Quel format de fichier audio choisir pour la transcription ?

Qu'est-ce qu'un format audio, au juste ?

L'extension d'un fichier recouvre en réalité deux choses. Il y a d'abord le codec, qui est la méthode employée pour compresser le son afin qu'il prenne le moins de place possible. Il y a ensuite le conteneur, une sorte de boîte qui regroupe le son, une éventuelle piste vidéo et des informations comme le titre ou la durée. Le MP3 sert à la fois de codec et de conteneur. Le M4A et le MP4 sont des conteneurs dans lesquels le son est généralement compressé avec le codec AAC.

C'est pour cette raison que deux fichiers ayant la même extension peuvent réagir différemment, et qu'il ne suffit pas de changer le nom d'un fichier pour le convertir. Pour convertir un fichier audio, il faut le décoder puis l'encoder à nouveau. Évitez cette opération si vous pouvez vous en passer.

Quelles différences entre MP3, M4A, WAV, OPUS et OGG ?

Un fichier WAV contient généralement du son non compressé. Il garde tout ce que le micro a capté, ce qui donne des fichiers lourds : comptez environ dix mégaoctets par minute en stéréo de qualité CD. Le MP3 et le M4A sont, eux, des formats avec perte. Ils suppriment les détails que l'oreille humaine a le moins de chances de remarquer, ce qui rend les fichiers plusieurs fois plus légers. Aux débits binaires qu'utilisent les téléphones et les applications d'enregistrement, la voix reste claire.

OPUS est un codec récent, pensé pour transmettre la voix et la musique avec un faible débit de données. On le retrouve beaucoup dans les appels et les messages vocaux, le plus souvent rangé dans un fichier OGG ou OPUS. OGG est un conteneur qui peut accueillir du son au format Opus, plus récent, ou au format Vorbis, plus ancien. Sur iPhone, l'application Dictaphone enregistre directement en M4A. Sur Android, cela dépend de l'appareil et de l'application utilisée, mais beaucoup vous laissent choisir le format.

Pour une transcription, passer d'un format à l'autre change rarement le résultat. La distance par rapport au micro, le bruit dans la pièce ou les personnes qui parlent en même temps pèsent beaucoup plus sur la qualité finale que le choix du codec.

Peut-on transcrire un fichier vidéo comme un MP4 ou un MOV ?

Oui. Le MP4 et le MOV sont des conteneurs qui réunissent l'image et le son, les voix se trouvant sur la piste audio. Vous pouvez envoyer votre vidéo directement dans KolWrite pour obtenir la transcription, sans extraire le son au préalable. Envoyer la vidéo présente d'ailleurs un autre intérêt : vous pourrez par la suite créer des sous-titres calés sur l'image, ou les incruster directement dans la vidéo.

Une vidéo lourde met simplement plus de temps à charger. Si votre fichier est très volumineux et que seul le texte vous intéresse, vous pouvez tout de même extraire la piste audio. Contentez-vous alors d'un export direct, sans réencoder le son en très basse qualité.

La compression nuit-elle à la transcription ?

Une compression légère ne gêne pas la transcription. Même avec une compression moyenne, tout se passe généralement bien si l'enregistrement de départ est propre. Les ennuis commencent avec une forte compression. À très bas débit, les voix semblent noyées et les consonnes s'effacent, alors que ce sont justement elles qui permettent de différencier les mots. Si vous compressez à nouveau un fichier déjà compressé, par exemple en réexportant un message vocal, vous aggravez encore cette perte.

En pratique, compressez votre fichier une seule fois, le plus tard possible, ou ne le compressez pas du tout. Si vous devez envoyer un fichier plus léger à quelqu'un, faites une copie compressée sans toucher à l'original. Et pour lancer une transcription, utilisez toujours le fichier d'origine plutôt qu'une copie allégée.

Quels réglages d'enregistrement suffisent pour la voix ?

Inutile d'avoir des réglages de studio pour enregistrer des voix. Avec un seul micro, un enregistrement en mono suffit. Comme une fréquence d'échantillonnage de 16 kilohertz ou plus capte déjà la parole proprement, les réglages par défaut de la plupart des applications (44,1 ou 48 kilohertz) sont largement suffisants. Si votre application propose plusieurs niveaux de qualité, prenez le mode standard ou élevé. Évitez en revanche les modes basse qualité ou les réglages vocaux compacts, qui réduisent la taille du fichier au détriment de la clarté.

Coupez aussi les effets qui modifient le son pendant la prise, comme une réduction de bruit trop poussée ou un contrôle automatique du gain qui fait monter et descendre le volume. Ces options aident parfois à mieux entendre en direct, mais elles effacent des détails utiles à la transcription.

Quel fichier faut-il conserver ?

Gardez le fichier audio d'origine en indiquant la date et le sujet dans son nom. Voyez la transcription comme un document de travail, car un texte généré automatiquement peut contenir des erreurs. Si vous avez un doute sur un passage, seul l'enregistrement vous permettra de vérifier ce qui a été dit. Le stockage coûte très peu cher face au risque de ne plus pouvoir réécouter une conversation importante.

Si un fichier refuse de s'ouvrir ou d'être importé, passez par un outil fiable pour en convertir une copie en M4A, MP3 ou WAV, tout en mettant l'original de côté. Après avoir relu votre transcription, vous pourrez l'exporter en TXT, DOCX, PDF ou SRT selon ce que vous comptez en faire.