vidéo est déjà sur YouTube et je veux seulement la lire. » Le panneau « Afficher la transcription » de YouTube est gratuit et instantané pour les vidéos qui ont des sous-titres. Aucun outil nécessaire.

« Je transcris toutes les semaines, ou la vidéo doit ensuite avoir des sous-titres dans d’autres langues. » C’est le cas pour lequel Sablate est conçu : durée illimitée en Pro, un vrai éditeur, et des couches de traduction sur la même transcription.

Comment obtenir une transcription plus propre du premier coup

L’essentiel du nettoyage vient de quatre erreurs évitables.

Indiquez la langue explicitement. La détection automatique écoute les 30 premières secondes. Une vidéo qui s’ouvre sur de la musique ou sur un bonjour dans une autre langue est transcrite dans la mauvaise, ou ressort en partie traduite en anglais, un travers connu de Whisper.

Utilisez le plus gros modèle que votre machine exécute confortablement. Passer de small à large-v3-turbo supprime plus d’erreurs que n’importe quelle quantité de retouches, et sur un GPU cela coûte peu de temps.

Corrigez les noms avant toute autre chose. Corrigez la transcription avant d’exporter des sous-titres ou de la traduire. Un nom corrigé une fois à la source est corrigé dans chaque fichier que vous en tirez.

Gardez TXT et SRT bien séparés dans votre tête. Le TXT sert à lire ; le SRT sert au minutage. Si vous risquez d’avoir besoin de sous-titres plus tard, exportez aussi le SRT dès maintenant : reconstruire le minutage à partir d’un fichier texte brut est la tâche la plus lente de tout ce processus.

Commencez par une vidéo et l’outil qui correspond à votre situation ci-dessus. Si vous voulez la transcription, les corrections et les sous-titres dans une seule fenêtre, téléchargez Sablate pour Windows ou Mac ; la formule gratuite ne demande aucun compte.

Questions fréquentes

Peut-on transcrire une vidéo en texte entièrement gratuitement ?

Oui. Whisper d’OpenAI est gratuit, open source et tourne sur un ordinateur Windows ou Mac ordinaire : pas de tarif à la minute, pas de plafond quotidien. Les services en ligne gratuits rationnent presque toujours l’usage : la formule gratuite de TurboScribe, par exemple, accepte trois fichiers par jour de 30 minutes maximum chacun. En local, la seule limite est le temps que vous acceptez d’attendre.

Whisper gratuit est-il assez précis pour remplacer une transcription payante ?

Sur une parole claire, en général, oui. Plusieurs services de transcription payants font tourner Whisper eux-mêmes : le prix change donc rarement le moteur. Ce qui change la précision, c’est la taille du modèle : large-v3-turbo et large-v3 sont bien meilleurs que tiny ou small sur les accents, le bruit et la parole rapide. Les noms propres et le jargon demandent des corrections avec n’importe quel moteur, gratuit ou payant.

Faut-il un GPU pour transcrire une vidéo avec Whisper ?

Non. Whisper fonctionne sur le processeur, simplement plus lentement. Un GPU NVIDIA est en général cinq à dix fois plus rapide que la même machine sur CPU, ce qui rend les gros modèles praticables sur de longs enregistrements. Sans GPU, le modèle small est le choix réaliste au quotidien, et turbo se lance et se laisse tourner.

Peut-on transcrire une vidéo sans l’envoyer nulle part ?

Oui. Un outil Whisper local lit le fichier vidéo sur votre propre disque, en extrait l’audio et le transcrit sur votre machine : le fichier ne la quitte jamais. Le modèle n’est téléchargé qu’une fois, puis aucune connexion internet n’est nécessaire. Les services de transcription en ligne, eux, exigent par conception que le fichier soit d’abord envoyé sur leurs serveurs.

Faut-il exporter la transcription en TXT ou en SRT ?

Exportez en TXT pour lire, citer ou modifier les mots, et en SRT ou VTT si vous avez besoin du minutage, pour des sous-titres ou pour retrouver un passage de la vidéo. Les deux viennent de la même transcription : inutile de choisir d’emblée. La plupart des outils Whisper exportent les deux formats en une seule exécution.

Sablate est-il gratuit pour la transcription ?

Oui, de façon permanente et sans compte, avec des limites. La formule gratuite couvre les vidéos jusqu’à dix minutes, trois tâches par mois, les modèles Whisper Fast et Balanced, et l’export TXT, SRT et VTT. Votre première vidéo plus longue passe quelle que soit sa durée. Pro coûte $29 en paiement unique, lève les limites de durée et de tâches et ajoute les modèles Accurate et Best.