Blog
Comment transcrire un podcast en texte (aperçu gratuit)
Auteur : Hushscript Publié le : Dernière révision :
Pour transcrire un podcast, importez le fichier audio de l’épisode, consultez l’aperçu gratuit de 5 minutes, puis connectez-vous et lancez la transcription complète. Hushscript étiquette chaque animateur et chaque invité, vous renommez les étiquettes une seule fois et vous exportez le texte en TXT, DOCX ou SRT. Un épisode complet demande un compte et assez de minutes disponibles ; une carte n’est pas nécessaire pour en créer un.
Une transcription de podcast sert deux fois. Elle rend l’épisode consultable et accessible aux auditeurs qui lisent plutôt qu’ils n’écoutent, et elle vous donne de la matière pour les citations, les chapitres et les sous-titres sans réécouter l’enregistrement. La prise en charge par les plateformes est concrète : Apple Podcasts documente les transcriptions et la navigation par chapitres pour les créateurs. Ce guide explique comment transcrire un podcast, étiqueter les voix, corriger les problèmes courants et exploiter le résultat. Pour la page produit, voir transcription de podcast.
L’étape qui fait gagner le plus de temps est la séparation des locuteurs. Une transcription qui se lit comme un seul bloc de texte représente presque autant de travail que l’audio. Hushscript étiquette chaque voix automatiquement, gratuitement sur chaque transcription : la conversation revient donc sous forme de conversation.
Ce dont vous avez besoin avant de commencer
Un enregistrement de l’épisode, dans n’importe quel format audio ou vidéo courant, ou un lien direct vers le fichier audio. Si vous avez exporté un fichier audio simple depuis votre éditeur (MP3, WAV, M4A), il fonctionne tel quel. Si votre seule copie est l’enregistrement vidéo de Zoom, Riverside ou Ecamm, cela fonctionne aussi : l’audio en est extrait dans votre navigateur, et la vidéo n’est jamais envoyée.
Un audio source propre aide plus que tout le reste. Les étiquettes de locuteurs fonctionnent mieux quand chaque voix est distincte et que les gens ne se coupent pas sans cesse la parole. Si vous avez enregistré chaque participant sur une piste séparée, vous avez déjà l’entrée la plus propre possible. Une seule piste mixée fonctionne aussi ; elle repose simplement davantage sur la diarisation pour distinguer les voix. Si vous le pouvez, enregistrez les voix sans musique et ajoutez la nappe musicale ensuite dans votre éditeur : un jingle qui tourne sous une parole continue est la seule chose qui fait baisser la précision de façon fiable.
Il vous faudra un compte pour transcrire un épisode complet. L’aperçu de 5 minutes est l’étape sans compte : vous pouvez donc vérifier les étiquettes de locuteurs et la qualité du texte sur votre fichier réel avant de vous inscrire où que ce soit.
Comment transcrire un podcast en texte, étape par étape
Le parcours : l’aperçu d’abord, puis l’inscription, puis la transcription du reste. Voici comment transcrire l’audio d’un podcast en texte.
- Déposez le fichier sur la page de transcription de podcast. Hushscript découpe les 5 premières minutes dans votre navigateur et renvoie un aperçu avec étiquettes de locuteurs. Aucun compte n’est nécessaire pour cette étape. Vous voyez exactement comment l’animateur et l’invité sont séparés et à quel point le texte est propre sur votre propre audio.
- Inscrivez-vous pour transcrire le reste. Une fois votre e-mail saisi et votre connexion faite, vous importez l’épisode complet. Les comptes personnels éligibles peuvent recevoir 30 minutes gratuites pour essayer, accordées une seule fois, après vérification de carte ou avec leur premier achat ; les tarifs en détaillent les conditions. La transcription complète demande un compte et assez de minutes disponibles.
- Laissez la transcription se faire, puis exportez. La transcription revient avec une étiquette et un horodatage sur chaque énoncé. Exportez en DOCX pour un document que vous retravaillerez en notes d’épisode, en TXT pour un bloc propre à coller dans votre CMS, en SRT pour les sous-titres d’une version vidéo, ou en JSON si votre hébergeur de podcast accepte l’import de transcriptions au niveau de l’énoncé.
Les 30 minutes gratuites peuvent couvrir un épisode court ou une partie représentative d’un épisode plus long. Un épisode de 60 minutes utilise 60 minutes de votre solde : il faut donc recharger après l’essai.
Au-delà de l’essai, la transcription à la minute repose sur des packs de minutes prépayés sans abonnement : un mois calme entre deux épisodes ne coûte donc rien.
Étiquetez chaque animateur et chaque invité
La diarisation des locuteurs se fait automatiquement : vous n’activez rien. Pour un épisode à deux personnes (un animateur, un invité), la transcription revient proprement séparée, chaque ligne étant attribuée à l’une des deux étiquettes. Pour un panel, Hushscript sépare autant de voix distinctes qu’il en entend, sans limite de locuteurs.
