Par la rédaction de whispertranscribe.ai · Dernière mise à jour : novembre 2026 · 12 min de lecture
Traduire un audio en texte consiste à prendre un enregistrement dans une langue et à produire un texte dans une autre. Vous pouvez transcrire l’enregistrement dans sa langue d’origine, puis traduire la transcription, ou utiliser un modèle qui produit directement du texte dans la langue cible. La première méthode est plus facile à vérifier. La deuxième est plus rapide.
Ce guide présente les deux méthodes et leurs points faibles, quatre façons de procéder dont la création de sous-titres multilingues en SRT ou VTT, un tableau des facteurs qui influent sur la qualité, une liste de vérification et les cas où il vaut mieux faire appel à un traducteur professionnel.
En bref : comment traduire un audio en texte
Pour la plupart des enregistrements, transcrivez d’abord dans la langue d’origine, corrigez la transcription, puis traduisez le texte corrigé. Si vous avez seulement besoin d’anglais et que le temps presse, un outil de traduction directe vers l’anglais convient pour un premier jet. Dans les deux cas, une personne qui connaît les deux langues doit vérifier tout texte qui sera publié ou qui servira de référence.
- Transcrivez dans la langue parlée. Sélectionnez la langue plutôt que de vous fier à la détection automatique.
- Corrigez la transcription source. Commencez par les noms, les chiffres et les termes techniques.
- Traduisez et relisez. Traduisez le texte, puis comparez-le à la transcription source et à l’audio.
Qu’est-ce que la traduction audio en texte ?
La traduction audio en texte désigne tout processus qui part d’un enregistrement dans une langue A pour produire du texte dans une langue B. Une transcription seule reste dans la même langue ; une traduction de texte part d’un texte. Ici, les deux opérations sont combinées, et leur organisation détermine la facilité de vérification du résultat.
Deux méthodes : en cascade ou directe
La première méthode est dite en cascade : reconnaissance vocale, puis traduction du texte. La deuxième s’appelle traduction directe de la parole (ou de bout en bout) : un modèle transforme l’audio directement en texte dans la langue cible. Whisper d’OpenAI peut traduire de cette façon, mais seulement vers l’anglais.
| Transcription puis traduction (en cascade) | Traduction directe de la parole | |
|---|---|---|
| Étapes visibles | Deux : transcription source, puis traduction | Une : l’audio devient directement du texte dans la langue cible |
| Langues cibles | Toutes les langues prises en charge par l’outil de traduction de texte | Souvent limitées ; la fonction de traduction de Whisper produit uniquement de l’anglais |
| Texte dans la langue d’origine | Vous le conservez | Généralement absent |
| Où repérer les erreurs | Entre les deux étapes, dans le texte source | Seulement en comparant le résultat à l’audio |
| Retraduction ultérieure | Réutilisez la transcription corrigée | Retraitez l’audio ou traduisez le texte anglais |
| Usages conseillés | Recherche, publication, sous-titres en plusieurs langues, citations | Comprendre rapidement un enregistrement grâce à un texte en anglais |
Quelles erreurs peuvent survenir ?
Dans une cascade, les erreurs s’accumulent. Si la transcription indique « cinquante » alors que la personne a dit « quinze », la traduction reprendra le mauvais chiffre dans une phrase parfaitement correcte. La solution est simple : corrigez la transcription avant de la traduire.
Avec une traduction directe, il n’y a pas de texte source à examiner. Une erreur de reconnaissance et une erreur de traduction se ressemblent, si bien que la personne qui relit doit revenir à l’audio. Le texte peut aussi paraître plus naturel qu’il n’est exact, ce qui rend les erreurs difficiles à repérer.
Quelle méthode choisir ?
Choisissez en fonction de l’usage du texte et du nombre de langues nécessaires.
| Situation | Méthode recommandée | Pourquoi |
|---|---|---|
| Comprendre rapidement un enregistrement dans une langue étrangère | Méthode 2 : transcrire directement en anglais | Une étape, un premier texte lisible |
| Citer l’intervenant dans un article ou un rapport | Méthode 1, complétée par la méthode 4 pour les citations importantes | Vous pouvez vérifier les mots d’origine |
| Créer des sous-titres en deux langues ou plus | Méthode 3 : créer un SRT ou VTT source, puis traduire le texte | Le même minutage sert dans toutes les langues |
| Analyser et citer des entretiens de recherche | Méthode 1 | Le codage et les citations restent associés à la transcription originale |
| Contrats, documents judiciaires, médicaux ou d’immigration | Méthode 4 avec un professionnel qualifié | Les erreurs peuvent avoir de vraies conséquences |
Méthode 1 : transcrire dans la langue d’origine, puis traduire le texte
C’est la méthode la plus souple. La transcription corrigée sert de version de référence à toutes les traductions.
