Par la rédaction de whispertranscribe.ai · Dernière mise à jour : novembre 2026 · 12 min de lecture
Pour transcrire un MP3 en texte, importez le fichier dans un outil de transcription par IA, choisissez la langue parlée, puis exportez en DOCX, TXT ou SRT. Vous pouvez aussi utiliser la fonction Transcrire de Microsoft Word, saisir les paroles à la main ou exécuter gratuitement le modèle Whisper d’OpenAI sur votre ordinateur. Dans tous les cas, la qualité du fichier MP3 limite la précision que vous pourrez obtenir.
Ce guide présente les quatre méthodes étape par étape. Vous verrez comment lire le débit et la fréquence d’échantillonnage de votre fichier, vérifier l’audio, traiter des enregistrements longs ou plusieurs intervenants et relire la transcription en trois passes.
En bref : comment transcrire un MP3 en texte
Pour la plupart des gens, un outil en ligne est le plus rapide : il accepte le MP3 tel quel, identifie les intervenants et renvoie un fichier modifiable. Utilisez Word si vous payez déjà Microsoft 365, saisissez les courts extraits à la main et exécutez Whisper en local si l’audio doit rester sur votre ordinateur.
- Vérifiez le fichier. Écoutez 30 secondes pour vous assurer que les voix sont claires.
- Importez le fichier et choisissez les options. Sélectionnez la langue parlée et activez la détection des intervenants si plusieurs personnes parlent.
- Relisez et exportez. Corrigez les noms et les chiffres, puis téléchargez en DOCX ou TXT pour un document, ou en SRT ou VTT pour des sous-titres.
Quelle méthode choisir ?
Tenez compte de la durée totale de l’audio, de votre besoin d’identifier les intervenants et des endroits où l’enregistrement peut être envoyé. Les informations sur Microsoft ont été vérifiées en novembre 2026.
| Méthode | Coût | Identification des intervenants | Où va l’audio ? | Usages conseillés |
|---|---|---|---|---|
| 1. Outil de transcription en ligne | Beaucoup d’outils permettent de commencer gratuitement ; forfaits payants pour les gros volumes | Oui, dans la plupart des outils | Sur les serveurs du prestataire | Entretiens, podcasts, cours, usage régulier |
| 2. Fonction Transcrire de Microsoft Word | Incluse dans Microsoft 365, jusqu’à 300 minutes importées par mois | Oui (Intervenant 1, Intervenant 2) | Sur les serveurs de Microsoft ; fichier conservé dans votre OneDrive | Fichiers occasionnels si vous utilisez déjà Word |
| 3. Transcription manuelle | Gratuite, mais prend des heures | Vous les indiquez | Reste sur votre appareil | Extraits courts, citations qui doivent être exactes |
| 4. Whisper sur votre ordinateur | Gratuit et open source | Absente de l’outil officiel | Reste sur votre appareil | Audio confidentiel, utilisateurs techniques, traitement par lot |
Avant de commencer : vérifier le MP3 en 60 secondes
Le MP3 est un format avec perte. La fiche de la Bibliothèque du Congrès explique qu’il élimine les sons les moins perceptibles et qu’un MP3 à 128 kbit/s occupe environ un onzième de la place d’un fichier audio de qualité CD. Les détails perdus ne peuvent pas être récupérés. Il vaut donc mieux connaître la qualité du fichier de départ.
Sous Windows, ouvrez Propriétés → Détails ; sur Mac, Lire les informations. Si FFmpeg est installé, cette commande affiche le codec, la fréquence d’échantillonnage, le nombre de canaux, le débit et la durée :
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3
Nous l’avons exécutée avec FFmpeg 7.1 sur un court extrait MP3 pour confirmer la syntaxe. Elle affiche des lignes comme sample_rate=44100 et bit_rate=128000. Voici comment les lire :
| Valeur | Ce qu’elle indique | Conséquence pour la transcription |
|---|---|---|
| bit_rate | Quantité de données par seconde après compression | Un débit très bas élimine davantage de détails ; ils ne peuvent pas être rétablis |
| sample_rate | Nombre de mesures du son par seconde | Google recommande 16 000 Hz ou plus pour la reconnaissance vocale |
| channels | Mono (1) ou stéréo (2) | La stéréo convient ; Whisper mixe en mono au chargement |
| duration | Durée de l’enregistrement | Permet de savoir si vous atteindrez la limite par fichier ou le quota de minutes |
Le débit du MP3 influe-t-il sur la précision de la transcription ?
