Glissez-déposez votre fichier audio ou vidéo
ou cliquez pour choisir
Audio : MP3 · WAV · M4A · FLAC · OGG · AAC · AIFF · WMA · AMR · OPUS
Vidéo : MP4 · MOV · AVI · MKV · WebM · FLV · WMV
Jusqu'à 200 Mo · les 5 premières minutes gratuites, sans compte
Aperçu gratuit de 5 minutes · sans compte · fichiers jusqu'à 200 Mo · inscrivez-vous gratuitement pour 30 minutes et des fichiers jusqu'à 5 Go
Nouveau à la transcription ? Voir notre explication : Qu'est-ce qu'une transcription ?
En bref
Le générateur de sous-titres VexaScribe convertit un fichier audio ou vidéo en SRT, VTT ou TXT, avec des horodatages au niveau du mot, en 99 langues. Les 5 premières minutes se transcrivent sur cette page sans compte, pour des fichiers jusqu’à 200 Mo ; un compte gratuit donne 30 minutes et des fichiers jusqu’à 5 Go. Les forfaits payants vont de 2 $/mois pour 200 minutes à 20 $/mois pour 6 000 minutes — soit environ 0,20 $ à 0,60 $ par heure de vidéo selon le forfait. Nous produisons un fichier de sous-titres, pas une vidéo retravaillée : l’incrustation des sous-titres dans l’image n’est pas une fonctionnalité de VexaScribe.
Qu’est-ce qu’un générateur de sous-titres ?
Un générateur de sous-titres est un outil basé sur l’IA qui détecte la parole dans un fichier audio ou vidéo, la convertit en texte et l’associe à des horodatages précis. Le résultat est un fichier de sous-titres (généralement SRT ou VTT) qui s’affiche en synchronisation avec l’image — ou qui est directement « incrusté » dans la vidéo (burn-in / hardcoded subtitles) pour faire partie intégrante des pixels.
Pour les créateurs, équipes marketing, rédactions et établissements d’enseignement, le sous-titrage automatique remplace un travail manuel fastidieux de plusieurs heures. VexaScribe utilise OpenAI Whisper Large-v3 — un modèle de reconnaissance vocale entraîné sur 680 000 heures d’audio dans 99 langues, qui offre l’une des meilleures précisions du marché en français métropolitain comme en français québécois.
Subtitles vs closed captions — quelle différence ?
Les deux termes sont souvent confondus mais recouvrent des réalités distinctes, notamment pour l’accessibilité RGAA / WCAG 2.1 :
| Format | Contenu | Usage |
|---|---|---|
| Sous-titres (subtitles) | Uniquement le dialogue — pour spectateurs entendants | Traduction, flux « sound-off » sur les réseaux sociaux |
| Sous-titres SME (closed captions) | Dialogue + [musique], [applaudissements], [sonnerie], labels de locuteur | Accessibilité RGAA 4.1, WCAG 2.1 SC 1.2.2 / 1.2.4 |
VexaScribe produit les deux : sous-titres simples par défaut, ou — en quelques clics dans l’éditeur — une version SME avec labels de locuteur et événements sonores comme [applaudissements] ou [musique].
Exemple de sortie : sous-titres SRT et VTT
Voici à quoi ressemble un sous-titre exporté depuis un enregistrement français — horodatages au format SRT (secondes,millisecondes), UTF-8, directement compatible avec YouTube Studio, Premiere Pro, DaVinci Resolve et VLC.
Tarifs honnêtes — sans engagement
Une vidéo d’une heure coûte environ 0,30 $ à sous-titrer avec le plan Basic (5 $/mois) — export SRT, VTT et TXT inclus. Sans engagement, résiliable chaque mois.
Voir tous les tarifs →Sous-titrage manuel vs VexaScribe
Sous-titrage manuel (Aegisub, Subtitle Edit)
- ✗5 à 8 heures de travail par heure d’audio — placement et timing manuels des cues
- ✗Toute erreur de timing sur un montage doit être corrigée à la main
- ✗Chaque langue doit être traduite et re-timée séparément
- ✗Pas de détection de locuteur — étiquetage manuel obligatoire
- ✗Caractères accentués et encodages fantaisistes fréquents sur .srt
Idéal pour Projets artistiques, clips très courts ou cas d’audio de qualité extrêmement dégradée
VexaScribe (automatique avec Whisper Large-v3)
- ✓5 à 10 minutes par heure d’audio — timing automatique au mot près
- ✓99 langues depuis un seul upload, détection automatique de la langue
- ✓Identification des locuteurs identifiés et étiquetés automatiquement
- ✓Export SRT et VTT UTF-8 propre, accents et cédilles correctement encodés
- ✓Éditeur intégré pour corriger, découper les cues, renommer les locuteurs
Idéal pour Chaînes YouTube, Reels réseaux sociaux, podcasts, e-learning, vidéos marketing, captations de conférences
Comment ça marche (3 étapes)
1. Téléverser la vidéo ou l’audio
Glissez-déposez votre fichier : MP3, WAV, M4A, FLAC (audio) ou MP4, MOV, MKV, WebM (vidéo) jusqu’à 5 Go. Pour les vidéos, la piste audio est extraite automatiquement.