Pour remplacer les étiquettes génériques par de vrais noms :
- Cliquez sur n’importe quelle occurrence de
Locuteur Adans l’éditeur. - Saisissez le nom, par exemple « Alex » ou « Animateur ».
- Toutes les occurrences de cette étiquette sont mises à jour d’un coup dans la transcription.
Vous réétiquetez chaque voix une fois, pas ligne par ligne. Un épisode à deux personnes prend environ une minute ; un panel de quatre personnes, quelques minutes. Une fois les étiquettes renommées, un passage de la transcription ressemble à ceci :
Alex [00:03:12] : Vous dirigiez donc l'entreprise à ce moment-là. Quels ont été les premiers signes ?
Jamie [00:03:19] : Honnêtement, c'étaient les chiffres. Nous avons eu une baisse de 40 % en un trimestre.
Alex [00:03:27] : Et vous ne pouviez pas l'expliquer à l'époque ?
Jamie [00:03:35] : Pas pendant des semaines. C'est ce qui m'a empêché de dormir.
C’est la structure qu’il vous faut pour extraire des citations et rédiger des chapitres horodatés. Comme les étiquettes valent pour tout le fichier, un long épisode ne s’étiquette qu’une fois. Pour les mécanismes de la séparation des voix, voir comment fonctionne la diarisation des locuteurs.
Quand les étiquettes demandent une correction
La diarisation est précise sur des enregistrements propres, mais pas infaillible, et quelques cas de figure méritent d’être connus pour les corriger vite.
Si deux invités ont des voix très proches, une ligne de temps en temps peut tomber sur le mauvais locuteur. Parcourez la transcription avec l’audio ouvert et réattribuez à la main les quelques lignes mal attribuées. C’est bien plus rapide que de saisir les noms des locuteurs de zéro, car vous ne corrigez que les exceptions.
Si un co-animateur discret, qui parle à peine, est fusionné avec une autre étiquette, donnez d’abord leur vrai nom aux locuteurs principaux, puis cherchez les quelques lignes qui devraient revenir à la voix discrète. Sur un enregistrement bien séparé, vous rencontrez rarement l’un ou l’autre cas : c’est pourquoi une piste séparée par personne vaut le léger effort supplémentaire au moment de l’enregistrement.
Problèmes courants et leurs vraies causes
La plupart des problèmes de transcription viennent de l’enregistrement, pas de l’outil. Quelques-uns méritent d’être anticipés avant de publier une émission.
Voix superposées et gens qui se coupent la parole. C’est le cas le plus difficile pour tout système de séparation des locuteurs, car deux voix au même instant ne peuvent pas être séparées proprement. Le texte reste en général lisible, mais un moment de fort chevauchement peut tomber sur un seul locuteur ou devenir flou à la jointure. Les bonnes habitudes de podcast aident déjà : un animateur qui laisse les invités finir produit une transcription plus propre, par effet secondaire. Quand cela arrive, corrigez ces quelques lignes à la main avec l’audio.
Invités à distance enregistrés sur une seule piste. Un appel enregistré en un seul fichier mixé est plus difficile à séparer que le même appel capté avec une piste par participant. Si votre outil permet l’enregistrement local par participant, utilisez-le ; si vous n’avez que le fichier mixé, la transcription arrive quand même, elle repose simplement davantage sur la diarisation. Dans les deux cas, l’audio s’importe de la même façon : il n’y a rien de différent à faire au moment de la transcription. Si vous avez enregistré des pistes séparées par invité et devez les fusionner en un seul fichier avant l’import, l’outil gratuit Assembler des fichiers audio en ligne le fait dans votre navigateur, sans rien envoyer. Un invité qui se connecte depuis un onglet Chrome peut être enregistré avec l’extension Chrome Hushscript gratuite, qui mélange l’onglet et votre micro en un seul enregistrement. Prévenez votre invité avant de commencer.
Accents marqués et alternance de langues. Hushscript détecte automatiquement la langue et transcrit environ 99 langues, avec une précision de premier plan dans dix-huit d’entre elles : un invité à l’accent prononcé dans une langue prise en charge est donc bien géré. Un invité qui passe d’une langue à l’autre au milieu d’une phrase est le vrai cas difficile ; prévoyez de corriger à la main les passages concernés. Pour la liste complète des langues prises en charge, voir la page Langues prises en charge.
Musique d’intro et jingles. Une nappe musicale entre les séquences est en général ignorée plutôt que transcrite en charabia. Les ennuis ne commencent que lorsque la musique tourne sous une parole continue pendant longtemps. La solution propre est éditoriale : enregistrez les voix sans musique et ajoutez la musique ensuite, pour que la transcription ne voie que de la parole.
Noms, jargon et orthographe des marques. Un invité spécialiste emploiera des termes et des noms de produits que le modèle peut rendre phonétiquement. Ces erreurs se corrigent vite parce qu’elles se répètent, et une recherche et un remplacement sur le document exporté règlent une faute récurrente en un seul passage.