Oui, parfois. Les recommandations de Google Cloud pour la reconnaissance vocale indiquent que les codecs avec perte, dont le MP3, peuvent réduire la précision. Le bruit et l’écho ont davantage d’effet quand la compression est aussi avec perte. Il n’existe pas de débit minimal publié : le débit n’est qu’un facteur parmi d’autres. Une voix claire près du microphone compte plus qu’un débit élevé.
En pratique, transcrivez la meilleure version à votre disposition. Si vous avez toujours le WAV ou le FLAC d’origine, utilisez-le. Réencoder un fichier de 96 kbit/s à 320 kbit/s ou l’enregistrer en WAV le rend plus volumineux sans restaurer les détails perdus.
Quelle fréquence d’échantillonnage faut-il pour la reconnaissance vocale ?
Pour la reconnaissance vocale, 16 kHz suffisent généralement. Le code open source de Whisper charge chaque fichier avec FFmpeg, le convertit en mono et le rééchantillonne à 16 000 Hz avant de le transmettre au modèle (whisper/audio.py sur GitHub). Le guide de Google déconseille lui aussi de rééchantillonner l’audio vous-même. Un fichier enregistré à 8 000 Hz au téléphone doit être envoyé tel quel, sans augmenter sa fréquence d’échantillonnage.
Les 44,1 kHz ou 48 kHz d’un MP3 courant sont largement suffisants. Ne changez pas la fréquence d’échantillonnage avant l’importation.
Liste de vérification de la qualité audio
Avant une transcription importante :
- Écoutez le début et un passage au milieu. La langue est-elle la bonne et toutes les voix sont-elles audibles ?
- Vérifiez le volume.
ffmpeg -i interview.mp3 -af volumedetect -f null -affiche le niveau moyen et le niveau maximal. Un maximum proche de 0 dB peut signaler un écrêtage, et les pics déformés sont difficiles à réparer. - Évitez les traitements lourds de réduction du bruit. D’après le guide de Google, le débruitage avant la reconnaissance tend à réduire sa précision.
- Notez les noms, les sigles et les termes techniques pour la relecture.
- Conservez le fichier d’origine jusqu’à la validation de la transcription.
Méthode 1 : importer le MP3 dans un outil de transcription en ligne
Les outils en ligne sont le moyen le plus rapide de convertir un long MP3 en texte modifiable. Le modèle s’exécute sur les serveurs du prestataire et vous n’avez rien à installer. Nous utilisons whispertranscribe.ai dans les étapes ci-dessous. whispertranscribe.ai est un outil de transcription par IA qui utilise le modèle Whisper d’OpenAI pour convertir l’audio et la vidéo en texte dans plus de 130 langues, avec des fichiers jusqu’à 5 Go et 10 heures. Les autres outils fonctionnent de façon comparable, avec des menus différents.
Étape 1 : ouvrir la page de transcription MP3 et choisir la langue
Accédez à la page de transcription MP3 en texte et, à l’étape 1, sélectionnez la langue parlée. Vous disposez de plus de 130 langues, de variantes régionales comme l’anglais d’Inde et de l’option Noise / Low-Quality Audio/Video pour les enregistrements bruités ou de mauvaise qualité.
Étape 2 : importer le MP3
À l’étape 2, glissez-déposez le fichier ou sélectionnez-le sur votre appareil. Les fichiers peuvent faire jusqu’à 5 Go et les forfaits prennent en charge des enregistrements jusqu’à 10 heures. Les formats WAV, M4A, FLAC, MP4 et MOV fonctionnent aussi.
Étape 3 : activer la détection des intervenants si nécessaire
Pour les entretiens, les réunions et les podcasts, activez Enable Speaker Detection pour identifier chaque prise de parole.
Étape 4 : lancer la transcription
Cliquez sur Transcribe MP3 to text. La précision peut atteindre 99 % sur un son clair, mais elle baisse en présence de bruit de fond, d’accents marqués ou de paroles qui se chevauchent. Prévoyez une relecture.
Étape 5 : exporter la transcription
Téléchargez en DOCX, PDF, TXT ou CSV pour les documents et l’analyse, ou en SRT ou VTT pour des sous-titres horodatés. Si vous voulez uniquement des sous-titres, le convertisseur MP3 en SRT crée directement le fichier.
