Créer un fichier SRT automatiquement avec Whisper
Pour générer des sous-titres gratuitement en local, Whisper reste une option simple si vous acceptez deux limites : il faut installer FFmpeg et relire le résultat. Le fichier SRT généré est une base de travail, pas une version prête à publier sans contrôle.
1. Installer les prérequis
Whisper utilise FFmpeg pour lire de nombreux formats audio et vidéo. Vérifiez d’abord que la commande répond :
ffmpeg -version
python3 --version
Installez ensuite Whisper dans un environnement Python isolé. Exemple Linux :
python3 -m venv .venv-whisper
source .venv-whisper/bin/activate
pip install -U openai-whisper
2. Générer le SRT
Placez la vidéo dans un dossier de travail, puis lancez Whisper avec le format de sortie demandé explicitement :
whisper video.mp4 --language French --model small --output_format srt --output_dir sous-titres
La partie importante est --output_format srt. Sans elle, vous pouvez obtenir d’autres formats selon les options. Pour une vidéo longue, commencez par base ou small, puis montez si la qualité est insuffisante.
3. Vérifier le fichier
Ouvrez le SRT dans un éditeur. Chaque bloc doit avoir un numéro, un timecode et une ou plusieurs lignes de texte. Vérifiez trois points : les noms propres, les chiffres et les coupures de phrases. Les erreurs les plus visibles viennent souvent d’un nom de marque ou d’un mot anglais mal reconnu.
4. Corriger avant publication
Ne publiez pas un SRT brut si la vidéo est destinée à YouTube, une formation ou une page commerciale. Relisez au moins les trente premières secondes, un passage rapide, un passage avec musique et la conclusion. Extraire la piste audio peut faciliter le diagnostic, mais ne corrige pas automatiquement un décalage temporel. Pour isoler cette piste :
ffmpeg -i video.mp4 -vn -acodec pcm_s16le audio.wav
whisper audio.wav --language French --model small --output_format srt --output_dir sous-titres
5. Limites
Une piste claire facilite la transcription ; l’effet du modèle dépend de l’audio et doit être évalué sur vos propres passages. Les sous-titres automatiques peuvent aussi simplifier la ponctuation ou rater les chevauchements de voix. Pour une vidéo publiée, gardez la version corrigée et le fichier source afin de pouvoir refaire l’export si nécessaire.
Importer dans un outil vidéo
La plupart des éditeurs acceptent un fichier .srt séparé. Importez-le, vérifiez l’encodage des accents, puis relisez sur la timeline. Si une ligne reste trop longtemps à l’écran, coupez-la. Si deux sous-titres se succèdent trop vite, simplifiez la phrase plutôt que de forcer le spectateur à lire trop dense.
Qualité audio
Avant de relancer un modèle plus gros, nettoyez la source : piste voix séparée, volume stable, moins de bruit de fond. Une mauvaise piste peut produire de mauvais sous-titres même avec un modèle plus lourd.
Contrôle SRT minimal
Un bloc SRT doit ressembler à ceci : numéro, timecode de début et de fin, texte, ligne vide. Si votre éditeur vidéo refuse le fichier, cherchez d’abord un problème d’encodage, de timecode mal formé ou de bloc collé au suivant. Corriger ces détails prend moins de temps que de relancer toute la transcription.
Choisir la langue
Renseigner --language French aide Whisper quand la piste est majoritairement en français. Si la vidéo mélange français et anglais, testez d’abord sans forcer la langue sur un extrait. Gardez la commande utilisée avec le fichier final pour pouvoir reproduire l’export plus tard.
Lire les timecodes avec la vidéo
Un SRT doit conserver une numérotation, une ligne de début/fin et une séparation vide entre blocs. Exemple fictif : 00:00:02,000 --> 00:00:04,500. Vérifiez le début, le milieu et la fin dans le lecteur cible ; un décalage constant ne se corrige pas comme une dérive qui augmente pendant la vidéo. Retoucher les timecodes dans un éditeur de sous-titres reste parfois nécessaire.
Le logiciel local ne facture pas chaque minute via une API, mais le matériel, le stockage et l’électricité ont un coût. Le premier lancement télécharge le modèle. La relecture par échantillon aide à diagnostiquer ; avant diffusion, relisez tout le contenu sensible, les négations, les noms et les chiffres. Cette procédure génère des sous-titres dans la langue de l’audio, pas leur traduction.