2. L’IA détecte la langue et cale les cues
Whisper Large-v3 reconnaît le français (métropolitain, québécois, belge, suisse, africain) automatiquement et produit des horodatages au mot près. Le traitement prend 20 à 40 % de la durée du média.
3. Télécharger SRT, VTT ou TXT
Export en SRT pour YouTube, Vimeo et les éditeurs vidéo, en VTT pour les lecteurs HTML5, en TXT si vous ne voulez que le texte. Nous produisons le fichier de sous-titres, pas une vidéo retravaillée.
Ajouter des sous-titres à une vidéo — le workflow
Pour ajouter des sous-titres à une vidéo (créer des sous-titres, faire des sous-titres pour un tutoriel YouTube, une captation d’événement ou une pub LinkedIn), le workflow VexaScribe se déroule en 4 étapes contrôlées.
- 1. Upload de la vidéo. Glissez-déposez MP4, MOV, MKV ou WebM jusqu’à 5 Go. La piste audio est extraite automatiquement — pas besoin de convertir en amont.
- 2. Détection FR automatique. Whisper identifie le français (métropolitain, québécois, belge, suisse, africain) sans configuration. Vous pouvez aussi forcer la langue depuis le menu si votre vidéo mélange plusieurs langues.
- 3. Découpage en cues. Le moteur produit des horodatages au niveau du mot, puis notre exporteur découpe : 80 caractères maximum par cue, 1 à 7 secondes à l’écran, pour une vitesse de lecture cible de 15 caractères par seconde. Ce sont les valeurs réelles de l’exporteur, pas celles d’un guide tiers.
- 4. Relecture et export. Relisez les cues dans l’éditeur, corrigez ce qui doit l’être, puis téléchargez le .srt, .vtt ou .txt. Les réexports sont illimités et ne reconsomment pas de minutes.
Compte tenu de la précision Whisper Large-v3, la correction manuelle après génération est en général minime — 2 à 3 minutes de relecture par vidéo de 10 minutes en français propre.
Sous-titrage IA — comment Whisper génère les sous-titres
Le sous-titrage IA (ou ia sous-titrage video, sous-titrage vidéo automatique) repose aujourd’hui presque entièrement sur des modèles encoder-decoder Transformer. VexaScribe utilise OpenAI Whisper Large-v3, entraîné sur 680 000 heures d’audio multilingue (Radford et al., arXiv:2212.04356).
Architecture encoder-decoder
L’encoder transforme le signal audio en une représentation dense (log-mel spectrogramme de 30 secondes → séquence d’embeddings). Le decoder autorégressif produit ensuite le texte token par token, avec des tokens spéciaux pour l’horodatage — permettant d’obtenir un timestamp au niveau du mot, pas seulement du segment.
Découpage de cues Netflix-compliant
Une fois la transcription générée, un post-traitement applique les règles standard de lisibilité (Netflix Timed Text Style Guide) : maximum 80 caractères par cue, 5 secondes à l’écran (plafond dur à 10 s), avec priorité aux frontières de phrase puis aux virgules pour les découpages. Les sous-titres automatiques IA obtenus s’importent directement dans YouTube Studio, Premiere Pro et DaVinci Resolve sans nettoyage.
Résultat : 8,3 % de WER en français sur FLEURS pour le modèle large-v2 — proche du niveau des transcripteurs humains. Voir aussi Qu'est-ce qu'une transcription ? pour la théorie générale.
Créer un fichier SRT — depuis n’importe quel audio ou vidéo
Créer un fichier SRT (créer sous-titres srt, générer fichier srt) est l’action la plus fréquente sur ce générateur. Le format SRT (SubRip) reste la référence — un fichier texte brut UTF-8, avec un compteur numérique, un horodatage HH:MM:SS,mmm --> HH:MM:SS,mmmet le texte de la cue.
