Sous-titres automatiques : les générer à partir du son d'une vidéo
Comment DijiFlow Dictate transforme la bande son d'une vidéo en lignes de sous-titres synchronisées sur votre ordinat...
Vous avez %itemCount% dans votre panier.Total : %total%
Comment DijiFlow Dictate transforme votre voix en texte sur votre propre ordinateur, avec des modèles vocaux locaux et Apple Silicon. Expliqué simplement.
La plupart des outils de dictée tiennent de la magie, jusqu'à ce qu'on pose la question évidente : où part ma voix ? Avec DijiFlow Dictate, la réponse honnête est : nulle part. Vous parlez, le texte s'écrit à l'endroit du curseur, et aucun mot ne transite par un serveur. Aucun compte, aucun envoi de votre audio ni de votre texte. Ce n'est pas une promesse de confidentialité ajoutée après coup : cela découle de la façon dont l'application est construite.
Trois éléments bien connus rendent cela possible : le modèle vocal, qui écoute ; l'environnement d'exécution, qui le fait tourner efficacement sur un Mac ; et Apple Silicon, la puce qui rend le tout instantané. Aucune connaissance préalable n'est nécessaire : voici chacun d'eux, en termes simples.
Au cœur de DijiFlow Dictate se trouvent des modèles de reconnaissance vocale qui tournent sur votre propre ordinateur. Pour faire simple, un modèle vocal est un très grand système de reconnaissance de motifs, entraîné sur d'énormes quantités d'audio accompagnées de leur transcription. Il y apprend comment les sons que nous produisons correspondent aux mots que nous voulons dire, malgré les accents, le bruit de fond et les pauses naturelles de la parole.
Quand vous dictez, le modèle prédit la suite de mots la plus probable à partir du son de votre micro, et il le fait vraiment bien. Sur une parole claire, il atteint environ 98 % de précision, et DijiFlow Dictate transcrit 29 langues entièrement prises en charge et reconnaît 90+ langues avec la détection automatique. Comme il tient compte du contexte au lieu de reconnaître un mot après l'autre, il s'en sort bien avec la façon désordonnée dont nous parlons réellement.
C'est ce qui surprend le plus : l'application et l'intelligence sont deux fichiers distincts. Sur Mac, DijiFlow Dictate lui-même est léger, environ 34 Mo. Les modèles vocaux constituent la partie lourde, de 300 Mo à 6 Go environ selon celui que vous choisissez. Avec Pro et l'essai, « Grand » est le plus précis, « Express » s'en approche en allant plus vite, et « Rapide » est le plus rapide de tous, en 16 langues dont l'anglais ; la version gratuite utilise « Standard » et « Amélioré ». Vous choisissez l'équilibre entre vitesse et précision qui vous convient.
Vous téléchargez un modèle une seule fois ; ensuite, la transcription n'a plus du tout besoin d'Internet. C'est précisément cette étape unique qui permet à votre voix de rester sur votre machine.
Un modèle vocal n'est utile que s'il tourne vite sans vider votre batterie. C'est le rôle de l'environnement d'exécution, la couche qui fait fonctionner les modèles d'apprentissage automatique sur l'appareil lui-même. Voyez-le comme un interprète doublé d'un aiguilleur : il prend un modèle vocal et détermine comment le faire tourner sur les composants les mieux adaptés de votre matériel.
Sur Mac, les modèles vocaux de DijiFlow Dictate sont compilés pour le framework d'apprentissage automatique d'Apple, intégré à macOS. Le modèle est ainsi optimisé spécifiquement pour le matériel Apple, au lieu de tourner comme du code générique plus lent : la dictée suit le rythme de la parole tout en restant légère pour le système. Et tout se passe en local : ce framework n'est pas un service cloud. Il fait partie du système d'exploitation et permet aux applications d'exécuter des modèles d'apprentissage automatique en toute confidentialité, sur l'appareil.
Dernier élément : le matériel. Sur les Mac récents, il s'agit d'Apple Silicon, les puces de la série M des machines équipées de macOS 14 ou version ultérieure. Ces puces comprennent un Neural Engine dédié, une partie du processeur conçue spécialement pour faire tourner les modèles d'apprentissage automatique rapidement et avec très peu d'énergie, le GPU prenant le relais via Metal quand un surcroît de puissance est utile.
Vous n'avez rien à configurer. Le framework répartit automatiquement le travail sur le bon matériel ; vous parlez, et la puce s'en charge en temps réel. C'est l'avantage discret d'une conception sur l'appareil : la puce qui rend votre Mac si réactif est aussi celle qui rend possible une dictée privée.
Mettez les trois éléments dans l'ordre : le trajet est court, et entièrement local.
Le son de votre micro est capté sur l'appareil, sans jamais être diffusé ailleurs.
Le modèle transforme les sons en mots directement sur la puce Apple Silicon, en temps réel.
Vos mots s'affichent dans l'application où vous êtes déjà. Ils ne sont envoyés nulle part : il n'y a donc rien qui puisse fuiter.
À retenir
Le modèle se trouve sur votre machine : la transcription n'est qu'un calcul local. Aucun serveur n'intervient pour stocker, intercepter ou conserver discrètement votre voix.
La plupart des outils vocaux sont des services cloud déguisés en application : ils exigent une connexion et un compte à chaque utilisation, parce que le modèle qui vous comprend se trouve sur le matériel de quelqu'un d'autre. DijiFlow Dictate fait l'inverse : vous l'installez une fois, et le travail se fait sur votre puce.
| Fonctionnement | DijiFlow (sur l'appareil) | Dictée dans le cloud |
|---|---|---|
| Fonctionne après un téléchargement unique | ✓ | ✗ |
| Transcription sans Internet | ✓ | ✗ |
| Aucun compte nécessaire | ✓ | ✗ |
| L'audio reste sur votre appareil | ✓ | ✗ |
La même approche sur l'appareil s'étend à Windows 10 et 11, où DijiFlow Dictate tourne sur les GPU AMD, Intel et NVIDIA. Les cartes NVIDIA demandent CUDA et un pilote à jour, mais le principe reste le même : votre parole est transcrite en local, et votre voix et votre texte ne sont envoyés nulle part.
Rien d'exotique ici. DijiFlow Dictate repose sur des technologies ouvertes et éprouvées : des modèles vocaux pour l'écoute, le framework d'apprentissage automatique d'Apple pour l'exécution, et Apple Silicon pour le matériel. Le choix décisif, c'est de tout garder sur votre appareil : vous profitez du confort d'une dictée moderne sans jamais confier votre voix à qui que ce soit, que vous utilisiez la version gratuite, l'essai ou Pro.
Si vous préférez l'essayer plutôt que d'en lire la description, testez gratuitement pendant 30 jours la dictée privée sur l'appareil avec la formule Pro.