Exporter en transcription texte
Ou collez le texte d'un sous-titre
Options
Millisecondes de silence entre la fin d'un bloc et le début du suivant. Atteignez cette valeur et la transcription commence un nouveau paragraphe ; restez en dessous et les deux se lisent comme un seul morceau de parole continu. Le nombre décide de la lecture du texte, pas de son contenu : 2000 garde une phrase entière quand les sous-titres la coupent en trois ou quatre blocs, tandis que 0 met chaque bloc dans son propre paragraphe. Une pause se mesure par rapport au dernier bloc contenant des mots : un bloc vide au milieu ne coupe donc pas un paragraphe en deux.
Désactivé par défaut, ce qui donne un bloc de texte brut à coller directement dans un document. Activez-le et chaque paragraphe est précédé de [HH:MM:SS] — l'heure de début du premier bloc de ce paragraphe, à la seconde, sans millisecondes. Un lecteur utilise ce repère pour retrouver le moment dans un lecteur vidéo, et le début est le seul des trois candidats (début, milieu, fin du paragraphe) qui corresponde à ce que le lecteur affiche.
La fréquence d'images dans laquelle les temps sont comptés. Sur les pages de format, c'est ce dont MicroDVD a besoin, car il stocke les temps sous forme de numéros d'image. Sur les pages de fréquence d'images, c'est la cadence à laquelle le fichier a été minuté — la version pour laquelle les sous-titres ont été faits — et le second cadre de la page prend la cadence de la vidéo avec laquelle vous allez les utiliser. 23,976, 24, 25, 29,97, 30, 50, 59,94 et 60 sont les valeurs courantes. Se tromper décale toute la chronologie et, sur les pages de fréquence d'images, ce décalage est un rapport, pas un montant fixe.
Cette page lit un fichier de sous-titres et rend les mêmes mots sous forme de paragraphes de texte suivi : les retours à la ligne qui n'existaient que pour l'écran sont recollés, et les blocs qui se suivent de près sont lus comme un passage continu. Déposez le fichier, lancez l'opération, et vous obtenez un bloc de prose à coller dans un compte rendu, une fiche de lecture ou un article. Rien ne quitte l'onglet du navigateur, donc un matériel qui ne peut pas être envoyé reste sur place.
Le point à comprendre est le retour à la ligne. Un fichier de sous-titres utilise un retour à la ligne pour une raison qui n'a rien à voir avec la phrase : la ligne devenait trop longue pour l'écran, elle a donc été coupée et les deux moitiés équilibrées. Enregistrer un fichier de sous-titres en .txt conserve ces coupures et place un bloc par ligne, ce qui est souhaitable si le texte doit retourner dans un lecteur. Une transcription se lit sur une page, où une coupure au milieu d'une phrase est du bruit : cette page recolle donc les moitiés. Les deux parties d'une phrase ressortent sur une seule ligne, et il n'existe aucun moyen de retrouver ensuite où se trouvait la coupure d'écran.
Les paragraphes sont décidés par le silence, pas par le bloc. Un paragraphe par bloc casserait une phrase toutes les trois ou quatre secondes, car un fichier de sous-titres normal découpe une phrase parlée en plusieurs blocs pour que chacun tienne dans son minutage. La page regarde donc l'écart entre la fin d'un bloc et le début du suivant : un écart d'environ deux secondes ouvre un nouveau paragraphe, et tout ce qui est plus court laisse les mots s'enchaîner. Ce nombre est dans le champ et c'est le seul réglage qui mérite réflexion : abaissez-le pour un dialogue rapide, relevez-le pour une conférence avec de longues pauses à l'intérieur d'une même pensée. À zéro, chaque bloc devient son propre paragraphe, ce qui rapproche le plus cette page d'une ligne par bloc.
Un interrupteur permet aussi d'ajouter un temps de début à chaque paragraphe, désactivé par défaut. Activé, il place une marque comme [00:42:17] devant chaque paragraphe, lue sur le premier bloc de ce paragraphe. La marque va à la seconde et abandonne volontairement les millisecondes : elle sert à retrouver ce moment dans un lecteur, et 00:42:17 le permet. Une marque sur chaque bloc transformerait au contraire la transcription en fichier de sous-titres avec de la ponctuation en plus.
Ce que la page ne fait pas, c'est nommer quiconque. Aucun des formats lus ici n'enregistre qui parle — SRT, WebVTT, ASS, SSA, SBV, SAMI, MicroDVD, TTML, JSON et CSV stockent un temps et du texte, et toute étiquette dans ce texte a été tapée par un humain à l'intérieur des mots. Une transcription issue de cette page ne porte donc aucun nom de locuteur, et rien n'est deviné à partir de la forme des lignes pour en inventer. Les blocs entièrement vides sont ignorés plutôt que laissés comme paragraphes blancs, et chaque ligne est nettoyée de ses espaces superflus, de sorte qu'on ne trouve pas de suites d'espaces là où un bloc avait été tronqué.
Exemples
Deux blocs qui forment une seule phrase
Entrée
1
00:00:01,000 --> 00:00:03,000
I missed the last train home
and had to walk.
2
00:00:03,400 --> 00:00:05,000
Back before midnight,
you said.
3
00:00:09,000 --> 00:00:11,000
Every night this week?
Sortie
I missed the last train home and had to walk. Back before midnight, you said.
Every night this week?
Trois blocs en entrée, deux paragraphes en sortie. Les deux premiers blocs sont séparés de 400 ms, bien à l'intérieur de la pause de deux secondes : ils restent donc dans un même paragraphe, et les deux lignes d'affichage de chaque bloc sont recollées en une seule. Le troisième bloc suit un écart de quatre secondes et ouvre un second paragraphe. Tous les mots sont encore là : ce qui a changé, c'est quels retours à la ligne ont survécu.