Avec VexaScribe : uploadez votre audio ou vidéo, laissez le moteur transcrire, puis cliquez sur Exporter → SRT. Le fichier est généré avec les accents français (é, è, ê, à, ç, œ) correctement encodés en UTF-8 — un piège classique des convertisseurs bricolés qui produisent des « é » cassés dans YouTube Studio.
Le SRT généré est compatible avec YouTube Studio, Premiere Pro, DaVinci Resolve, Final Cut Pro, VLC, mkvmerge et FFmpeg. Il peut aussi servir de base pour un burn-in (ffmpeg -vf subtitles=fichier.srt) ou pour la traduction ligne par ligne.
Sous-titres automatiques gratuits — que couvre le forfait gratuit ?
Le générateur de sous-titres gratuit de VexaScribe (sous-titres automatiques gratuit, générateur sous-titres gratuit) inclut 30 minutes de traitement par compte, sans carte bancaire à l’inscription. Assez pour tester 6 à 10 Reels courts, un épisode de podcast de 25 minutes ou une interview corporate.
- • Toutes les 99 langues (Whisper Large-v3) — pas de tier bloqué au français.
- • Export SRT, VTT et TXT inclus — pas d’upsell pour débloquer les formats.
- • Diarisation jusqu’à identification des locuteurs, même en gratuit.
- • Aucun filigrane forcé sur les vidéos exportées.
- • Fichiers jusqu’à 5 Go acceptés — pas de limite de taille sur le tier gratuit.
Limite honnête : au-delà de 30 minutes, il faut passer sur un forfait dès 2 $/mois (200 minutes) — modèle transparent, sans période d’essai piégeuse qui se convertit automatiquement en abonnement payant.
Quel outil pour quel travail
Les outils entre lesquels on choisit réellement, classés par rôle et non par prix. Les tarifs et les paliers gratuits ne figurent pas ici : ils changent trop souvent pour qu’un tableau les représente fidèlement, et nous ne les avons pas vérifiés chez chaque éditeur. Le rôle et la capacité d’export, eux, restent stables.
| Outil | Rôle | Export de sous-titres | Le meilleur choix pour |
|---|---|---|---|
| VexaScribe | Génération par IA, traitement dans l’UE | SRT / VTT / DOCX / TXT / JSON | Le sous-titrage comme travail à part, avec export multiformat |
| CapCut | Éditeur vidéo avec fonction sous-titres | Gravés dans l’image ou SRT | Quand montage et sous-titres doivent rester dans un seul outil |
| VEED / Kapwing | Éditeurs vidéo en ligne avec styles animés | SRT, VTT, vidéo exportée | Habillage animé poussé et travail collaboratif dans le navigateur |
| Subtitle Edit / Aegisub | Éditeurs de sous-titres à installer, gratuits | SRT / VTT / ASS | Contrôle manuel complet du calage et des effets |
| Sous-titres automatiques de la plateforme | Intégrés à YouTube, Instagram, TikTok | Aucun export de fichier | Quand il faut aller vite et que rien n’est archivé |
Notre lecture honnête : si vous voulez un éditeur vidéo complet avec des styles animés poussés, VEED et Kapwing font cela mieux que nous, et CapCut est difficile à battre pour les styles natifs TikTok et le travail depuis un téléphone. VexaScribe se concentre sur la transcription et sur des fichiers SRT et VTT propres — utile quand votre chaîne de production se termine dans Premiere Pro ou DaVinci Resolve plutôt que dans un éditeur web, ou quand vous avez besoin du texte autant que de la vidéo. Pour l’habillage visuel, nous ne sommes pas le bon outil et nous ne prétendons pas l’être.
Sous-titres Instagram — Reels, Feed et Stories
La transcription Instagram (transcription video instagram, transcription reels instagram) est devenue essentielle : beaucoup d’utilisateurs d’Instagram scrollent son coupé. Voici les règles précises par format.
Format Reels (9:16 vertical)
Les Reels sont verticaux au ratio 9:16 (1080×1920). Point critique : Instagram n’accepte PAS de fichier SRT séparé (sidecar) pour les Reels — vérifié sur help.instagram.com le 5 août 2026. Les sous-titres d’un Reels doivent donc être présents dans l’image elle-même, et ce n’est pas ce que nous produisons : VexaScribe sort un fichier de sous-titres, pas une vidéo réencodée. Cela vaut pour tous les Reels publiés depuis l’app comme depuis l’API Graph.
IGTV et vidéos Feed longform
Pour les vidéos IGTV (contenus longform) et les vidéos Feed classiques, Instagram accepte les sous-titres SRT en piste séparée — le spectateur peut les activer ou désactiver. C’est le workflow recommandé pour les tutoriels longs, interviews ou behind-the-scenes.