Vous pouvez essayer gratuitement sans compte avant de choisir un forfait. Les forfaits payants sont proposés à partir de 9,99 $ par mois avec facturation annuelle (tarifs). Pour réduire la taille d’une vidéo, utilisez le convertisseur audio et vidéo en MP3. Pour un MP3 dans Google Drive ou Dropbox, utilisez la fonction Transcrire à partir d’une URL.
À savoir : les outils en ligne envoient votre audio sur les serveurs du prestataire. Pour un enregistrement confidentiel, lisez d’abord la politique de confidentialité ou utilisez la méthode 3 ou 4.
Méthode 2 : utiliser la fonction Transcrire de Microsoft Word
Avec Microsoft 365, Word peut transcrire directement un MP3. D’après l’assistance Microsoft, consultée en novembre 2026, cette fonction accepte les fichiers .mp3, .wav, .m4a et .mp4 et distingue les intervenants.
- Connectez-vous à Microsoft 365 et ouvrez un document dans Word pour le web (avec une version récente de Microsoft Edge ou Chrome) ou dans Word pour Microsoft 365 sous Windows.
- Choisissez Accueil → Dicter (menu déroulant) → Transcrire.
- Dans le volet Transcrire, sélectionnez Charger l’audio et choisissez votre MP3.
- Laissez le volet ouvert pendant le traitement. D’après Microsoft, celui-ci peut durer jusqu’à environ la durée du fichier.
- Relisez le résultat : réécoutez les passages jusqu’à une vitesse de 2×, modifiez le texte et renommez « Intervenant 1 » partout en une seule fois.
- Choisissez Tout ajouter au document pour insérer la transcription dans la page, puis enregistrez en DOCX.
Limites à prévoir : Microsoft 365 autorise jusqu’à 300 minutes d’audio importé par mois. Chaque document contient une seule transcription et les fichiers importés sont conservés dans un dossier Transcribed Files de OneDrive. Microsoft indique que la version de bureau pour Windows est actuellement réservée aux organisations disposant d’un abonnement commercial. L’aide ne mentionne aucun export SRT ou VTT : Word convient mieux aux documents qu’aux sous-titres.
Méthode 3 : transcrire le MP3 à la main
Saisir les paroles soi-même est gratuit et permet de garder l’audio sur l’appareil, mais prend du temps. Réservez cette méthode aux courts extraits, aux citations à reproduire mot pour mot ou aux passages mal transcrits par l’outil.
- Ouvrez le MP3 dans un lecteur qui permet de ralentir la lecture et de revenir en arrière avec un raccourci. Gardez un document vierge à côté.
- Réglez la vitesse autour de 0,75× et travaillez par petites portions : écoutez une phrase, mettez en pause, saisissez-la et revenez en arrière si nécessaire.
- Identifiez les intervenants à chaque prise de parole, par exemple
INTERVIEWER:etMARIA:. Le guide du W3C sur les transcriptions indique qu’une transcription de podcast peut se composer de simples paragraphes où les intervenants sont identifiés. - Marquez les passages inaudibles avec un repère temporel tel que
[inaudible 00:14:32]pour y revenir. - Faites une dernière vérification à vitesse normale en lisant la transcription pour repérer les homophones mal saisis.
Vous pouvez aussi générer un premier jet avec un outil et n’utiliser cette méthode que pour les passages importants.
Méthode 4 : exécuter Whisper sur votre ordinateur
Whisper est le modèle open source de reconnaissance vocale d’OpenAI. Il a été entraîné sur 680 000 heures d’audio multilingue, d’après l’article de recherche d’OpenAI. L’exécution en local est gratuite et rien n’est téléversé. En contrepartie, il faut installer Python et FFmpeg, et prévoir davantage de temps sur un ordinateur peu puissant.
Installez-le comme indiqué dans le dépôt officiel :
pip install -U openai-whisper
FFmpeg doit aussi être installé et disponible dans le PATH. Lancez ensuite la transcription :
whisper interview.mp3 --model turbo --language English --output_format srt
Utilisez --output_format txt pour du texte brut, ou omettez l’option pour produire à la fois les fichiers TXT, VTT, SRT, TSV et JSON. Sur un processeur, ajoutez --fp16 False pour éviter un avertissement. Nous avons exécuté ces commandes avec openai-whisper 20250625 et le modèle tiny sur un court extrait du domaine public pour confirmer la syntaxe.
| Modèle | Paramètres | VRAM approximative (selon OpenAI) | Vitesse par rapport à large (selon OpenAI) |
|---|---|---|---|
| tiny | 39 M | environ 1 Go | environ 10× |
| small | 244 M | environ 2 Go | environ 4× |
| medium | 769 M | environ 5 Go | environ 2× |
| turbo (par défaut) | 809 M | environ 6 Go | environ 8× |
| large | 1 550 M | environ 10 Go | 1× |
OpenAI présente turbo comme une version optimisée de large-v3, avec une perte de précision minime. Il n’a toutefois pas été entraîné pour la traduction.
