Réponse directe — Comment convertir une vidéo en texte sur Mac sans l’envoyer en ligne ? Transcrivez la piste audio de la vidéo sur le Mac lui-même. Extrayez l’audio du MP4 ou du MOV avec ffmpeg en WAV 16 kHz et passez-le dans whisper.cpp, une version gratuite en ligne de commande de Whisper, ou glissez la vidéo dans Weesper Transcribe, une application Mac qui lit directement le MP4 et le MOV et transcrit sur l’appareil. Le fichier ne quitte jamais votre Mac.
Un clip iPhone d’une visite de chantier, un enregistrement d’écran d’une démo produit, un webinaire sauvegardé, un MP4 téléchargé d’une conférence : sur un Mac, beaucoup de paroles se trouvent dans des fichiers vidéo, pas dans des fichiers audio.
Ce guide montre comment convertir une vidéo en texte sur Mac hors ligne, du MP4 en texte au MOV en texte. Il couvre le contenu d’un MP4 ou d’un MOV, ce que macOS peut et ne peut pas faire seul, la voie gratuite ffmpeg et whisper.cpp, et la voie par glisser-déposer. Si votre fichier est uniquement audio, notre guide pour transcrire un audio en texte sur Mac hors ligne est un meilleur point de départ.
Que contient un fichier vidéo que vous voulez transcrire ?
Un fichier vidéo est un conteneur qui renferme des flux distincts : généralement un flux vidéo et un ou plusieurs flux audio. Seul l’audio compte quand vous transcrivez une vidéo sur Mac : la première tâche de tout outil est donc de trouver le bon flux audio et de le décoder.
C’est pourquoi l’extension du fichier apprend peu de choses. Un .mp4, .mov ou .m4v désigne le conteneur, pas l’audio qu’il renferme, et deux fichiers MOV peuvent contenir des flux très différents.
La documentation de ffmpeg montre comment adresser ces flux directement : dans un spécificateur de flux, a désigne l’audio, et a:1 « correspond au deuxième flux audio ». Son outil compagnon ffprobe « recueille des informations sur les flux multimédias », et -show_streams liste chaque flux d’un fichier.
Pour voir ce que contient réellement votre vidéo, lancez :
ffprobe -v error -show_streams -select_streams a input.movChaque flux audio apparaît avec son index, son codec et son nombre de canaux. Un seul bloc signifie une seule piste audio ; deux ou plus signifient un choix à faire, expliqué plus bas.
Fichiers vidéo courants sur Mac et points de vigilance
| Source | Conteneur | Ce qui compte pour la transcription |
|---|---|---|
| Vidéo iPhone | .mov | HEVC (H.265) décrit le flux vidéo quand l’appareil photo utilise le format Haute efficacité ; la transcription ne dépend que de l’audio |
| Enregistrement d’écran macOS | .mov | Le micro est facultatif ; avec « Aucun » sélectionné, il n’y a aucune voix à transcrire |
| Enregistrement Zoom ou Teams | .mp4 | L’emplacement du fichier dépend de la plateforme ; voir notre guide des enregistrements Zoom et Teams |
| Conférence ou webinaire téléchargé | .mp4 | Peut contenir plus d’une piste audio, par exemple deux langues |
| Montage exporté depuis un logiciel de vidéo | .mov ou .mp4 | Vérifiez que de la musique ou des effets n’ont pas été mélangés sur la parole |
La page d’Apple sur HEVC confirme le réglage de l’appareil photo : sous Réglages > Appareil photo > Formats, « Le plus compatible » fait utiliser H.264 aux nouvelles vidéos. Inutile de le modifier pour obtenir une transcription, car le codec vidéo n’atteint jamais le modèle de reconnaissance vocale.
Un Mac peut-il convertir une vidéo en texte seul ?
Pas comme fonctionnalité documentée. Aucun des guides d’Apple pour les applications intégrées ne décrit la transformation d’un fichier vidéo existant en transcription.
- QuickTime Player. Le guide d’Apple décrit des modifications « comme couper, réorganiser et pivoter », pas la transcription. Il peut toutefois aider à l’extraction : Fichier > Exporter sous > Audio seulement produit « un fichier audio Apple MPEG 4 avec une piste audio AAC ».
- Dictaphone. Avec macOS Sequoia sur Apple silicon, il peut afficher une transcription des enregistrements réalisés dans Dictaphone, dans les pays et régions où la fonctionnalité est disponible. Le guide d’Apple ne traite pas de l’importation d’une vidéo.
- Notes. Sur les Mac équipés d’une puce M1 ou ultérieure, Notes transcrit l’audio que vous enregistrez dans une note, dans les langues prises en charge. Le guide ne traite pas des fichiers audio ou vidéo existants.