Et concrètement, pour un Reels ?
Les sous-titres doivent être dans l’image, et nous ne faisons pas cela : VexaScribe produit un fichier de sous-titres, pas une vidéo retravaillée. Il reste deux chemins, selon ce qui vous importe.
Si la précision du texte compte — un sujet technique, des noms propres, une marque à ne pas écorcher — générez le SRT ici, puis chargez-le dans un éditeur qui grave les sous-titres dans l’image : CapCut, DaVinci Resolve ou Premiere Pro. Le texte et le calage sont déjà faits, il ne reste que l’habillage.
Si c’est le délai qui compte, les sous-titres automatiques intégrés à l’application Instagram suffisent souvent pour un Reels court, à condition de relire. Pour une vidéo Feed ou IGTV, en revanche, le SRT séparé fonctionne directement et c’est le meilleur des deux.
Quel format de sous-titres pour quelle plateforme ?
Chaque plateforme traite les sous-titres différemment. Instagram Reels et YouTube Shorts n’acceptent pas de fichiers SRT séparés à l’upload — les sous-titres doivent être présents dans l’image elle-même. Les vidéos longform et plateformes desktop privilégient le SRT.
| Plateforme | Format de livraison | Note |
|---|---|---|
| YouTube (longform) | SRT | Upload dans YouTube Studio → Sous-titres. Le VTT est également accepté. |
| YouTube Shorts | Sous-titres dans l’image (pas chez nous) | L’interface verticale rogne les SRT séparés. Générez le SRT ici, puis gravez-le dans un éditeur. |
| Instagram Reels | Sous-titres dans l’image (pas chez nous) | Instagram n’accepte pas de fichier SRT sur les Reels. Générez le SRT ici, gravez-le dans un éditeur. |
| TikTok | SRT comme base | L’éditeur TikTok accepte un fichier SRT et permet d’en ajuster l’apparence ensuite. |
| LinkedIn Video | SRT | Upload SRT depuis le compositeur vidéo LinkedIn. |
| Facebook Video | SRT | Upload via Creator Studio → Sous-titres. |
| Vimeo | SRT ou VTT | Le lecteur Vimeo supporte les deux ; le SRT est le plus simple. |
| Plateformes de podcast | TXT | TXT pour les show notes et transcriptions d’épisodes (Apple Podcasts, Spotify). |
| LMS d’entreprise | SRT ou VTT | La plupart des LMS (Cornerstone, Docebo, Canvas) acceptent les deux. VTT au besoin pour le positionnement. |
Vérifié le 3 octobre 2026 contre les pages d’aide officielles de YouTube, Instagram, TikTok, LinkedIn et Vimeo.
Quel moteur traite votre fichier
À chaque fichier téléversé, vous choisissez un niveau de qualité — et derrière ce choix il y a deux systèmes de reconnaissance vocale différents, pas deux réglages du même. La plupart des pages sur les sous-titres donnent un nom de modèle et s’arrêtent là. Nous donnons les deux, parce que le choix vous appartient et se paie en minutes.
| Niveau | Moteur | Minutes consommées | Quand le choisir |
|---|---|---|---|
| Standard | OpenAI Whisper Large-v3 | 1 minute par minute d’audio | Audio propre au micro, une ou deux voix |
| Premium | modèle Premium | 2 minutes par minute d’audio | Audio faible, bruyant ou avec accent marqué, voix qui se chevauchent |
| Aperçu sans compte | modèle Premium | 5 premières minutes offertes | L’outil en haut de cette page |
Le français est pris en charge par les deux moteurs, le choix n’est donc pas fait pour vous. Un détail qui vaut d’être signalé : l’aperçu gratuit de cette page passe par le modèle Premium, pas par Whisper. Si vous créez un compte et téléversez le même fichier en Standard, le résultat peut différer dans le détail — c’est un autre modèle, pas la même transcription dans un autre emballage.
Lequel des deux se comporte le mieux en français, nous ne le disons pas, parce que nous ne l’avons pas mesuré. Le fournisseur du modèle Premium le présente comme compétitif face à Whisper sur les grandes langues européennes, mais les chiffres publiés par les deux fournisseurs proviennent de jeux de test différents et ne sont pas comparables directement. Conseil pratique sans fausse précision : commencez en Standard, et si le résultat décroche sur l’accent, le bruit de fond ou des voix qui se superposent, repassez le même fichier en Premium et comparez.