Étape 1 : transcrire dans la langue parlée
Importez le fichier dans un outil de transcription et choisissez la langue avant de démarrer. whispertranscribe.ai, un outil en ligne qui utilise le modèle Whisper d’OpenAI, propose plus de 130 langues, des variantes régionales et des modes Noise / Low-Quality Audio/Video pour les enregistrements difficiles. Des pages sont dédiées aux langues courantes, dont l’audio en espagnol et l’audio en chinois. Le mode Multilingual Mix convient aux 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 l’enregistrement se trouve dans Google Drive, Dropbox ou Vimeo, ou sur YouTube, transcrivez-le à partir de l’URL sans télécharger le fichier. Activez la détection des intervenants pour les entretiens et les réunions.
Étape 2 : corriger la transcription source
Corrigez avant de traduire : chaque erreur laissée dans le texte se retrouvera dans toutes les langues. Commencez par les noms, les noms de produits et les sigles, puis réécoutez tous les chiffres que vous comptez garder. La précision peut atteindre 99 % sur un son clair, mais le bruit de fond, les accents marqués et les paroles qui se chevauchent la réduisent. Prévoyez donc cette relecture.
Étape 3 : traduire le texte corrigé
Exportez la transcription en DOCX ou TXT et ouvrez-la dans un outil de traduction de texte. Vérifiez d’abord les formats et les limites. En novembre 2026 :
- Google Traduction traduit les documents .docx, .pdf, .pptx et .xlsx jusqu’à 10 Mo. Les PDF ne doivent pas dépasser 300 pages, d’après l’aide de Google Traduction. Les fichiers de sous-titres ne figurent pas dans la liste.
- DeepL, sur sa page des formats de fichiers, indique les formats DOCX, PDF et TXT. SRT et VTT sont aussi listés, mais pour les offres Pro Individual, Pro Team, Pro Business et API, avec une limite de 150 ou 200 Ko par fichier de sous-titres. Le compte gratuit de DeepL ne prend pas en charge TXT.
Si l’outil le permet, donnez-lui du contexte : qui parle, à quel public la traduction s’adresse et quel niveau de langue vous souhaitez.
Étape 4 : conserver les deux versions côte à côte
Enregistrez le texte source et la traduction avec des noms correspondants, par exemple interview-04_es_v2.docx et interview-04_en_v2.docx. Vous pourrez ainsi retourner aux mots d’origine si un passage pose question.
Méthode 2 : transcrire directement en anglais
Si la langue cible est l’anglais et que vous cherchez surtout à comprendre ou à résumer un enregistrement, la traduction directe vous fait gagner une étape.
Utiliser la page de traduction de l’audio en anglais
La fonction Traduire un fichier audio en anglais de whispertranscribe.ai transforme des paroles dans une autre langue en texte anglais. La page décrit ce fonctionnement sans répertorier de langues cibles, car le résultat est toujours en anglais.
- Choisissez la langue parlée. À l’étape 1, la page demande la langue de l’enregistrement, pas la langue cible. Elle indique que le bon choix améliore la précision du texte anglais et suggère d’essayer une autre option si le résultat ne convient pas.
- Importez le fichier. L’étape 2 accepte les formats audio et vidéo courants, dont MP3, WAV, M4A, MP4, MOV et MKV.
- Activez la détection des intervenants si plusieurs personnes parlent. La page indique que cette option s’applique aussi à la traduction.
- Sélectionnez Translate audio to English, puis relisez le texte anglais et exportez-le.
Considérez le résultat comme un brouillon : nous ne garantissons pas la qualité de la traduction. Si vous avez aussi besoin d’un texte dans la langue d’origine, lancez une transcription ordinaire à part.
Utiliser Whisper open source sur votre ordinateur
Le dépôt Whisper d’OpenAI décrit une fonction de traduction qui produit du texte anglais :
whisper japanese.wav --model medium --language Japanese --task translate
Le README précise deux limites : le modèle turbo par défaut n’a pas été entraîné à la traduction et renvoie du texte dans la langue d’origine même avec --task translate. Utilisez donc medium ou large. Le résultat est uniquement en anglais : pour convertir un audio allemand en texte français, vous devez encore traduire un texte.