Pour un MP4 ou un MOV que vous possédez déjà, il vous faut donc un outil de transcription. L’export audio de QuickTime est une première étape pratique si vous préférez ne pas installer ffmpeg, à condition que l’outil choisi sache lire ce fichier audio.
Comment convertir une vidéo en texte avec ffmpeg et whisper.cpp ?
Extrayez l’audio en WAV 16 bits avec ffmpeg, puis transcrivez-le avec whisper.cpp. Les deux outils sont gratuits et s’exécutent entièrement sur votre Mac.
whisper.cpp est une implémentation C/C++ open source de Whisper d’OpenAI, sous licence MIT ; son README qualifie Apple Silicon de « citoyen de première classe ». Il demande Git, CMake et ffmpeg. Notre guide d’installation de whisper.cpp couvre l’installation et le choix du modèle : les étapes ci-dessous se concentrent donc sur ce qui change pour une vidéo.
Étape 1 : extraire la piste audio de la vidéo
Le README de whisper.cpp indique que whisper-cli « ne fonctionne actuellement qu’avec des fichiers WAV 16 bits » et donne une commande de conversion ffmpeg. Pour une vidéo, ajoutez -vn afin qu’aucun flux vidéo ne soit inclus dans la sortie :
ffmpeg -i input.mov -vn -ar 16000 -ac 1 -c:a pcm_s16le output.wav-ar 16000 fixe une fréquence d’échantillonnage de 16 kHz, -ac 1 mélange en mono, et -c:a pcm_s16le écrit de l’audio 16 bits non compressé. La même commande fonctionne pour les fichiers .mp4 et .m4v.
Le résultat est bien plus petit que la plupart des vidéos. L’audio mono 16 bits non compressé à 16 000 échantillons par seconde représente 16 000 × 2 octets = 32 000 octets par seconde, soit environ 1,9 Mo par minute ou à peu près 115 Mo par heure.
Étape 2 : choisir la bonne piste audio s’il y en a plusieurs
ffmpeg choisit automatiquement un seul flux audio : selon sa documentation, « le flux comptant le plus de canaux », et l’index le plus bas en cas d’égalité. Ce n’est pas forcément la piste contenant la parole que vous voulez.
Si ffprobe a montré deux flux audio et que vous avez besoin du second, désignez-le explicitement :
ffmpeg -i input.mp4 -map 0:a:1 -ar 16000 -ac 1 -c:a pcm_s16le output.wav0:a:1 signifie « premier fichier d’entrée, deuxième flux audio ». Écoutez quelques secondes du WAV avant de transcrire un long fichier, pour être sûr d’avoir pris la bonne piste.
Étape 3 : transcrire et choisir une sortie
Lancez whisper-cli sur le WAV avec un modèle et une ou plusieurs sorties : texte brut (-otxt), SRT (-osrt), VTT (-ovtt), CSV (-ocsv) ou JSON (-oj).
./build/bin/whisper-cli -m models/ggml-base.en.bin -f output.wav -otxtLa langue parlée est l’anglais par défaut (-l en). Pour une vidéo dans une autre langue, utilisez un modèle multilingue et passez -l avec le code de la langue, ou -l auto pour la détecter.
Comment convertir une vidéo en texte avec Weesper Transcribe ?
Glissez le MP4 ou le MOV dans Weesper Transcribe, laissez-le transcrire sur votre Mac, puis exportez. Il n’y a aucune étape d’extraction et rien n’est envoyé.
Weesper Transcribe est une application Mac pour transcrire des fichiers que vous possédez déjà. Sa fiche App Store décrit un « glisser-déposer d’audio ET de vidéo, dans une seule fenêtre », et cite MP3, M4A, WAV, MP4 et MOV parmi les formats pris en charge.
Étape 1 : déposez la vidéo dans l’application
Glissez le fichier sur la fenêtre. L’application ne demande aucune autorisation de micro ni d’accessibilité, et un modèle intégré lui permet de transcrire hors ligne dès le premier lancement.
Étape 2 : laissez-la transcrire sur l’appareil
La transcription s’exécute en local, avec l’accélération Metal sur Apple silicon. Elle requiert macOS 13 ou version ultérieure et fonctionne aussi sur les Mac Intel compatibles AVX2 (Haswell, 2013 ou version ultérieure). Grâce à la détection automatique de la langue, un webinaire en français ou un entretien en allemand n’exige aucun réglage manuel préalable.
Étape 3 : exportez du texte ou des sous-titres
La version gratuite exporte du texte brut. Pro ajoute les sous-titres SRT et VTT, Word (DOCX), PDF, Markdown, HTML, CSV et JSON, ainsi que des horodatages cliquables, l’édition et la recherche.