Couverture linguistique et précision
VexaScribe utilise OpenAI Whisper Large-v3, qui couvre 99 langues. La précision varie selon la langue et la qualité audio. Le tableau ci-dessous donne le taux d’erreur sur les mots (WER) sur le benchmark FLEURS — plus c’est bas, mieux c’est.
| Langue | WER Whisper Large-v3 |
|---|---|
| Espagnol | 3,0 % |
| Italien | 4,0 % |
| Anglais | 4,2 % |
| Portugais | 4,3 % |
| Allemand | 4,5 % |
| Japonais | 5,3 % |
| Polonais | 5,4 % |
| Néerlandais | 6,7 % |
| Français (FLEURS) | 8,3 % |
| Turc | 8,4 % |
| Arabe | 16,0 % |
Source : Radford et al., Robust Speech Recognition via Large-Scale Weak Supervision, arXiv:2212.04356, section D.2.4 (FLEURS), valeurs mesurées pour le modèle large-v2. WER mesuré sur les benchmarks FLEURS / CommonVoice. Les enregistrements réels avec bruit de fond, accents marqués ou terminologie spécialisée présentent naturellement un WER plus élevé.
Comment nous découpons les cues
Le point difficile d’un SRT utilisable, ce n’est pas la précision de la transcription : c’est l’endroit où une cue se termine. Un monologue de trente secondes ne peut pas être un seul sous-titre, et une réaction de deux mots ne doit pas clignoter pendant un quart de seconde. Voici les valeurs que notre exporteur utilise réellement — générez un fichier, comptez les caractères, vous les vérifiez.
| Paramètre | Valeur |
|---|---|
| Caractères maximum par cue | 80 |
| Caractères minimum par cue | 20 (seuil souple) |
| Durée maximale d’une cue | 7 secondes |
| Durée minimale d’une cue | 1 seconde |
| Vitesse de lecture cible | 15 caractères par seconde |
L’ordre dans lequel on cherche le point de coupe compte plus qu’on ne croit. L’algorithme essaie, dans cet ordre : une pause d’au moins 0,4 seconde, puis la fin de phrase, puis la virgule, et en dernier recours la frontière de mot la plus avancée qui tient dans la limite de caractères. La pause passe avant la ponctuation volontairement : celui qui parle ne met pas de points, il respire — et quatre dixièmes de seconde de silence délimitent une unité de sens mieux qu’une virgule ajoutée par la transcription.
Après ce premier découpage, le fichier passe encore quelques corrections : les cues trop denses en texte sont allongées vers le silence jusqu’à revenir à 15 caractères par seconde ; les trous entre 83 et 500 ms sont refermés à 83 ms (deux images à 24 fps), parce qu’un intervalle plus court se perçoit comme un scintillement et non comme un changement ; et deux cues voisines très courtes sont fusionnées si le résultat reste dans les limites. Un changement de locuteur coupe toujours la cue, et c’est pour cela qu’un enregistrement à plusieurs voix revient sous forme d’échange lisible plutôt que d’un mur de texte.
À vérifier avant de publier
Aucune transcription automatique n’est infaillible, et les endroits où elle trébuche sont prévisibles. Autant les connaître avant la publication, pas après le premier commentaire sous la vidéo.
- • Noms propres et marques. Les patronymes, noms d’entreprises et de produits sont ce qui passe le moins bien, parce que le modèle les devine au son seul. Vérifiez-les à chaque occurrence et pas seulement à la première : un même nom peut être écrit de deux façons dans le même fichier.
- • Homophones. « a » et « à », « ou » et « où », « et » et « est », « peu » et « peut », « sa » et « ça » : à l’oral rien ne les sépare, et seul le contexte tranche. C’est l’erreur la plus visible dans un sous-titre français.
- • Accords qui ne s’entendent pas. Le pluriel et le féminin sont souvent muets — « les règles appliquée » au lieu d’« appliquées » passe inaperçu à la machine et pas au lecteur.
- • Voix qui se chevauchent. Quand deux personnes parlent en même temps, l’attribution des locuteurs et le texte perdent en précision simultanément. C’est courant en table ronde et en podcast à bâtons rompus.
- • Parole sous la musique. Le chant et la voix sur fond musical passent nettement moins bien que du dialogue propre.
- • Nombres et unités. La forme en lettres ou en chiffres (« deux mille » ou « 2000 ») peut être incohérente au sein d’un même fichier.
Relire dix minutes d’enregistrement dans l’éditeur prend en général deux ou trois minutes, et c’est la différence concrète entre des sous-titres qui ont l’air professionnels et des sous-titres qui ont l’air faits par une machine. L’éditeur est pour l’instant en anglais — l’interface, pas votre texte — donc si vous préférez corriger en français, exportez le SRT et ouvrez-le dans n’importe quel éditeur de sous-titres.