Une pause de exactement deux secondes
Entrée
1
00:12:30,000 --> 00:12:32,000
The train was late
again.
2
00:12:34,000 --> 00:12:36,000
Third time this week.
Sortie
The train was late again.
Third time this week.
Le second bloc commence deux secondes après la fin du premier, soit exactement le nombre du champ de pause : c'est le moment où un nouveau paragraphe commence. C'est l'exemple à regarder si vous vérifiez l'arithmétique de la page : passez le champ à 2500 et ces deux blocs se rejoignent en un seul paragraphe, car un écart de deux secondes n'atteint plus le seuil.
Le même fichier avec les temps de début
Entrée
1
00:02:15,000 --> 00:02:17,000
Here is where
we came in.
2
01:47:52,000 --> 01:47:55,000
And here is
where we leave.
Sortie
[00:02:15] Here is where we came in.
[01:47:52] And here is where we leave.
Avec l'interrupteur d'horodatage activé, chaque paragraphe est précédé du temps de début du bloc qui l'ouvre, à la seconde. Le second paragraphe arrive presque deux heures plus loin, ce qui montre pourquoi l'heure est écrite en clair plutôt que comptée en minutes : 01:47:52 indique au lecteur où se déplacer, et 107:52 ne le ferait pas.
Questions fréquentes
Quelle différence avec l'enregistrement de mes sous-titres en .txt ?
Les retours à la ligne. Enregistrer un fichier de sous-titres en .txt garde les coupures du fichier et écrit un bloc par ligne, parce que cette sortie est faite pour être relue comme un fichier de sous-titres. Cette page fait l'inverse : elle recolle les coupures d'affichage internes à un bloc en une seule ligne, puis réunit des blocs entiers en paragraphes partout où la pause entre eux est courte. Les mots sont identiques dans les deux cas. Si vous devez conserver les coupures d'origine, la conversion en texte brut est la page qu'il vous faut ; si vous voulez quelque chose qu'une personne lit comme de la prose, c'est celle-ci.
Comment la page décide-t-elle où finit un paragraphe et où commence le suivant ?
Par le silence entre les blocs, pas par les blocs eux-mêmes. La page mesure l'écart entre la fin d'un bloc et le début du suivant, et ouvre un nouveau paragraphe quand cet écart atteint le nombre du champ de pause, qui vaut 2000 ms au départ. Les blocs plus rapprochés sont lus comme un passage continu. Un paragraphe par bloc serait faux ici, car une phrase parlée est normalement découpée en trois ou quatre blocs pour que chacun tienne dans son minutage, et une coupure de paragraphe toutes les quelques secondes ne ressemble pas à une transcription.
Que fait le réglage de pause à zéro ?
Zéro est une valeur réelle, pas un champ vide : tout écart l'atteint, donc chaque bloc devient son propre paragraphe. Vous obtenez alors ce que la page a de plus proche d'une ligne par bloc, avec l'avantage que les coupures d'affichage internes à chaque bloc sont tout de même recollées. C'est le réglage à choisir quand le fichier est une liste d'énoncés séparés plutôt qu'un discours continu — une suite de diapositives, ou des réponses dans un entretien structuré — et que vous voulez que chacun se tienne seul.
Pourquoi les horodatages sont-ils précis seulement à la seconde ?
Parce qu'une marque dans une transcription est un repère, pas un point de coupe. Elle sert à retrouver ce passage dans un lecteur, et dans un programme d'une heure, 00:42:17 suffit déjà à tomber sur la phrase ; les millisecondes ajouteraient quatre caractères au début de chaque paragraphe sans changer l'endroit où l'on se déplace. Une marque sur chaque bloc, à la milliseconde, est le rôle d'un fichier de sous-titres, et le fichier que vous avez déposé la contient déjà.
Les noms des locuteurs apparaîtront-ils dans la transcription ?
Non, et ce n'est pas parce que la page les omet. Aucun des formats lus ici n'a de champ pour dire qui parle : SRT, WebVTT, ASS, SSA, SBV, SAMI, MicroDVD, TTML, JSON et CSV stockent un intervalle et du texte. Quand un fichier nomme un locuteur, le nom a été tapé dans le dialogue lui-même, souvent en capitales ou précédé d'un tiret : il ressort donc dans la transcription exactement là où le fichier l'a mis, et nulle part ailleurs. Rien n'est déduit de la forme des lignes — une supposition présentée comme une étiquette de locuteur serait pire que pas d'étiquette du tout.
Que devient un bloc qui ne contient aucun texte ?
Il est ignoré et ne laisse aucune trace, pas même une ligne vide. Un bloc vide existe généralement pour le positionnement plutôt que pour la lecture, et s'il était conservé, la transcription montrerait un trou au milieu d'une phrase sans explication. L'ignorer ne perturbe pas non plus le découpage : la pause qui décide des paragraphes est mesurée depuis le dernier bloc qui contenait réellement des mots, donc un bloc vide entre deux blocs parlés ne les sépare pas.
La transcription conserve-t-elle les retours à la ligne qui étaient à l'écran ?
Non, et c'est la seule chose que la page fait et que vous ne pouvez pas défaire ensuite : la position de ces coupures n'existe nulle part dans la sortie. Elles relevaient d'une décision de mise en page pour tenir dans une largeur d'écran, et un lecteur sur une page veut des phrases, pas des largeurs d'écran : c'est pourquoi la page les résout. Si vous avez besoin d'une copie du fichier qui les conserve encore, prenez la conversion en texte brut : elle garde chaque coupure telle que le fichier l'a écrite, un bloc par ligne.