Comment ajouter des sous-titres karaoké mot à mot aux Shorts et Reels

Les sous-titres mot à mot ont besoin d’une chose qu’un fichier de sous-titres ordinaire n’a pas : un horodatage pour chaque mot. Obtenez-le grâce à un moteur de reconnaissance vocale comme Whisper, choisissez comment le mot prononcé doit ressortir — changement de couleur, boîte, remplissage ou un seul mot à la fois — puis incrustez les sous-titres dans la vidéo.

Ici, l’incrustation n’est pas optionnelle. Les Shorts, Reels et TikTok n’acceptent aucun fichier de sous-titres, donc la surbrillance doit vivre dans les pixels. La suite couvre : d’où vient le minutage par mot et pourquoi il dérive, trois façons d’ajouter cet effet — dont une gratuite — et les modifications qui cassent la synchronisation sans qu’on s’en aperçoive.

Pourquoi les sous-titres mot à mot ont besoin d’un minutage par mot

Une réplique de sous-titre normale a deux horodatages : le moment où la ligne apparaît et celui où elle disparaît. Cela suffit pour une ligne qui reste fixe. Une surbrillance karaoké a besoin d’un début et d’une fin pour chaque mot à l’intérieur de la ligne, et un .srt standard n’a nulle part où les stocker.

Whisper produit le minutage par mot dans une seconde passe. Une fois le texte arrêté, il aligne chaque mot avec le segment audio qui l’a le plus probablement produit, et la ligne de commande openai-whisper qualifie toujours cette option d’expérimentale. Le minutage est assez bon pour piloter une surbrillance, mais pas assez pour lui faire confiance aveuglément — et il vient avec une particularité qui détermine le comportement de la surbrillance.

Des mots adjacents partagent souvent exactement la même frontière. Dans l’extrait étudié pour notre comparatif des modèles Whisper, 172 des 177 intervalles entre les mots étaient exactement nuls. Là où de vraies pauses existent, un outil doit décider de ce que fait la surbrillance pendant ce temps :

• N’éclairer que le mot prononcé. La surbrillance s’éteint à chaque pause, et un mot court comme « un » ou « à » ne clignote que pendant une image ou deux. Le système de surbrillance de Whisper fonctionne ainsi : il écrit une copie simple, sans surbrillance, de la ligne dans chaque intervalle.
• Garder chaque mot allumé jusqu’au suivant. La surbrillance ne s’éteint jamais, et chaque mot reste affiché assez longtemps pour être perçu. C’est ainsi que se comportent la plupart des applications de sous-titrage, et c’est ce à quoi les spectateurs de vidéos courtes sont habitués.

La seconde approche résiste aussi mieux au montage, car les fenêtres de mots couvrent toute la réplique, du premier mot au dernier, sans rien laisser de côté.

Les quatre styles de sous-titres karaoké

« Karaoké » recouvre quatre styles différents, et il est utile de savoir lequel vous voulez avant de choisir un outil :

Couleur et boîte se lisent mieux sur des plans de type interview. Remplissage donne l’allure d’une vidéo de paroles. Un mot est le plus insistant des quatre : efficace pour une accroche, fatigant sur une minute entière.

Trois façons d’ajouter des sous-titres mot à mot

1. Whisper et FFmpeg — gratuit, local, en ligne de commande. Une surbrillance simple, un contrôle total, un peu de configuration.
2. Un modèle d’éditeur vidéo — CapCut ou DaVinci Resolve Studio. Un clic une fois dans l’éditeur ; ce sont les conditions qui diffèrent.
3. Une application de sous-titrage pour ordinateur — Sablate. Préréglages, cadrage vertical et incrustation dans une seule fenêtre, sur votre propre machine.

Méthode 1 : Whisper et FFmpeg (gratuit, entièrement local)

Il faut Python et FFmpeg installés et présents dans votre PATH. Tout tourne sur votre machine, et le modèle Whisper se télécharge une seule fois, à la première utilisation.

1. Installez Whisper :

pip install -U openai-whisper

2. Transcrivez avec le minutage par mot et la surbrillance activés, trois mots par réplique :

whisper clip.mp4 --model turbo --word_timestamps True --highlight_words True --max_words_per_line 3 --output_format srt

Cela écrit clip.srt, dans lequel chaque mot obtient sa propre réplique et le mot prononcé est entouré de balises <u>.