Quel résultat attendre ? D’après l’article sur Whisper, les données d’entraînement comprenaient 125 000 heures de traduction d’autres langues vers l’anglais. Sans entraînement sur CoVoST2, le jeu de données d’évaluation, Whisper a obtenu 29,1 au score BLEU, résultat que les auteurs ont présenté comme le meilleur à cette date. BLEU mesure la correspondance entre la traduction produite et des traductions de référence. Ce n’est pas un pourcentage de phrases correctes. L’article indique aussi que Whisper reste derrière des systèmes antérieurs entraînés directement sur les langues qui disposent de nombreuses données, et que la quantité de données d’entraînement prédit beaucoup moins bien la qualité de traduction que la qualité de transcription.
Méthode 3 : créer des sous-titres multilingues (SRT et VTT)
Pour une vidéo, créez un fichier de sous-titres dans la langue d’origine, puis traduisez seulement le texte de chaque bloc. Le minutage reste identique d’une langue à l’autre.
Étape 1 : générer le fichier de sous-titres source
Utilisez le générateur de sous-titres ou le convertisseur MP4 en SRT et exportez en SRT ou VTT dans la langue parlée. Corrigez d’abord le texte et le minutage dans ce fichier : il servira de modèle à chaque langue.
Étape 2 : traduire le texte des blocs, sans toucher à la structure
Un bloc SRT contient un numéro, une ligne de minutage et du texte. Seul le texte doit changer. Voici un exemple fictif :
12
00:01:04,200 --> 00:01:07,900
La reunión empieza el 3 de mayo a las 15:00.
12
00:01:04,200 --> 00:01:07,900
The meeting starts on May 3 at 3 p.m.
Le numéro du bloc et le minutage ne changent pas. La date et l’heure sont adaptées au public cible. Si votre outil de traduction accepte uniquement des documents, copiez le texte dans un tableau puis réinsérez-le bloc par bloc. Les forfaits Pro payants de DeepL acceptent directement les fichiers SRT et VTT, dans les conditions indiquées plus haut.
Étape 3 : vérifier le temps de lecture
Une ligne traduite peut être plus longue que l’original. Un bloc qui se lisait sans difficulté en 3,7 secondes peut devenir trop long. Scindez les blocs longs ou raccourcissez la formulation, mais ne déplacez pas les repères temporels sans les vérifier à l’écoute.
Étape 4 : importer chaque langue sous forme de piste distincte
Nommez les fichiers avec des codes de langue, par exemple talk.en.srt et talk.es.srt, puis importez chaque fichier comme une piste distincte sur la plateforme. Les pistes de sous-titres séparées permettent au public de changer de langue.
Méthode 4 : ajouter une relecture humaine
Pour tout texte destiné à être publié, cité ou utilisé dans une décision, demandez à une personne bilingue de comparer la traduction à la source. Un texte produit par une machine peut paraître naturel tout en étant incorrect.
Un tableau simple facilite cette relecture. Voici un exemple fictif :
| Bloc | Texte source | Traduction | Signalement | Note de relecture |
|---|---|---|---|---|
| #37 | Vamos a cerrar el trato el lunes | We'll close the deal on Monday | OK | — |
| #81 | Eso no es moco de pavo | That's not turkey snot | Expression idiomatique | Préférer « That's no small thing » |
| #126 | Facturamos 1,5 millones | We invoiced 1.5 million | Chiffre | Confirmer la devise avec l’intervenant |
Demandez à la personne qui relit de vérifier en priorité les noms, les nombres, les citations, les termes juridiques ou médicaux et les passages signalés comme peu clairs. whispertranscribe.ai ne propose pas de service de transcription ou de traduction humaine. Cette étape revient à votre équipe ou à un professionnel.
Qu’est-ce qui influe sur la qualité de la traduction audio en texte ?
La qualité se joue lors de la conversion de l’audio en texte, puis lors de la traduction du texte. Certains facteurs nuisent aux deux étapes.
