Convertissez des sous-titres WebVTT en texte brut

WebVTT (Web Video Text Tracks) est le format de sous-titres standard du W3C pour la vidéo HTML5, et c'est ce que Zoom, Microsoft Teams, Google Meet et YouTube exportent lorsque vous téléchargez la transcription d'une réunion ou un fichier de sous-titres vidéo. Chaque fichier .vtt commence par une ligne d'en-tête WEBVTT, suivie de sous-titres chronométrés avec des millisecondes séparées par un point (00:00:03.500, pas la virgule du SRT). WebVTT prend aussi en charge des métadonnées plus riches que SRT : des réglages de sous-titre comme align:start position:10% sur la ligne de synchronisation, des balises de voix telles que <v Speaker Name> pour indiquer qui parle, et des blocs NOTE / STYLE / REGION qui portent des commentaires ou un style type CSS plutôt que du dialogue.

Rien de tout cela n'a sa place dans une transcription en texte brut. L'analyseur de SubToolDesk lit votre fichier localement via l'API FileReader du navigateur, retire l'en-tête et les blocs de métadonnées, supprime les balises de voix et de style, et, si vous le demandez, réassemble les sous-titres restants en véritables paragraphes.

Instructions étape par étape

• Exportez ou localisez votre fichier de sous-titres .vtt (Zoom et Teams proposent tous deux une option « Télécharger la transcription » ou « Télécharger les sous-titres » après une réunion).
• Glissez-le sur le convertisseur ci-dessus, ou collez le texte VTT brut dans le panneau gauche.
• Confirmez que le badge de format affiche VTT.
• Laissez Retirer les balises de formatage activé pour supprimer les balises de voix et les réglages de sous-titre.
• Laissez Retirer les étiquettes d'intervenant activé si les sous-titres préfixent aussi les lignes avec un nom en texte (courant dans les transcriptions Teams générées automatiquement).
• Copiez ou téléchargez la transcription .txt obtenue.

Pourquoi convertir du WebVTT en texte brut

Un fichier .vtt est conçu pour un lecteur vidéo, pas pour une personne qui lit. Le réduire à du texte brut répond presque toujours à un besoin précis par la suite :

• Coller dans des notes de réunion ou un document de projet, où les horodatages et les balises de voix ne sont que du bruit.
• Transmettre une transcription à un résumeur IA ou un chatbot, qui lit bien mieux une prose continue que des centaines de fragments de deux secondes.
• Publier un récapitulatif de blog ou des notes d'épisode à partir d'un appel, d'un webinaire ou d'un podcast enregistré.
• Rendre une vidéo accessible ou consultable sous forme de page en texte brut, sans diffuser de fichier de sous-titres.
• Archiver ou classer une transcription comme document lisible une fois que l'enregistrement d'origine n'est plus nécessaire.
• Envoyer une transcription pour traduction ou relecture, où traducteurs et relecteurs travaillent avec de la prose, pas des blocs de sous-titres.

Avant et après : un exemple réel

Un court export façon Zoom, avec balises de voix, réglages de sous-titre, un bloc NOTE et le reste, converti avec Fusionner en paragraphes, Retirer les étiquettes d'intervenant et Retirer les balises de formatage tous activés (l'état par défaut sur cette page) :

WEBVTT

NOTE
Transcription générée par Zoom

00:00:01.200 --> 00:00:03.900 align:start position:10%
<v Jordan>Bonjour à tous, merci de vous joindre à l'appel aujourd'hui.

00:00:03.900 --> 00:00:06.450
<v Priya>Bien sûr ! Commençons.

00:00:06.450 --> 00:00:09.800
<v Jordan>Parfait, le premier point à l'ordre du jour est la feuille de route du T3.

Bonjour à tous, merci de vous joindre à l'appel aujourd'hui. Bien sûr ! Commençons. Parfait, le premier point à l'ordre du jour est la feuille de route du T3.

L'en-tête WEBVTT, le bloc NOTE, chaque ligne d'horodatage et réglage de sous-titre, ainsi que les deux balises de voix <v Jordan> ont disparu. Ce qui reste est exactement ce qui a été dit, remis en forme en phrases lisibles.

Le format WebVTT, en détail

Un sous-titre typique à plusieurs intervenants ressemble à ceci :

00:00:03.500 --> 00:00:06.120 align:start position:10%
<v Jordan>Merci de vous joindre à l'appel aujourd'hui.

À la différence de SRT, une ligne d'identifiant de sous-titre en tête est optionnelle en WebVTT et peut être n'importe quelle chaîne, pas seulement un numéro séquentiel. L'analyseur de SubToolDesk détecte directement la ligne d'horodatage (elle contient toujours -->) plutôt que de supposer un ordre de ligne fixe, de sorte que les fichiers avec ou sans identifiants sont tous deux analysés correctement.

