Obtenez des sous-titres pour n’importe quelle vidéo ou fichier audio, dans la langue parlée, grâce à une IA de reconnaissance vocale qui tourne sur votre appareil. Rien n’est envoyé, et il n’y a ni compte, ni filigrane.
Glissez votre fichier sur « Déposez une vidéo ou un fichier audio ici », ou touchez la zone pour le choisir. MP4, MOV, WebM, MKV, MP3, M4A, WAV et OGG sont acceptés.
Laissez « Langue parlée » sur « Détection automatique » ou indiquez la langue, puis choisissez la « Précision » : « Rapide », « Équilibrée » ou « Maximale ».
Appuyez sur « Générer les sous-titres ». Le modèle se télécharge la première fois, puis la progression « Transcription… » s’affiche et les sous-titres arrivent au fil de l’eau.
Corrigez le texte ou les temps « Début » et « Fin » dans la liste « Sous-titres », vérifiez le rendu dans « Aperçu », puis choisissez « Télécharger le SRT », « Télécharger le VTT » ou « Télécharger le TXT ».
filetidy s’appuie sur Whisper, le modèle ouvert de reconnaissance vocale publié par OpenAI. La version gratuite l’exécute entièrement dans votre navigateur avec transformers.js : sur la carte graphique via WebGPU quand elle est disponible, sinon sur le processeur via WebAssembly. Votre vidéo et son audio ne quittent jamais votre appareil.
Avant la transcription, la piste son est extraite dans la page et convertie en 16 kHz mono, le format qu’attend le modèle. Les passages silencieux sont sautés : Whisper a tendance à inventer du texte quand personne ne parle, par exemple des crédits de sous-titrage fantômes, et ignorer ces zones limite le problème.
Le texte reconnu est ensuite découpé en sous-titres lisibles. La coupe se fait de préférence à la fin des phrases et sur les pauses, chaque sous-titre dure entre 1 et 7 secondes environ, et les lignes sont équilibrées pour ne pas laisser un mot seul en dessous.
Le modèle se télécharge une seule fois puis reste en cache dans le navigateur. Les fois suivantes, la génération démarre presque immédiatement, même sans connexion rapide.
Windows
Clipchamp demande un compte Microsoft. Les intitulés du panneau peuvent changer d’une version à l’autre.
Mac
Fonction surtout disponible en anglais et pas dans toutes les régions. Le texte reste à l’écran : aucun fichier n’est créé.
Android
Les langues prises en charge dépendent du téléphone, et rien n’est enregistré sous forme de fichier.
« Rapide » utilise Whisper tiny (environ 44 Mo) : c’est le réglage par défaut sur téléphone, idéal pour un brouillon. « Équilibrée » utilise Whisper base (environ 80 Mo) et convient à la plupart des vidéos sur ordinateur. « Maximale » charge Whisper small (environ 400 Mo) et n’apparaît que si votre navigateur prend en charge WebGPU.
Avec WebGPU, les téléchargements sont un peu plus gros (environ 106, 170 et 410 Mo) mais le calcul va plusieurs fois plus vite : un ordinateur récent traite quelques minutes de vidéo en bien moins d’une minute. Sur le processeur seul, « Équilibrée » avance à peu près au rythme de la lecture, parfois un peu plus vite ; les téléphones sont plus lents.
Si le résultat contient beaucoup de fautes, relancez avec un niveau de précision supérieur avant de tout corriger à la main. Un son propre, une seule voix et peu de musique comptent autant que la taille du modèle.
Oui. La version gratuite sous-titre jusqu’à 10 minutes d’audio par fichier, sans compte et sans filigrane. Pour un fichier plus long, seules les 10 premières minutes sont traitées.
Whisper couvre une centaine de langues, dont le français, l’anglais, l’arabe, l’espagnol ou l’allemand. La qualité varie beaucoup d’une langue à l’autre : les langues très présentes sur le web sont mieux reconnues que les langues rares ou les dialectes.
La détection fonctionne bien sur un extrait clair, mais choisir la langue dans « Langue parlée » est plus rapide et plus fiable, surtout pour un clip court ou qui commence par de la musique.
Uniquement vers l’anglais. Dans « Sous-titres en », choisissez « Anglais (traduction) » : Whisper écoute la langue d’origine et écrit directement en anglais. La traduction vers d’autres langues n’est pas proposée.
Non. Le modèle est téléchargé vers votre navigateur, et non l’inverse : l’audio est analysé sur votre machine. Seul le futur moteur Pro enverra l’audio compressé, jamais la vidéo, et ne le conservera pas.
La reconnaissance vocale se trompe surtout sur les noms propres, les chiffres, les passages avec musique et les voix qui se chevauchent. Relisez toujours le résultat : chaque ligne est modifiable directement dans l’éditeur avant l’export.
Pro, en préparation, transcrira sur serveur avec Whisper large-v3 turbo : beaucoup plus rapide, plus précis sur les accents et les dialectes, et capable de traiter des fichiers de plusieurs heures. Aucun prix n’est encore annoncé ; une liste d’attente ouvrira bientôt sur la page tarifs.
Mis à jour le 28 octobre 2026
Indiquer la langue est plus rapide et plus fiable que la détection, surtout pour les clips courts.
La reconnaissance vocale fait des erreurs, surtout sur les noms propres, les chiffres, la musique et quand plusieurs personnes parlent en même temps. Les dialectes comme la darija marocaine sont moins bien reconnus que l’arabe standard. Relisez les sous-titres avant de les publier.
Besoin de longues vidéos ou de la meilleure précision ?
AI subtitles Pro utilisera Whisper large-v3 sur nos serveurs : environ une heure de vidéo en quelques minutes, une meilleure précision sur les accents et les dialectes, des fichiers jusqu’à 3 heures. Seul l’audio compressé est envoyé, jamais la vidéo.
Découvrir Pro et rejoindre la liste d’attente