| Facteur | Effet sur la transcription | Effet sur la traduction | Solutions |
|---|---|---|---|
| Qualité audio (bruit, écho, distance) | Mots omis ou mal compris | Erreurs répercutées dans toutes les langues | Enregistrez près du micro et utilisez le meilleur fichier d’origine |
| Accents et dialectes | Plus d’erreurs sur les variantes régionales | Les mots régionaux risquent d’être traduits littéralement | Choisissez la variante régionale si elle existe |
| Termes techniques | Orthographe phonétique | Équivalents erronés ou incohérents | Préparez un glossaire et corrigez les termes dans la source |
| Paire de langues | Dépend de la langue parlée | Les paires courantes donnent généralement de meilleurs résultats | Prévoyez plus de temps de relecture pour les paires moins courantes |
| Noms propres | Noms remplacés par des mots courants | Noms traduits ou changés | Dressez la liste des noms, recherchez-les et corrigez-les |
| Alternance de langues | Mauvaise langue détectée au milieu d’une phrase | Le mélange complique la traduction | Utilisez un mode multilingue et indiquez la langue des passages |
| Paroles qui se chevauchent | Lignes fusionnées ou omises | Perte du sens des propos | Utilisez des micros distincts et vérifiez l’attribution lors des interruptions |
Les recommandations de Google sur les données vocales indiquent que les codecs avec perte comme MP3 et M4A peuvent réduire la précision. Le bruit et l’écho pèsent davantage avec ce type de codec. Le README d’OpenAI ajoute que les performances de Whisper varient beaucoup selon la langue. Testez un court extrait avant de traiter un lot entier.
Liste de vérification après traduction
Vérifiez ces points après chaque traduction, avant de la montrer hors de votre équipe :
- Chiffres. Tous correspondent à l’audio. Pensez au séparateur décimal : « 1,5 » dans de nombreuses langues européennes s’écrit 1.5 en anglais.
- Devises et unités. Gardez la devise utilisée par la personne, sauf si vous indiquez une conversion. Ne remplacez pas les kilomètres par des miles sans le signaler.
- Noms et titres. Respectez l’orthographe utilisée par les personnes, les entreprises et les lieux ; ne traduisez pas leurs noms.
- Dates et heures. L’ordre du jour et du mois varie d’un pays à l’autre. 03/04 peut vouloir dire le 3 avril ou le 4 mars. Écrivez le mois en toutes lettres si nécessaire.
- Citations. Vérifiez chaque citation directe dans l’audio, en plus de la transcription.
- Expressions et humour. Remplacez une traduction littérale par un équivalent naturel, ou signalez la difficulté.
- Contexte culturel. Ajoutez une courte note si une référence ne se comprend pas dans l’autre langue ; ne la réécrivez pas sans le signaler.
- Registre. L’adresse formelle ou familière (tú/usted, du/Sie) correspond à la relation entre les interlocuteurs.
- Intervenants. Chaque ligne est toujours attribuée à la bonne personne.
- Passages peu clairs. Marquez-les
[unclear]dans les deux langues au lieu de deviner.
Quand faut-il un traducteur professionnel ?
Faites appel à un traducteur qualifié si une erreur peut avoir des conséquences financières, médicales, juridiques ou nuire à la confiance. Ces indications ne constituent pas un avis juridique. Les exigences varient selon le pays, le tribunal et l’administration : consultez l’organisme qui recevra le document.
| Situation | Pourquoi la traduction automatique ne suffit pas |
|---|---|
| Dossiers d’immigration | Aux États-Unis, le 8 CFR 103.2(b)(3) exige que les documents en langue étrangère transmis à l’USCIS soient accompagnés d’une traduction intégrale en anglais. Le traducteur doit certifier que la traduction est complète et exacte et qu’il est apte à la réaliser |
| Pièces judiciaires et dépositions | Les tribunaux définissent souvent eux-mêmes qui peut traduire ou certifier |
| Contrats et accords | Un seul mot erroné peut modifier une obligation |
| Consultations et dossiers médicaux | Les doses, les symptômes et le consentement doivent être exacts |
| Citations publiées et contenus de presse | Déformer les propos nuit à la confiance et peut engager la responsabilité |
Pour un usage moins sensible comme des notes internes, un brouillon de recherche ou la compréhension d’une vidéo, une traduction automatique suivie de votre propre relecture suffit généralement.
Quel format d’export choisir ?
Choisissez le format selon l’étape suivante. whispertranscribe.ai exporte les transcriptions en DOCX, PDF, TXT, CSV, SRT et VTT.
| Format | Utilisation |
|---|---|
| DOCX | Traduction dans Word, DeepL ou Google Traduction ; révision avec des commentaires |
| TXT | Copie vers un traducteur ou une autre application |
| Copie à la mise en page fixe de la traduction approuvée | |
| CSV | Tableaux de relecture côte à côte et codage pour la recherche |
| SRT | Pistes de sous-titres pour YouTube, logiciels de montage ou lecteurs |
| VTT | Sous-titres pour lecteurs vidéo HTML5 |
Questions fréquentes
Quelle est la différence entre transcrire un audio et le traduire en texte ?
