Convertissez la parole d’une réunion, d’une interview, d’un cours ou d’un podcast en texte brut prêt à copier, organisé en paragraphes. Rien n’est envoyé, et il n’y a ni compte, ni filigrane.
Ajoutez l’enregistrement dans « Déposez une vidéo ou un fichier audio ici » : une vidéo MP4, MOV, WebM ou MKV, ou un audio MP3, M4A, WAV ou OGG.
Indiquez la « Langue parlée » si vous la connaissez, puis lancez « Générer les sous-titres ». Le pourcentage et le temps restant s’affichent pendant le traitement.
Cochez « Horodatage dans le fichier texte » si vous voulez retrouver chaque passage dans l’enregistrement, ou laissez la case vide pour un texte continu.
Cliquez sur « Télécharger le TXT », ou sur « Copier le texte » pour le coller directement dans vos notes, un e-mail ou un traitement de texte.
Une transcription n’a pas les mêmes contraintes qu’un sous-titre. Pas besoin de couper toutes les deux lignes : ce qui compte, c’est un texte qui se lit d’une traite. filetidy regroupe donc les phrases en paragraphes, en ouvrant un nouveau paragraphe à chaque pause marquée dans la parole.
Avec la case « Horodatage dans le fichier texte », chaque paragraphe commence par le moment où il est prononcé. C’est utile pour citer une interview, retrouver une décision dans l’enregistrement d’une réunion ou préparer des chapitres de podcast.
Les fichiers audio sont acceptés au même titre que les vidéos : mémo vocal du téléphone en M4A, podcast en MP3, enregistrement en WAV ou OGG. Dans tous les cas, le son est décodé dans la page et ramené en 16 kHz mono avant d’être confié au modèle.
La transcription se fait localement, ce qui compte pour des contenus confidentiels comme un entretien d’embauche, une consultation ou une réunion interne : l’enregistrement n’est transmis à aucun service.
iPhone et iPad
Disponible seulement sur les versions récentes d’iOS, sur certains modèles et dans certaines langues. Ne fonctionne qu’avec les enregistrements de Dictaphone, pas avec vos vidéos.
Windows
Les Sous-titres en direct ne gardent aucune trace : impossible d’en tirer un fichier texte une fois la réunion terminée.
Prenez le TXT quand le texte est la finalité : compte rendu, citation, article tiré d’une interview, résumé de cours. Prenez le SRT ou le VTT quand il doit s’afficher en synchronisation avec une vidéo. Les trois exports viennent de la même transcription, vous pouvez donc télécharger les deux.
Pour une réunion à plusieurs voix, la transcription ne distingue pas les intervenants : elle n’indique pas qui parle. Les paragraphes et l’horodatage aident à s’y retrouver, mais il faudra ajouter les noms à la main si le compte rendu l’exige.
Au-delà de 10 minutes, seul le début est transcrit gratuitement. Pour un long podcast ou une conférence entière, découpez l’audio en morceaux ou attendez le moteur Pro, conçu pour les fichiers de plusieurs heures.
Oui. MP3, M4A, WAV et OGG sont acceptés directement. C’est le cas typique d’un mémo vocal, d’un podcast ou d’un enregistrement fait au dictaphone.
À partir des silences. Dès que la parole s’interrompt pendant deux secondes ou plus, un nouveau paragraphe commence. Le résultat suit le rythme de la parole plutôt qu’un nombre fixe de phrases.
Non. Le modèle transcrit les mots mais n’identifie pas les voix. Pour un entretien à deux, les pauses entre les questions et les réponses donnent souvent des paragraphes séparés, ce qui facilite l’ajout des noms.
Il place toute la transcription dans le presse-papiers, en respectant votre choix pour l’horodatage. Vous pouvez la coller aussitôt dans un document, une note ou un message.
Ils ne quittent pas votre appareil : le modèle de reconnaissance vocale est téléchargé dans le navigateur et c’est là qu’il écoute le fichier. Aucune copie n’est envoyée à filetidy.
Sur un long silence ou un bruit de fond, Whisper peut halluciner une phrase, par exemple une formule de remerciement ou un crédit de sous-titrage. filetidy saute les silences pour limiter ce phénomène, mais une relecture reste indispensable.
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