Ce à quoi vous renoncez : l’outil officiel ne propose ni identification des intervenants, ni éditeur, ni export DOCX ou PDF. OpenAI précise aussi que les performances varient beaucoup selon la langue. Des projets communautaires comblent certaines lacunes, chacun avec sa propre configuration.
Gérer les MP3 longs, plusieurs intervenants et d’autres langues
Enregistrements longs
Vérifiez la limite avant d’importer. Les forfaits whispertranscribe.ai prennent en charge les fichiers jusqu’à 10 heures et 5 Go ; Word accorde cinq heures au total par mois. Si votre outil accepte des durées plus courtes, FFmpeg peut découper le MP3 en segments d’une heure sans le réencoder :
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
Une coupure peut tomber au milieu d’une phrase : vérifiez les raccords au moment de réunir le texte. Pour les cours et les conférences, consultez la page de transcription des cours magistraux et séminaires.
Plusieurs intervenants
Activez la détection des intervenants, puis remplacez les libellés génériques par de vrais noms avant de partager le document. Les erreurs surviennent surtout quand les voix se ressemblent ou que les personnes s’interrompent. Vérifiez quelques prises de parole par personne. Au prochain enregistrement, prévoyez un microphone par intervenant.
Autres langues et accents
Sélectionnez la langue plutôt que de laisser la détection automatique, surtout lorsque la piste commence par de la musique. whispertranscribe.ai propose le mode Multilingual Mix pour les enregistrements qui alternent entre l’anglais, l’espagnol, le français, l’allemand, le hindi, le russe, le portugais, le japonais, l’italien et le néerlandais. Si votre MP3 n’est pas en anglais mais que vous voulez un texte anglais, utilisez l’outil pour traduire l’audio en anglais au lieu de transcrire puis de traduire séparément.
Relire une transcription MP3 en 3 passes
Les brouillons générés par IA se trompent souvent aux mêmes endroits. Il est rarement nécessaire de réécouter tout le fichier.
Passe 1 : commencez par la recherche dans le document. Avec votre liste de noms et de termes, utilisez rechercher et remplacer pour corriger d’un coup les variantes mal orthographiées.
Passe 2 : réécoutez les passages à risque. Allez aux endroits suivants et comparez le texte à l’audio :
| Passage à risque | Erreur fréquente | Comment vérifier |
|---|---|---|
| Chiffres et dates | « quinze » ou « cinquante », décimales perdues | Réécoutez chaque chiffre que vous allez citer |
| Noms et marques | Orthographe phonétique | Comparez à votre liste de termes |
| Paroles qui se chevauchent | Deux phrases fusionnées ou une phrase omise | Écoutez à vitesse normale, puis plus lentement |
| Changement d’intervenant | Propos attribués à la mauvaise personne | Vérifiez la première ligne après chaque changement |
| Voix faibles ou éloignées | Mots manquants | Augmentez le volume dans ce passage |
| Première et dernière minutes | Bavardages, musique, langue mal détectée | Supprimez ou corrigez selon les besoins |
Passe 3 : lisez la transcription comme un document. Faites une lecture sans l’audio, puis réécoutez les passages qui n’ont pas de sens. Marquez ce qui reste incompréhensible avec [unclear] au lieu de deviner.
Quel format d’export choisir ?
Choisissez selon la destination : DOCX ou TXT pour les documents ; SRT ou VTT pour le texte qui s’affiche par-dessus la vidéo.
| Format | Utilisation |
|---|---|
| DOCX | Révision, rapports, articles et notes d’épisodes |
| Copie à la mise en page fixe à partager ou à archiver | |
| TXT | Copie vers d’autres applications ou génération de résumés par IA |
| CSV | Tableurs et analyses pour la recherche |
| SRT | Sous-titres pour YouTube, les logiciels de montage et les lecteurs |
| VTT | Sous-titres pour les lecteurs vidéo HTML5 |
Pour les mémos vocaux de votre téléphone, la page de transcription des mémos vocaux présente les mêmes formats d’export.