Retoucher les sous-titres (éditeur)
Chaque projet de sous-titres s’ouvre dans un éditeur avec prévisualisation vidéo synchronisée. Vous pouvez :
- • Corriger d’un clic les mots mal compris — les horodatages s’ajustent automatiquement.
- • Découper ou fusionner les cues sur des frontières de mots pour améliorer la lisibilité.
- • Renommer les locuteurs (« Animateur », « Invitée 1 ») — les labels sont conservés à l’export SRT.
- • Ajuster la durée d’une cue pour respecter les pauses dramatiques ou dialogues rapides.
- • Ajouter des notations non-verbales comme [applaudissements] ou [musique] pour l’accessibilité.
- • Réexporter en SRT, VTT, TXT ou MP4 rendu — sans re-calculer la transcription.
Voir aussi notre page Transcrire un audio pour le workflow général de transcription.
Fonctionnalités clés
Tout ce qu’il faut pour produire des sous-titres professionnels depuis vidéo ou audio — dans un seul outil.
99 langues dont le français
Whisper Large-v3 avec 8,3 % de WER en français (FLEURS, large-v2). Détection automatique — pas besoin de sélectionner la langue.
SRT, VTT et TXT
Tous les formats standards depuis un seul upload. Compatible YouTube, Vimeo, LinkedIn, DaVinci Resolve, Premiere Pro et CapCut.
Identification des locuteurs
Diarisation automatique qui étiquette chaque locuteur — précision optimale entre 2 et 6 locuteurs.
Horodatages au mot près
Les débuts et fins de cue tombent sur des frontières de mots réelles, pas sur des interpolations au milieu d’un segment.
Éditeur avec preview vidéo
Corrections d’un clic, renommage de locuteurs, découpage de cues — modifications visibles instantanément dans le preview.
Fichiers jusqu’à 5 Go
Longues captations de conférences, cours magistraux ou interviews traités sans découpage manuel.
Formats courts ? Pour les sous-titres automatiques adaptés aux formats courts (TikTok, Reels, Shorts), voir Transcription TikTok.
Questions fréquentes
Comment générer des sous-titres à partir d’un audio ?
Téléchargez votre fichier audio ou vidéo sur VexaScribe par glisser-déposer ou via l’explorateur de fichiers. Notre moteur de transcription IA traite le fichier, détecte les mots prononcés avec des horodatages précis et génère un fichier de sous-titres. Une fois terminé, exportez au format SRT ou VTT — les deux sont compatibles avec YouTube, TikTok, LinkedIn et la plupart des éditeurs vidéo. L’ensemble du processus ne prend que quelques minutes pour la plupart des fichiers.
Quels formats de sous-titres VexaScribe prend-il en charge ?
VexaScribe exporte les sous-titres aux formats SRT (SubRip) et VTT (WebVTT). Le SRT est le format le plus largement pris en charge et fonctionne avec YouTube, Premiere Pro, DaVinci Resolve, Final Cut Pro et la plupart des plateformes de réseaux sociaux. Le VTT est le format web natif utilisé par les lecteurs vidéo HTML5 et est également accepté par YouTube et d’autres plateformes.
Quelle est la précision des sous-titres générés par IA ?
La précision dépend de la qualité audio, du bruit de fond et de la clarté du locuteur. Pour des enregistrements clairs avec un bruit de fond minimal, VexaScribe offre généralement une haute précision adaptée à un usage professionnel. Vous pouvez vérifier et modifier les sous-titres dans l’éditeur intégré avant l’exportation. Pour du contenu avec des accents forts ou du jargon technique, une relecture rapide est recommandée.
Puis-je générer des sous-titres dans différentes langues ?
Oui, VexaScribe génère des sous-titres en 99 langues, dont l’anglais, l’espagnol, le français, l’allemand, le portugais, l’italien, le chinois, le japonais, le coréen, l’arabe, l’hindi et bien d’autres. La langue est détectée automatiquement à partir de l’audio, ou vous pouvez la spécifier manuellement pour de meilleurs résultats.
Quelle est la différence entre les fichiers de sous-titres SRT et VTT ?
Le SRT (SubRip) est le format de sous-titres le plus utilisé — simple, universel et accepté par pratiquement toutes les plateformes vidéo et éditeurs. Le VTT (WebVTT) est le format web natif plus récent qui prend en charge des options de style supplémentaires comme la couleur de police et le positionnement. Pour la plupart des cas d’utilisation, le SRT est le choix le plus sûr. Choisissez le VTT si vous avez besoin de lecture web ou de styles personnalisés.
