Liens vidéo — Speakly

Collez le lien d'une vidéo et Speakly télécharge son audio puis le transcrit. Ce n'est pas que YouTube : le même téléchargeur lit plus de 1500 sites, dont les reels Instagram et TikTok.

Comment faire

Cliquez sur Links dans la barre latérale gauche — c'est une entrée à part, sous Transcribe Media, pas une partie de celle-ci
Cliquez sur New Transcription pour ouvrir Transcribe a video from a link
Collez le lien dans le champ ("Paste a video link here...")
Choisissez Transcription engine et Model pour cette vidéo — le même sélecteur que les Réunions, avec le logo de chaque fournisseur. Le choix est retenu pour la vidéo suivante et ne change pas le moteur de la dictée
Réglez Speech language sur la langue parlée dans la vidéo
Cliquez sur Transcribe Video

Quels liens fonctionnent

La page d'une seule vidéo. YouTube (Shorts compris), publications et reels Instagram — /reel/ comme /reels/ — TikTok, X, Facebook, Vimeo, Twitch, LinkedIn et le reste des 1500+ sites pris en charge par le téléchargeur.
Un lien de chaîne, de profil ou de playlist est refusé, avec This link is a channel, profile or playlist, not a single video. Ouvrez la vidéo elle-même et collez son propre lien.
Une vidéo publique ne demande aucun compte. Tout ce qu'un site ne montre qu'aux personnes connectées — un compte privé, une vidéo avec restriction d'âge — exige que vous soyez connecté à ce site dans Chrome, Firefox, Brave ou Edge ; Speakly réessaie alors le téléchargement avec les cookies de ce navigateur avant d'abandonner.
Si un site bloque le téléchargement, Speakly met son téléchargeur à jour vers la dernière version et réessaie, puis tente avec les cookies de votre navigateur. Le message nomme alors le site et ce qu'il faut faire.

Limites

Vidéos jusqu'à 2 heures ; au-delà, l'échec indique Video is too long (… min). Maximum duration is 120 minutes for transcription.
Au-delà de 8 minutes, l'audio est découpé en tranches de 9 minutes puis réassemblé en une seule transcription
Les vidéos découpées gardent leurs horodatages : les segments de chaque tranche sont décalés sur la ligne de temps complète et les dix secondes de recouvrement sont coupées, donc une vidéo de deux heures a de vrais temps de bout en bout
Certains sites ne publient aucune durée — Instagram en fait partie — donc l'aperçu n'en montre pas avant la transcription. La vraie durée apparaît sur la transcription enregistrée, mesurée depuis l'audio lui-même.

La progression pendant l'exécution

La fenêtre nomme l'étape en cours et, dès que la transcription démarre, dessine une vraie barre avec un pourcentage : Downloading audio..., puis Converting format..., puis Transcribing (may take a while for long videos)....

Preparing the audio… — une deuxième ligne sous l'étape, pendant que l'audio est lu et, pour une vidéo assez longue pour être découpée, ré-encodé en tranches. Sur une vidéo de deux heures, cela se passe avant qu'un seul mot n'apparaisse.
Part x of y — affiché pendant la transcription de chaque tranche, avec le pourcentage qui monte à côté de l'étape.
Complete! — les tranches ont été fusionnées en la transcription finale.

Avec le moteur Local Model (On-Device), le pourcentage avance aussi à l'intérieur de chaque tranche, parce que le moteur local rapporte sa propre progression de décodage. Les moteurs cloud répondent à une tranche en une seule requête et ne peuvent rien rapporter entre-temps : là, la barre avance tranche par tranche.

Le résultat

Une transcription terminée d'un lien vidéo — La fenêtre File Transcription : transcription, nombre de mots et actions IA

Le titre et la durée de la vidéo dans l'en-tête de la fenêtre, plus le nombre de mots
La transcription en lignes horodatées, groupées pour qu'une ligne finisse où la phrase finit
Actions IA : Flashcards, FAQ, Ask, Translate
Copy All copie toute la transcription ; Close ferme la fenêtre

Horodatages et lecteur

Pour un lien YouTube, la vidéo est intégrée au-dessus de la transcription, et chaque horodatage est un bouton — son infobulle dit "Jump to this moment" — qui place le lecteur à cette seconde et joue à partir de là. Le lecteur n'apparaît que dans la vue transcription ; il est masqué sur Flashcards, FAQ, Ask et Translate, où il continuerait à jouer derrière le texte. Les liens d'autres sites n'ont pas de lecteur intégré : la transcription et ses horodatages sont bien là, mais il n'y a pas de vidéo où sauter.

Les lignes sont groupées aux fins de phrase, et non une ligne par segment du moteur. La parole sans ponctuation se coupe quand même : un groupe est coupé après 320 caractères ou 30 secondes.
Un groupe garde le début de son premier segment, donc un clic atterrit là où la phrase commence.
Si le lecteur intégré ne répond pas encore, le clic recharge l'intégration à cette seconde — plus lent, mais cela atterrit toujours.

Les anciennes transcriptions ne peuvent pas gagner d'horodatages

Tout ce qui a été transcrit avant l'arrivée de cette fonction a un seul segment à 00:00, parce que les horodatages de chaque tranche étaient jetés lors du découpage de l'audio. Les données de segments n'ont jamais été stockées : le seul moyen d'avoir de vrais horodatages est de transcrire la vidéo à nouveau.

Où va l'audio

L'audio est téléchargé dans un fichier temporaire et supprimé dès que la transcription est terminée. La transcription elle-même est produite par le moteur que vous choisissez dans la fenêtre (configuré dans Settings → Transcription) : avec le modèle local, rien ne quitte votre machine ; avec un fournisseur BYOK, l'audio est envoyé à ce fournisseur.