Quelques conseils de précision
Le premier levier est la qualité d’enregistrement : l’effort consacré aux micros et à une pièce calme est payant au moment de la transcription. Ensuite, une piste par locuteur donne à la fois le texte le plus propre et les étiquettes de locuteurs les plus nettes, puisque le système n’a jamais à démêler deux voix d’une même forme d’onde. Gardez le micro d’un invité proche et constant plutôt que flottant, et vous passerez votre temps d’édition sur le fond plutôt que sur les réparations.
À la relecture, lisez avec l’audio ouvert et corrigez par passes : d’abord les étiquettes de locuteurs, puis les noms et le jargon mal entendus, puis les chevauchements occasionnels. Travailler par catégorie est plus rapide que lire de haut en bas, et vous obtenez un document assez propre pour être publié.
Exploiter la transcription
Une fois le texte propre, il sert de base pour les citations, les chapitres et les sous-titres. Les horodatages accompagnent chaque énoncé : vous repérez un changement de sujet sans réécouter l’épisode. Pour chercher dans le texte les URL prononcées, cherchez des fragments comme « point com » ou « slash ». Pour une citation mise en avant, décidez volontairement de garder ou non les mots de remplissage ; verbatim épuré ou intégral, ce qui change traite les deux cas.
Les notes d’épisode, les chapitres et le reste de la routine de publication sont dans le workflow de transcription de podcast.
Transcription de podcast sur Spotify
Spotify peut afficher une transcription à côté d’un épisode. Selon son aide aux créateurs, certaines émissions reçoivent des transcriptions générées automatiquement, que les auditeurs voient dans la vue Lecture en cours et sur les pages d’épisode de l’application mobile Spotify. Pour publier à la place votre propre texte relu, vous importez un fichier VTT ou SRT d’au plus 5 Mo. Incluez les horodatages, sinon le texte ne se synchronisera pas pendant la lecture.
Pour fabriquer ce fichier, transcrivez l’audio d’origine de votre épisode, pas une copie récupérée sur Spotify. Hushscript n’importe pas les épisodes depuis les pages Spotify, et l’export de votre logiciel de montage reste de toute façon la source la plus propre. Corrigez les noms et les étiquettes de locuteurs dans l’éditeur, puis exportez en SRT ou en VTT. Les deux formats contiennent les horodatages que Spotify demande.
Deux points à vérifier d’abord. Spotify indique qu’une transcription importée est remplacée si vous activez les transcriptions générées automatiquement : décidez donc laquelle vous voulez. Et vous ne pouvez pas modifier une transcription dans Spotify for Creators : vous changez le fichier hors ligne et vous l’importez de nouveau. Gardez votre SRT corrigé comme version de référence et réexportez-le après chaque correction. Spotify précise aussi que, selon votre hébergeur de podcast, la synchronisation de vos transcriptions peut ne pas être possible, et que les transcriptions ne sont pas disponibles pour tous les créateurs ni dans l’application mobile Spotify for Creators. Son aide place les réglages dans Spotify for Creators sur le web : Paramètres, puis Transcriptions pour toute l’émission, ou les Détails d’un épisode pour un seul épisode.
Ajouter des sous-titres
Si vous publiez une version vidéo de l’épisode sur une plateforme comme un hébergeur vidéo, Spotify vidéo ou LinkedIn, l’export SRT est un fichier de sous-titres horodaté prêt à être importé. Il n’y a aucune étape supplémentaire, car la transcription déjà générée contient les données de synchronisation. Si vous n’avez que l’audio et que la plateforme veut un fichier vidéo, l’outil gratuit MP3 en MP4 transforme l’épisode en MP4 avec une image fixe ou une couleur unie, dans votre navigateur et sans rien téléverser. Il accepte des fichiers jusqu’à 200 Mo et environ 3 heures. Pour le parcours plus large qui mène des sous-titres jusqu’à un clip, y compris incrustés ou en fichier séparé, voir comment ajouter des sous-titres à une vidéo.
Si votre point de départ est un enregistrement vidéo plutôt qu’un export audio, le processus est identique ; l’audio est d’abord extrait dans votre navigateur. La page vidéo en texte détaille ce parcours.
Épisodes longs et en plusieurs parties
Pour un épisode long format ou un enregistrement en direct, Hushscript accepte des imports jusqu’à 10 heures, sans limite de taille de fichier. Un panel de quatre heures ou un épisode au format documentaire passe en un seul fichier plutôt que découpé en morceaux, ce qui compte pour deux raisons. Les étiquettes de locuteurs restent cohérentes sur tout le fichier : vous réétiquetez une seule fois. Et les horodatages sont continus : un chapitre à la troisième heure s’affiche [03:12:40] au lieu de repartir de zéro dans la deuxième partie.
Si vous enregistrez une série en plusieurs parties dans une même session, transcrivez toute la session en un seul fichier et répartissez ensuite les notes d’épisode par partie. Couper l’audio d’abord ne fait que multiplier le travail de réétiquetage.
Sources et normes indépendantes
Hushscript a consulté ces références indépendantes et non concurrentes. Elles présentent des recherches, des normes ou le fonctionnement de plateformes et ne constituent pas une recommandation de Hushscript.
Sources vérifiées le :