Puis-je modifier les sous-titres avant de les télécharger ?
Oui. Après la transcription, vous pouvez vérifier et modifier la transcription complète dans l’éditeur intégré de VexaScribe. Corrigez les mots, ajustez le timing, renommez les locuteurs, puis exportez la version corrigée en SRT ou VTT. Cela vous donne des sous-titres de qualité professionnelle sans travail manuel de synchronisation.
Quels formats vidéo et audio puis-je télécharger ?
VexaScribe accepte tous les formats audio courants (MP3, WAV, M4A, FLAC, OGG, AAC) et les formats vidéo (MP4, MOV, AVI, MKV, WebM). Pour les fichiers vidéo, nous extrayons automatiquement la piste audio. Les fichiers jusqu’à 5 Go sont pris en charge.
Combien coûte la génération de sous-titres ?
La génération de sous-titres utilise la même tarification que la transcription. L’essai gratuit comprend 30 minutes. Les forfaits payants commencent à 2 $/mois pour 200 minutes (Starter), 5 $/mois pour 1 000 minutes (Basic), 10 $/mois pour 2 500 minutes (Pro) et 20 $/mois pour 6 000 minutes (Studio). Une vidéo d’une heure coûte environ 0,30 $ à sous-titrer avec le forfait Basic.
Comment les cues de sous-titres sont-elles dimensionnées ? Sont-elles lisibles à l’écran ?
VexaScribe traite chaque export de sous-titres avec un algorithme de découpage de cues au niveau du mot. Les cues sont limitées à environ 80 caractères et 5 secondes (plafond strict de 10 secondes) — correspondant à la plage de sous-titres web lisibles utilisée par Descript, Sonix et Vimeo. Les découpages préfèrent d’abord les frontières de phrase, puis les virgules, puis les frontières de mot. Les étiquettes de locuteur sont préservées à chaque découpage. Les fichiers s’importent proprement dans YouTube, Premiere Pro, Final Cut Pro, DaVinci Resolve et VLC sans nettoyage manuel.
Les sous-titres restent-ils synchronisés avec la parole réelle ?
Oui. VexaScribe utilise de vrais horodatages au niveau du mot provenant du moteur de transcription — les temps de début et de fin des cues atterrissent sur des frontières de mots réelles, et non sur des approximations interpolées sur un long segment. Les pauses dramatiques dans la parole (discours motivants, livres audio) sont préservées : la cue reste à l’écran pendant le silence au lieu de produire un flash de moins d’une seconde suivi d’un écran vide.
Quelle différence entre subtitles et closed captions ?
Les « subtitles » (sous-titres) transcrivent uniquement la parole — ils supposent que le spectateur entend les sons. Les « closed captions » (CC, ou sous-titres pour sourds et malentendants — SME) incluent en plus les descriptions sonores : [musique dramatique], [porte qui claque], [rires], identification du locuteur hors champ. Les CC sont légalement requises pour l’accessibilité de nombreux contenus (voir WCAG 2.1 SC 1.2.2). VexaScribe génère par défaut des subtitles ; ajoutez manuellement les descriptions sonores dans l’éditeur pour produire des CC conformes.
Comment ajouter des sous-titres SRT à une vidéo MP4 (burn-in ou piste séparée) ?
Deux méthodes : (1) Piste séparée (soft subtitles) — la piste SRT est jointe au MP4 comme piste indépendante (mkvmerge, FFmpeg avec -c:s mov_text). Le spectateur peut activer/désactiver les sous-titres. Recommandé pour YouTube, Vimeo, Plex. (2) Incrustés (burn-in / hardcoded) — les sous-titres sont gravés dans les pixels via FFmpeg (« -vf subtitles=fichier.srt »). Impossibles à désactiver mais garantis d’apparaître partout, y compris sur TikTok, Instagram Reels et X où les pistes soft ne fonctionnent pas. Générez le SRT avec VexaScribe, puis choisissez soft ou hard selon la plateforme cible.
Comment ajouter des sous-titres à une vidéo automatiquement ?
Pour ajouter des sous-titres à une vidéo automatiquement, téléversez votre fichier MP4, MOV, MKV ou WebM sur VexaScribe. Le moteur détecte automatiquement le français (métropolitain, québécois, belge, suisse ou africain), génère des horodatages au niveau du mot, puis vous laisse créer des sous-titres exportables en SRT, VTT ou TXT. Le déroulé complet tient en quatre étapes : téléversement, détection automatique de la langue, découpage en cues, export. Aucun re-timing manuel requis : c’est la manière la plus rapide de faire des sous-titres pour YouTube, LinkedIn ou une vidéo pédagogique.