3. Vous pouvez transformer le soulignement en couleur. FFmpeg lit les balises <font color> dans les fichiers SRT, donc un simple rechercher-remplacer suffit (macOS et Linux, ou Git Bash sous Windows) :

sed -e 's/<u>/<font color="#FFE900">/g' -e 's#</u>#</font>#g' clip.srt > karaoke.srt

4. Incrustez-le :

ffmpeg -i clip.mp4 -vf "subtitles=karaoke.srt:force_style='FontName=Arial,FontSize=16,Outline=2,MarginV=60'" -c:a copy clip-captioned.mp4

Un détail explique ces chiffres. Quand FFmpeg incruste un SRT, il dispose d’abord le texte sur un canevas virtuel de 384×288, donc FontSize et MarginV se mesurent par rapport à ces 288 unités et non aux pixels de votre vidéo. MarginV=60 remonte la ligne d’environ un cinquième de la hauteur du cadre, à l’écart de l’interface des Shorts et des Reels. Si FFmpeg indique qu’il ne trouve pas le fichier de sous-titres sous Windows, c’est le chemin qu’il faut échapper — le guide de l’incrustation détaille la correction.

Les limites, honnêtement : vous obtenez un soulignement ou une couleur plate, sans boîte ni animation, et la surbrillance s’éteint dans les pauses. Le montage est la partie pénible. Chaque mot est sa propre réplique qui porte toute la ligne, donc un nom mal orthographié dans une ligne de trois mots est mal orthographié dans au moins trois répliques. Corrigez la transcription avant de générer le SRT, pas après.

Méthode 2 : le modèle de sous-titres d’un éditeur vidéo

Si vous montez déjà avec l’un de ces outils, la surbrillance mot à mot n’est qu’à un modèle de distance.

CapCut. Générez des sous-titres automatiques, puis appliquez un modèle de sous-titres avec surbrillance mot à mot, sur ordinateur ou sur téléphone. Deux réserves s’appliquent. L’audio est traité du côté de CapCut : sa politique de confidentialité indique qu’elle peut collecter du contenu « par pré-téléversement au moment de la création, de l’importation ou du téléversement », par exemple pour générer des sous-titres. Et le centre d’aide de CapCut présente les sous-titres automatiques comme une fonctionnalité pouvant inclure des éléments réservés à Pro ; un projet qui utilise des fonctionnalités Pro nécessite un abonnement pour être exporté.

DaVinci Resolve Studio. Timeline → AI Tools → Create Subtitles from Audio transcrit sur votre propre machine. Depuis Resolve 20, les titres animés incluent un modèle Word Highlight : faites-le glisser sur l’en-tête de la piste de sous-titres, puis réglez la couleur, la police et la vitesse dans l’Inspector. Les sous-titres automatiques sont une fonctionnalité de Studio — $295 en un seul paiement — et la transcription couvre 14 langues d’origine, avec plus de langues via un téléchargement supplémentaire. Si vous possédez déjà Studio, c’est la voie la plus simple de cette page.

Méthode 3 : une application de sous-titrage pour ordinateur

Une application de sous-titrage pour ordinateur fait tout le travail dans une seule fenêtre, sur votre propre machine : transcrire, corriger, choisir un style, cadrer en vertical, faire le rendu.

Dans Sablate, six préréglages de surbrillance mot à mot — Hormozi, Beast, Reels, One Word, Karaoke et Pop — couvrent les quatre styles ci-dessus, et l’interrupteur Word-by-word highlight ajoute l’effet à n’importe quel autre style, avec Color, Box, Fill ou Word comme mode. Les polices de sous-titres derrière ces préréglages (Montserrat ExtraBold, Anton, Bangers, Bebas Neue et Archivo Black) sont livrées à la fois dans l’application et dans son moteur de rendu, si bien que l’incrustation dessine exactement la même police que celle affichée dans l’aperçu. Une police manquante est l’une des raisons habituelles pour lesquelles des sous-titres exportés ont un rendu différent de celui de l’éditeur.