Questions fréquentes
Peut-on transcrire un MP3 en texte gratuitement ?
Oui. La saisie manuelle est toujours gratuite, et l’exécution du modèle open source Whisper d’OpenAI sur votre ordinateur ne coûte rien en dehors du temps d’installation et du matériel. De nombreux outils en ligne permettent aussi de démarrer gratuitement. Avec whispertranscribe.ai, vous pouvez tester le résultat sur votre audio sans compte. Les offres gratuites limitent souvent la durée ou les fonctionnalités. Pour un usage régulier, comparez les forfaits payants. Ceux de whispertranscribe.ai commencent à 9,99 $ par mois avec facturation annuelle.
Combien de temps faut-il pour transcrire un MP3 ?
Avec un outil d’IA, il faut généralement bien moins de temps que la durée de l’audio, selon le fichier et le service. Microsoft indique que la fonction Transcrire de Word peut prendre jusqu’à environ la durée du fichier. En local, Whisper dépend du matériel et du modèle. Les modèles plus petits sont plus rapides, mais font davantage d’erreurs. La saisie manuelle dure plusieurs fois la longueur de l’audio : c’est pourquoi elle est généralement réservée aux courts extraits.
Convertir un MP3 en WAV améliore-t-il la précision ?
Non. Enregistrer un MP3 en WAV ou le réencoder à un débit supérieur le rend plus volumineux, mais ne restitue pas les détails supprimés lors de la création du MP3. Le MP3 est un format avec perte. Si vous avez l’enregistrement WAV ou FLAC d’origine, transcrivez-le à la place. Sinon, importez le MP3 tel quel. Les systèmes comme Whisper rééchantillonnent eux-mêmes le son à 16 kHz en mono. Changer la fréquence d’échantillonnage avant l’importation ne vous aidera donc pas.
Comment transcrire un MP3 avec plusieurs intervenants ?
Choisissez un outil de détection des intervenants et activez-la avant de commencer. Le texte reçoit des libellés numérotés comme Intervenant 1 à chaque prise de parole, que vous pourrez remplacer par les vrais noms. La fonction Transcrire de Word et whispertranscribe.ai identifient les intervenants ; l’outil officiel Whisper en ligne de commande ne le fait pas. Vérifiez les libellés quand les personnes s’interrompent, car c’est là que les confusions sont les plus fréquentes.
Peut-on convertir un MP3 en document Word ?
Oui. Le plus rapide est de transcrire le MP3 dans un outil en ligne, puis de l’exporter en DOCX, que vous pouvez ouvrir directement dans Word ou Google Docs. Avec Microsoft 365, vous pouvez aussi importer le MP3 dans Word en passant par Accueil, Dicter, Transcrire et Charger l’audio, puis choisir Tout ajouter au document. Un abonnement Microsoft 365 inclut jusqu’à 300 minutes d’audio importé par mois.
Peut-on créer des sous-titres plutôt qu’une transcription à partir d’un MP3 ?
Oui. Exportez la transcription en SRT ou en VTT au lieu d’utiliser DOCX ou TXT. Les deux formats gardent le minutage de chaque ligne, ce qui permet au lecteur ou au logiciel de montage d’afficher le texte au bon moment. Avec whispertranscribe.ai, vous pouvez exporter en SRT ou en VTT après la transcription ou utiliser le convertisseur MP3 en SRT. L’outil Whisper en ligne de commande peut lui aussi écrire des fichiers SRT ou VTT via l’option de format de sortie.
Vous voulez essayer ? Importez un fichier sur whispertranscribe.ai avec le convertisseur MP3 en texte, ou utilisez le convertisseur audio en texte gratuit pour les autres formats. Les deux prennent en charge plus de 130 langues, avec identification des intervenants et export DOCX, PDF, TXT, CSV, SRT et VTT.
Références
- Bibliothèque du Congrès : MP3 (encodage audio MPEG Layer III)
- Google Cloud : Bonnes pratiques pour fournir des données à l’API Speech-to-Text
- Assistance Microsoft : Transcrire vos enregistrements
- OpenAI : Whisper sur GitHub (README et
whisper/audio.py) - Radford et autres, OpenAI : Robust Speech Recognition via Large-Scale Weak Supervision
- Initiative pour l’accessibilité du web du W3C : Transcriptions