La version gratuite traite des fichiers jusqu’à 15 minutes, un à la fois, ce qui couvre la plupart des enregistrements d’écran et des clips de téléphone. Pro est un achat unique, sans abonnement, qui supprime la limite et ajoute le traitement par lots ; l’App Store affiche le prix dans votre région avant l’achat.
Son étiquette de confidentialité sur l’App Store indique que le développeur ne collecte aucune donnée de l’application. Pour tout un dossier de vidéos, voyez comment transcrire des fichiers audio et vidéo par lots sur Mac.
Voulez-vous une transcription ou des sous-titres ?
Choisissez une transcription pour lire, citer ou rechercher ce qui a été dit ; choisissez des sous-titres quand les mots doivent s’afficher à l’écran en synchronisation avec l’image.
- Transcription (TXT, DOCX, Markdown, PDF). Du texte continu pour des notes de réunion, des citations d’entretien, un brouillon d’article ou de la recherche. Les entretiens enregistrés finissent généralement ici.
- Sous-titres (SRT, VTT). De courts blocs minutés attachés à la vidéo, pour la publication ou l’accessibilité. Notre guide pour créer des sous-titres SRT et VTT hors ligne sur Mac couvre les formats, les plateformes et les contrôles de longueur de ligne.
- Données structurées (CSV, JSON). Horodatages et texte pour un script, un tableur ou un index de recherche.
Vous pouvez en produire plusieurs en une seule passe : whisper-cli accepte plusieurs options de sortie à la fois, et l’application exporte la même transcription vers chaque format.
Quelle voie vidéo en texte vous convient ?
Choisissez selon la part de travail que vous voulez faire dans le Terminal. Les deux voies gardent la vidéo sur votre Mac.
| ffmpeg + whisper.cpp | Weesper Transcribe | |
|---|---|---|
| Entrée vidéo | Extraire d’abord l’audio en WAV 16 bits | Glisser directement le MP4 ou le MOV |
| Plusieurs pistes audio | Choix avec -map 0:a:N | Non documenté sur la fiche ; extraire d’abord la piste si cela compte |
| Interface | Terminal | Application Mac |
| Langue | Option -l, anglais par défaut | Détection automatique |
| Exports | TXT, SRT, VTT, CSV, JSON | TXT gratuit ; SRT, VTT, DOCX, PDF, Markdown, HTML, CSV, JSON avec Pro |
| Configuration requise | Compilation depuis les sources | macOS 13+, Apple silicon ou Intel avec AVX2 |
| Coût | Gratuit, licence MIT | Gratuit jusqu’à 15 min par fichier ; Pro en achat unique |
Comment obtenir une meilleure transcription à partir d’une vidéo ?
La plupart des problèmes de transcription vidéo viennent de la piste audio, pas du modèle de reconnaissance vocale. Vérifiez la piste avant d’incriminer la transcription.
- Confirmez qu’il y a de la parole. Un enregistrement d’écran réalisé avec le micro réglé sur Aucun ne contient aucune voix à transcrire. Lisez d’abord le fichier avec le son.
- Vérifiez le nombre de pistes. Lancez ffprobe sur un MP4 téléchargé ou un fichier issu d’un logiciel de montage ; une piste de commentaire ou dans une seconde langue peut se cacher derrière la piste par défaut.
- Utilisez le fichier d’origine. Une vidéo repartagée par une messagerie a pu être ré-encodée avec un audio de moindre qualité. Demandez l’export d’origine.
- Ignorez le codec vidéo. HEVC ou H.264 ne change rien à la transcription ; cela n’affecte que l’image.
- Réglez la langue pour whisper.cpp. Il suppose l’anglais sauf si vous passez
-l: une vidéo en espagnol traitée avec un modèle réservé à l’anglais produira un texte médiocre. - Relisez les noms et le jargon. Les noms propres et les termes techniques sont l’endroit où n’importe quel modèle vocal se trompe le plus, donc relisez ces passages face à la vidéo avant de partager la transcription.
Pour les fichiers MP3 et les autres audios compressés, notre guide pour convertir un MP3 en texte sur Mac explique pourquoi le débit compte.
Transformez votre première vidéo en texte
Convertir une vidéo en texte sur Mac hors ligne revient à atteindre la piste audio et à la transcrire en local. ffmpeg et whisper.cpp vous donnent un contrôle total sur la piste et la sortie ; une application dédiée supprime l’étape d’extraction.
Un MP4 ou un MOV vous attend ? Découvrez comment Weesper Transcribe transforme des fichiers vidéo et audio en texte modifiable, puis téléchargez-le sur le Mac App Store : gratuit pour les fichiers jusqu’à 15 minutes, avec une mise à niveau Pro unique et sans abonnement. Les questions de configuration trouvent leur réponse dans le centre d’aide.