Qu’est-ce que le sous-titrage IA ?
Le sous-titrage IA (ia sous-titrage video) désigne la génération automatique de sous-titres par un modèle d’apprentissage profond — dans le cas de VexaScribe, OpenAI Whisper Large-v3, une architecture encoder-decoder Transformer entraînée sur 680 000 heures d’audio multilingue (Radford et al., arXiv:2212.04356). Le modèle produit des horodatages au niveau du mot, puis un algorithme de découpage applique nos propres paramètres de découpage (80 caractères maximum par cue, 1 à 7 secondes à l’écran) pour garantir la lisibilité. Les sous-titres automatiques IA atteignent aujourd’hui une précision proche de la transcription humaine sur audio propre — 8,3 % de WER en français sur le benchmark FLEURS (modèle large-v2).
Comment créer un fichier SRT gratuitement ?
Pour créer un fichier SRT gratuitement, utilisez les 30 minutes d’essai gratuit de VexaScribe — sans carte bancaire. Téléversez votre audio ou vidéo, laissez Whisper Large-v3 transcrire (5 à 10 minutes par heure d’audio), puis cliquez sur « Exporter → SRT ». Le fichier .srt encodé en UTF-8 est prêt pour YouTube Studio, Premiere Pro, DaVinci Resolve ou VLC — avec les accents français correctement encodés. Vous pouvez aussi générer un fichier SRT à partir d’un enregistrement Zoom, d’un podcast MP3 ou d’une vidéo MP4. C’est la manière la plus simple de créer des sous-titres SRT sans logiciel à installer.
Existe-t-il un générateur de sous-titres automatiques gratuit ?
Oui. VexaScribe propose un générateur de sous-titres automatiques gratuit avec 30 minutes incluses par compte — largement suffisant pour tester la qualité sur plusieurs Reels, TikTok ou un épisode de podcast court. Aucune carte bancaire n’est demandée pour l’inscription. Les limites honnêtes : au-delà des 30 minutes gratuites, il faut passer sur un forfait payant (dès 2 $/mois pour 200 minutes). L’export SRT, VTT et TXT est inclus dans tous les plans, y compris gratuit. Contrairement à certains outils « gratuits » avec filigrane forcé, VexaScribe n’ajoute aucun watermark sur les exports.
Comment créer des sous-titres pour Instagram Reels ?
Instagram Reels n’accepte pas de fichier SRT séparé à l’upload (help.instagram.com, vérifié le 5 août 2026) — les sous-titres doivent être dans l’image. Nous ne faisons pas cela : VexaScribe produit un fichier de sous-titres, pas une vidéo réencodée. En pratique, générez le SRT ici puis importez-le dans un éditeur qui grave les sous-titres — CapCut, DaVinci Resolve, Premiere Pro — le texte et le calage sont déjà faits. Pour l’IGTV longform et les vidéos Feed classiques, l’export SRT est accepté. Pour les Reels, il faut passer par un éditeur qui grave les sous-titres dans l’image. Notre SRT porte des horodatages au niveau du mot, donc le calage est déjà exact quand vous l’importez.
Pages associées
MP3 en texte
Convertir des fichiers MP3 directement en texte — pour podcasts, dictées, mémos vocaux.
Vidéo en texte
Convertir MP4, MOV, MKV ou WebM en texte — la piste audio est extraite automatiquement.
Transcrire un audio
Transcrire tous les formats audio — WAV, M4A, FLAC, OGG et plus.
Transcription de réunion
Transcrire les enregistrements Zoom, Teams et Google Meet avec labels de locuteur.
Transcription TikTok
SRT prêt à importer dans un éditeur pour les formats verticaux courts — TikTok, Reels et Shorts.
VexaScribe utilise OpenAI Whisper Large-v3 pour la conversion parole-texte. Sur le benchmark FLEURS, le modèle atteint environ 8,3 % de taux d’erreur sur les mots pour le français (Radford et al., « Robust Speech Recognition via Large-Scale Weak Supervision », arXiv:2212.04356, section D.2.4, modèle large-v2). La précision réelle dépend de la qualité audio, du nombre de locuteurs, des accents et de la terminologie spécialisée. « OpenAI » et « Whisper » sont des marques de leurs propriétaires respectifs. YouTube, TikTok, Instagram, LinkedIn, Vimeo, Premiere Pro, Final Cut Pro et DaVinci Resolve sont des marques de leurs propriétaires respectifs — sans aucun lien commercial avec VexaScribe.