Pourquoi cela compte particulièrement pour les transcriptions de réunion

Le sous-titrage automatique de Zoom et Teams est précis sur la synchronisation, mais le fichier exporté est optimisé pour les lecteurs vidéo, pas pour les lecteurs humains. Une réunion d'une heure peut produire des centaines de sous-titres de deux secondes, chacun un fragment de phrase accompagné d'une balise de voix. Faire passer cela par ce convertisseur avec la fusion en paragraphes activée en fait quelque chose que vous pouvez coller directement dans des notes de réunion, un récapitulatif de blog, ou une instruction pour un résumeur IA, sans que l'enregistrement ou la transcription d'origine ne quittent jamais votre machine.

D'où viennent réellement les fichiers WebVTT

Au-delà de la visioconférence, WebVTT est le format de sous-titres que YouTube permet de télécharger pour toute vidéo sous-titrée, le format que la plupart des services de transcription par IA (y compris les exports d'OpenAI Whisper) utilisent par défaut, et le format exigé par l'élément HTML5 <track> pour toute vidéo sous-titrée intégrée directement sur une page web. Si vous avez téléchargé un fichier de sous-titres de peu importe où en ligne ces dernières années, il y a de bonnes chances qu'il soit en WebVTT plutôt que dans l'ancien format SRT, ce qui explique en partie pourquoi un outil de nettoyage dédié au VTT, plutôt qu'un script générique de suppression de texte, fait la différence : les approches génériques ne savent pas chercher les balises de voix ni ignorer les blocs NOTE au départ.

Bien gérer les transcriptions à plusieurs intervenants

Les outils de sous-titrage automatique identifient les intervenants de deux façons différentes, parfois dans le même fichier : via la balise native de WebVTT <v Speaker Name>, ou en texte brut au début d'une ligne (Jordan : Merci de vous joindre.). L'interrupteur Retirer les balises de formatage de cet outil supprime le premier type ; Retirer les étiquettes d'intervenant supprime le second. Activer les deux ensemble (l'état par défaut sur cette page) produit une transcription sans aucune trace de l'un ou l'autre format d'étiquette, quel que soit celui que votre fichier source utilise.

Ce que ce convertisseur conserve et supprime

Conservé :

• Chaque mot du texte parlé, dans son ordre et sa ponctuation d'origine.
• Les sauts de paragraphe, qu'il s'agisse de la structure d'origine à une ligne par sous-titre, ou de paragraphes basés sur les phrases si Fusionner en paragraphes est activé.

Supprimé :

• La ligne d'en-tête WEBVTT.
• Les blocs de métadonnées NOTE, STYLE et REGION.
• Les lignes d'identifiant de sous-titre et toutes les plages d'horodatage.
• Les réglages de sous-titre sur la ligne d'horodatage, comme align:start position:10%.
• Les balises de voix telles que <v Speaker Name>, lorsque Retirer les balises de formatage est activé.
• Les préfixes d'intervenant en texte brut comme Jordan :, lorsque Retirer les étiquettes d'intervenant est activé.

Problèmes courants et comment les résoudre

• La sortie affiche encore des horodatages ou des flèches --> : vérifiez que le badge de format au-dessus du convertisseur affiche bien VTT, et non Unknown ; un collage mal tronqué peut perturber la détection des sous-titres.
• Des balises <v Speaker Name> sont encore présentes dans le texte : activez Retirer les balises de formatage, il n'est désactivé par défaut que si vous l'avez changé.
• Des noms en texte brut comme Jordan : préfixent encore les lignes : c'est un interrupteur distinct, Retirer les étiquettes d'intervenant, activez-le aussi, car il détecte un motif différent de celui du retrait des balises de voix ci-dessus.
• La transcription se lit comme une phrase par ligne plutôt qu'en paragraphes fluides : activez Fusionner en paragraphes.
• Les paragraphes deviennent trop longs sans aucune indication de changement d'intervenant : désactivez plutôt Fusionner en paragraphes, et conservez une ligne par sous-titre ; une fois les étiquettes d'intervenant retirées, le texte brut n'a aucun moyen de représenter un changement d'intervenant au milieu d'un paragraphe.
• Les lettres accentuées ou le texte non anglais apparaissent comme des caractères corrompus du type é : le fichier .vtt source n'a pas été enregistré en UTF-8 ; réexportez-le ou réenregistrez-le en UTF-8 et importez-le à nouveau.

Que vérifier avant de faire confiance au résultat

Les sous-titres générés automatiquement transcrivent parfois mal des noms, des termes techniques ou une prononciation accentuée, ce qui est une limite du système de sous-titrage ayant produit le fichier, pas quelque chose qu'un formateur de texte peut corriger. SubToolDesk reformate exactement ce qui se trouve dans le fichier source ; cela vaut la peine de parcourir rapidement le panneau de sortie en le comparant à l'enregistrement d'origine avant d'utiliser la transcription dans quelque chose d'officiel, comme un compte-rendu de réunion ou un document juridique.