Transcrire automatiquement vos enregistrements audio en texte avec Kdenlive

Un billet technique pour facilement transformer vos fichiers audio et vidéo en transcription textuelle : enregistrements de parties, entretiens, podcasts, etc. Il est possible de les passer à la moulinette et d’obtenir automatiquement un fichier texte de qualité raisonnable. Le logiciel gratuit Kdenlive, appuyé par des packages et des programmes tiers, va servir d’outil central pour ce processus.

Installations préalables

• Installer Python.
  • Installer PIP (installateur de packages Python). *
    ^{(* : je ne rentre pas dans les détails, cela peut beaucoup varier selon votre ordinateur et la version de Python que vous avez. Ici vous avez une méthode possible)}
    • Installer le package vosk *
    • Installer le package srt *
• Télécharger un fichier de reconnaissance de langue.
  • Par exemple : Le modèle French : vosk-model-fr-0.6-linto-2.2.0 qui se trouve sur cette page https://alphacephei.com/vosk/models
  • Ne pas dézipper et placer dans un répertoire durable de vos documents sur votre ordinateur.
• Installer Kdenlive.

Paramétrages de Kdenlive

• Configuration > Configurer Kdenlive > + > sélectionner le fichier zip du modèle de langue.
• Affichage > Activer ou cocher les panneaux de :
  • Moniteur du projet
  • Montage
  • Sources du projet
  • Sous-titres
• Redémarrer votre ordinateur.

Processus de transcription

• Lancer Python avec Windows > Exécuter : Python
• Lancer Kdenlive
• Dans le panneau Sources du projet, importer un fichier mp3 ou autre.
• Glisser-déposer le fichier mp3 dans le panneau de Montage en bas du logiciel. Caler le fichier mp3 à gauche.
• Se placer au début du fichier mp3. Dans le panneau Moniteur du projet, cliquer sur l’icône Définir le début de la zone.
• Se placer à la fin du fichier mp3. Cliquer sur l’icône Définir la fin de la zone.
• Dans le panneau de Montage, repérer l’icône Modifier l’outil de sous-titres. Cliquer dessus, cela fait apparaître la piste des sous-titres.
• Au début de la piste de sous-titres, cliquer sure la baguette magique Speech Recognition.
• Un panneau avec le modèle de langue sélectionné et Timeline Zone (all…) devrait s’afficher. Cliquer sur Process.
• Attendre.
• Les fichiers de sous-titres sont produits.
• Projet > Sous-titres > Exporter un fichier de sous-titres. Créer un fichier .srt de sous-titres.
• Utiliser un logiciel ou un service en ligne pour transformer le fichier .srt (avec time code) en un fichier texte simple- (sans time code). Exemple.

Résultats

	Type	Durée du fichier de son	Temps de traitement	Qualité de la transcription
« Les idées claires »	podcast pro	9 min.	1 min. 40 s.	8/10
« La méthode scientifique »	podcast pro	59 min.	20 min.	7/10
« Radio Rôliste » no. 111	podcast amateur	1h 33 min.	26 min.	6/10
« Par-delà les montagnes hallucinées » no.1	actual play amateur	2h 18 min.	35 min.	6/10
et vous ?				Télécharger les 4 résultats

Et ensuite ?

Il est très possible que les modèles de langue s’améliorent à l’avenir, rendant la transcription de meilleure qualité.

Si vous connaissez une manière de faire des traitements en lot, merci de les partager car cela peut être un besoin des étudiants en SHS. En tout cas, je pense que cette méthode va sauver beaucoup de temps et de labeur aux étudiants qui ont besoin de faire des transcriptions.

Si vous voulez faire du textmining sur 159 parties de jeux de rôle (en anglais), je vous conseille de télécharger les transcriptions (bien propre car toutes corrigées à la main) de Critical Role à https://github.com/RevanthRameshkumar/CRD3 au format json.

---

---