La transcription conserve la langue d’origine : un audio espagnol devient du texte espagnol. La traduction audio en texte donne un texte dans une autre langue, par exemple de l’anglais à partir d’un audio espagnol. Elle peut se faire en deux étapes, transcription puis traduction, ou en une seule avec un modèle qui écrit dans la langue cible. Il est plus facile de vérifier une traduction en deux étapes : vous pouvez corriger le texte source avant de le traduire et le réutiliser pour d’autres langues.
Whisper peut-il traduire un audio vers une autre langue que l’anglais ?
Non. La tâche de traduction intégrée à Whisper donne uniquement du texte anglais. Whisper accepte des paroles dans de nombreuses langues, mais écrit en anglais quand il traduit. Pour une autre langue cible, transcrivez l’audio dans sa langue d’origine, puis traduisez le texte avec un outil de traduction. Le README d’OpenAI précise aussi que le modèle turbo par défaut n’est pas entraîné pour la traduction et renvoie la langue d’origine malgré la demande de traduction. Choisissez medium ou large pour traduire.
Vaut-il mieux transcrire d’abord, puis traduire ?
En général, oui, si le résultat doit être publié, cité ou traduit dans plusieurs langues. La transcription donne un texte de départ que vous pouvez corriger : un nom ou un chiffre mal compris se corrige une seule fois au lieu de l’être dans chaque traduction. La traduction directe vers l’anglais est plus rapide et convient si vous cherchez seulement à comprendre l’enregistrement. Pour des sous-titres multilingues, partez d’un SRT ou VTT source corrigé.
Quelle est la précision de la traduction audio en texte ?
Elle dépend de l’audio, de la paire de langues et du sujet. Aucun chiffre ne résume tous les cas. La transcription d’un audio clair peut être très précise. Avec whispertranscribe.ai, elle peut atteindre 99 % sur un son clair et baisse avec le bruit ou des accents marqués. La traduction ajoute ses propres erreurs, surtout sur les expressions, les noms et les termes techniques. Les paires de langues courantes obtiennent généralement de meilleurs résultats. Vérifiez vous-même chiffres, noms et citations, et faites relire les contenus importants par une personne bilingue.
Peut-on traduire des sous-titres sans changer les repères temporels ?
Oui. Traduisez uniquement le texte de chaque bloc sans modifier les numéros ni les lignes de minutage. Vous pouvez le faire à la main, coller le texte des blocs dans un traducteur puis le réinsérer, ou employer un outil qui accepte les fichiers de sous-titres. DeepL indique prendre en charge SRT et VTT dans les offres Pro Individual, Pro Team, Pro Business et API. La fonction de traduction de documents de Google Traduction ne liste pas les formats de sous-titres. Après traduction, vérifiez que les longues lignes sont lisibles dans le temps d’affichage prévu.
Peut-on utiliser la traduction automatique pour un enregistrement juridique ou médical ?
Vous pouvez l’utiliser pour un premier aperçu, mais pas pour une version définitive. Les contenus juridiques, médicaux, contractuels ou d’immigration nécessitent souvent un traducteur qualifié. Certaines administrations exigent une traduction certifiée. Par exemple, les règles d’immigration américaines exigent que le traducteur certifie que la traduction anglaise est complète et exacte. Les exigences varient selon le pays et l’organisme : vérifiez auprès du destinataire. Ces informations sont générales et ne constituent pas un avis juridique.
Vous voulez commencer ? Importez un enregistrement dans l’outil pour traduire un audio en anglais, ou transcrivez-le d’abord dans sa langue d’origine pour des sous-titres ou d’autres langues cibles. Vous pouvez essayer gratuitement sans compte. Les forfaits payants sont proposés à partir de 9,99 $ par mois avec facturation annuelle (tarifs). whispertranscribe.ai ne propose ni API, ni transcription humaine, ni assistant de réunion.
Références
- Radford et autres, OpenAI : Robust Speech Recognition via Large-Scale Weak Supervision (sections 1, 2.1 et 3.5, tableau 4)
- OpenAI : Whisper sur GitHub (README, utilisation en ligne de commande)
- Aide Google Traduction : Traduire des documents et des sites web
- Centre d’aide DeepL : Formats de fichiers
- Google Cloud : Bonnes pratiques pour fournir des données à l’API Speech-to-Text
- eCFR : 8 CFR 103.2, dépôt et instruction des demandes