Le minutage suit les règles décrites en haut de cette page. Chaque mot reste allumé jusqu’à ce que le suivant commence, donc la surbrillance ne s’éteint jamais dans une pause. Corriger une faute de frappe conserve le minutage enregistré tant que le nombre de mots ne change pas ; ajouter ou enlever un mot fait retomber uniquement cette ligne sur un minutage estimé. L’incrustation est dessinée par libass, le moteur de rendu de sous-titres qu’utilisent les lecteurs multimédias, plutôt qu’apposée comme une simple surimpression, et elle rend en 9:16, 1:1 ou 16:9 en rognant ou en complétant avec une copie floutée de la source.

Là où cette méthode va plus loin que les autres, c’est sur les langues. Chaque couche de traduction porte son propre style et sa propre police d’écriture, si bien qu’un même Short peut sortir avec des sous-titres karaoké en anglais, en espagnol et en coréen à partir d’une seule transcription, comme le décrit le flux de travail multilingue. Le minutage d’une couche traduite est estimé plutôt que mesuré, car personne n’a prononcé ces mots, et l’application le précise à côté de l’interrupteur.

Le style mot à mot fait partie de Pro, un paiement unique de $29. La formule gratuite permet de prévisualiser chaque préréglage et incruste les autres styles avec une petite marque en coin.

Quelle méthode choisir ?

Deux de ces lignes jouent contre Sablate : ce n’est pas un éditeur vidéo, et cela ne fonctionne pas sur téléphone. Si vous montez, ajoutez de la musique et publiez depuis votre téléphone, une application de sous-titrage pour ordinateur est une étape de plus plutôt qu’un raccourci.

« Un seul extrait, et je suis à l’aise dans un terminal. » Whisper et FFmpeg. Gratuit, local, et suffisant pour une surbrillance à changement de couleur.

« Je monte déjà dans CapCut et je publie tous les jours. » Restez-y. Les modèles sont tout l’intérêt, et si vous payez Pro de toute façon, l’argument du coût disparaît.

« Je monte dans DaVinci Resolve Studio. » Utilisez Word Highlight. Vous possédez déjà la licence, et la transcription reste locale.

« Les rushs ne peuvent pas quitter ma machine. » N’importe quoi sauf CapCut. Les générateurs de sous-titres hors ligne comparent les options locales plus en détail.

« Le même Short sort en trois langues. » Sablate : une transcription et un style karaoké par langue, avec un minutage estimé sur les traductions.

« C’est un clip musical, et je veux un minutage syllabe par syllabe. » Aegisub, qui est gratuit. Son mode karaoké chronomètre les balises ASS \k syllabe par syllabe, à la main — lent, mais toujours le meilleur résultat pour des paroles. Le format ASS est le seul format de sous-titres courant qui stocke un minutage karaoké.

Comment garder des sous-titres mot à mot synchronisés

La surbrillance ne vaut que ce que vaut le minutage par mot qui la sous-tend, et quelques habitudes permettent de le préserver :

• Corrigez avant de styliser. Le minutage appartient aux mots qui ont été reconnus. Une correction de même longueur, comme remplacer « la » par « là », le préserve ; réécrire toute une ligne le fait disparaître.
• Donnez les noms à Whisper à l’avance. Whisper accepte une courte invite de noms et de termes qui oriente la transcription : l’option --initial_prompt, ou Defaults → Custom vocabulary dans Sablate. Un nom correctement orthographié dès le départ n’a jamais besoin d’une correction qui perturbe le minutage. C’est une orientation, pas une garantie : relisez quand même les noms.
• Divisez les répliques longues plutôt que de réduire la police. Sur une vidéo verticale, une ligne de trois à cinq mots peut se lire pendant que la surbrillance se déplace ; deux lignes complètes, non.
• Revisionnez après un réajustement. Faire glisser le bord d’une réplique laisse en général le minutage des mots qu’elle contient inchangé, donc les mots les plus proches du nouveau bord se retrouvent compressés. Ajustez légèrement, puis regardez la réplique une fois.
• Vérifiez le rendu, pas seulement l’aperçu. Regardez la première réplique, la dernière et le passage le plus rapide avant d’envoyer la vidéo.

Les sous-titres mot à mot sont un problème de minutage déguisé en style. Obtenez un minutage par mot propre, gardez vos corrections à longueur égale, et choisissez l’apparence seulement après. Si vous voulez les préréglages, le cadrage vertical et plusieurs langues au même endroit, téléchargez Sablate pour Windows ou Mac et faites-y passer un Short.