Nettoyeur de transcription
Collez une transcription ou ouvrez un fichier .txt, .srt ou .vtt. Supprimez les mots de remplissage, les horodatages et les numéros de séquence, puis regroupez les interventions de chaque intervenant. L'outil fonctionne dans votre navigateur — le texte n'en sort jamais, et aucun compte n'est requis.
Son fonctionnement et les règles appliquées
Chaque modification applique une règle que vous pouvez vérifier dans la zone de résultat. Lorsqu'une règle doit trancher dans le doute, elle choisit de conserver le mot.
- Mots parasites
- Les sons sans autre signification — um, eh, hum, euh, äh et équivalents — disparaissent où qu'ils soient placés. Les mots qui ne sont des tics de langage qu'occasionnellement ne sont retirés que lorsque la ponctuation les isole, et seulement là où ils ne désignent presque jamais autre chose : certains lorsqu'ils sont isolés par des virgules (« we, like, went »), d'autres uniquement en début de phrase (« Well, I think »), d'autres enfin uniquement en fin de phrase (« c’est cool, quoi. »). Un mot qui forme une phrase à lui seul (« Right. ») est conservé : il s'agit d'une réponse. Le mot qui ouvre ensuite la phrase prend une majuscule ; un mot de remplissage écrit en majuscules dans un texte en minuscules est considéré comme un acronyme et conservé. Les listes figurent dans la section Questions ci-dessous.
- Noms des intervenants
- Un « Nom : » en début de ligne est considéré comme un intervenant lorsqu'il commence au moins deux lignes, lorsqu'il indique « Speaker 1 », lorsqu'une heure se trouve avant les deux-points (« Maya (00:01:23) : »), ou lorsque le texte est structuré en lignes du type « Nom : texte » avec un nom récurrent. Sinon, un mot qui ne débute qu'une seule ligne — « Attention : », « Remarque : » — est conservé tel quel, car le supprimer serait pire que de garder un nom. Un nom commence par une lettre, donc un score comme « 3:2 » n'en est jamais un. Une balise de voix WebVTT nomme systématiquement son intervenant.
- Horodatages et numéros de séquence
- Une heure en début de ligne — [00:01:23], (1:30), 0:02:05 — ou après le nom — Maya (00:01:23) : — correspond à l'horodatage du paragraphe. Une ligne composée uniquement d'un nom et d'une heure, comme en exportent les applications de réunion, attribue ce nom au paragraphe du dessous lorsqu'il s'agit de « Speaker 1 » ou que ce nom introduit plusieurs lignes similaires ; sinon, elle reste sous forme de texte, car « Déjeuner à 12:30 » présente la même structure. Une heure au milieu d'une phrase (« nous nous sommes vus à 12:30 ») n'est pas modifiée. Les numéros de séquence sont supprimés avec les horodatages.
- Fichiers de sous-titres
- Les fichiers SubRip et WebVTT sont lus comme des sous-titres, chaque séquence formant un paragraphe dont les retours à la ligne sont fusionnés ; un saut de ligne n'est jamais considéré comme une fin de phrase. Si les horodatages sont conservés, les séquences nettoyées peuvent être téléchargées au format .srt ou .vtt en gardant leur minutage d'origine et les mêmes mots que dans la zone de résultat ; la fusion des prises de parole ne s'applique qu'au texte, puisqu'une séquence conserve son propre temps d'affichage à l'écran.
- Prises de parole fusionnées
- Les paragraphes consécutifs d'un même intervenant nommé sont fusionnés en un seul, avec l'horodatage du premier. Un paragraphe sans nom n'est jamais rattaché à un autre : deviner s'il prolonge la prise de parole précédente relèverait de la supposition, et la lecture reste identique dans les deux cas.
- Indicateurs d'ordre des octets (BOM) et fins de ligne Windows
- Nettoyé et normalisé, pour éviter de transformer la première réplique en un bloc illisible.
Questions
Ma transcription est-elle téléversée ?
Non. Le texte est lu et réécrit sur cette page, directement dans votre navigateur, et aucune donnée n'est envoyée où que ce soit. Le lien en bas mène à txscribe, qui transcrit les enregistrements dans le cloud ; cette page n'assure pas cette fonction.
Quels mots parasites supprime-t-il ?
Ceux qui figurent dans ses listes pour l'anglais, l'espagnol, le portugais, le français et l'allemand — choisissez la langue au-dessus du texte ; les mots de chaque langue sont séparés par un point-virgule. Les sons sans autre signification sont supprimés où qu'ils soient placés : um, uh, uhm, er, erm, ah, eh, hm; eh, ehm, em; hum, hã, ahn, ãh, eh; euh, hum, hm, bah; äh, ähm, öhm, ehm, hm, mh. Ceux-ci sont supprimés dès que la ponctuation les isole de part et d'autre : like, actually, basically, literally, you know, i mean, sort of, kind of; o sea, digamos, en plan, pues; né, quer dizer; en fait, du coup, tu vois, hein; sozusagen, quasi, ich meine, irgendwie, halt. Ceux-ci ne sont supprimés qu'en début de phrase, suivis d'une virgule : so, well, right, okay, ok, anyway; este, bueno, mira, oye, tipo, a ver; então, assim, bom, enfim, olha, tipo, é; bon, alors, donc, enfin, voilà, bref, genre; also, naja, na ja, nun. Ceux-ci ne sont supprimés qu'en fin de phrase, précédés d'une virgule : sabe, entendeu; quoi, voyez; gell, weißt du, weisst du. Aucun d'entre eux n'est supprimé lorsqu'il forme une phrase à lui seul : il s'agit d'une réponse.
Pourquoi un mot que je considère comme parasite a-t-il été conservé ?
Parce que rien ne l'isolait, ou qu'il se trouvait là où il constitue souvent un vrai mot. « We like went home » conserve son « like » : sans virgule de part et d'autre, la page ne peut pas le distinguer de « we like going home », et la règle consiste à laisser un mot plutôt qu'à altérer le sens. Ajoutez les virgules et il disparaît.
Puis-je conserver les horodatages ?
Oui : décochez « Supprimer les horodatages et les numéros de séquence ». Chaque paragraphe commence alors par son horodatage, et si le fichier source était un .srt ou un .vtt, les sous-titres nettoyés peuvent être téléchargés au format .srt ou .vtt en conservant leur minutage.
Quels formats prend-il en charge ?
Du texte brut avec des lignes « Nom : texte », des horodatages en début de ligne ou après le nom, des en-têtes d'applications de réunion comme « Speaker 1 0:03 », des fichiers SubRip et WebVTT, des balises de voix WebVTT, des sauts de ligne Windows et un indicateur d'ordre des octets (BOM). Les fichiers audio et vidéo sont refusés : cette page nettoie du texte, elle ne transcrit pas.
Est-ce gratuit ?
Oui, sans compte et sans rien installer.
Besoin de la transcription d'abord ?
txscribe transcrit l'audio et la vidéo en horodatant chaque mot, et exporte au format texte brut, SubRip et WebVTT. À la différence de cette page, cette partie s'exécute dans le cloud.
Commencer gratuitement