Comment récupérer le transcript d'une vidéo

Aujourd'hui pour faire du transcript, on a besoin de quasiment rien, un Apple Silicon ou GPU Nvidia suffit.

L'époque des services en lignes pour le sous-titrage est révolu.

J'ai fait pas mal de projets sur la voix:

• Mon studio de clonage
• Comment cloner une voix
• Je clone la voix de cartman
• ou encore mon projet de transcript Light-Whisper

Je n'irai pas jusqu'à dire que je suis un expert du sujet mais j'y touche pas mal.

Et aujourd'hui, je vais vous expliquer comment utiliser Parakeet pour faire transformer une vidéo en transcript.

Pourquoi récupérer le transcript d'une vidéo ?

On peut faire énormément de choses différentes à partir du transcript:

• En faire des résumés
• Traiter le texte
• Faire des sous-titres automatiques

Alors, il n'y a pour le moment pas de Speaker Diarization, c'est à dire qu'on ne va pas jusqu'à détecter les interlocuteurs, mais c'est déjà pas mal en l'état.

Comment récupérer le transcript d'une vidéo en local ?

Sous Mac et Linux, on peut utiliser Parakeet.

Parakeet est un model open source créé par Nvidia qui est l'un des meilleurs models pour le transcript. C'est celui que j'utilise sur le projet Light-Whisper.

Etant sous Mac, je vais utiliser Parakeet-mlx, la version mlx permet d'accélérer l'inférence sous mac (c'est une version optimisée).

Il vous faut:

• ffmpeg
• venv
• une puce Apple Silicon

Je vous mets le script d'installation:

Dans un fichier install.sh:

#!/usr/bin/env bash
#
# Installation des dépendances pour transcrire des vidéos en local sur Mac
# (Apple Silicon) avec parakeet-mlx.
#
# À lancer une seule fois avant transcribe.sh.

set -euo pipefail

# ---------------------------------------------------------------------------
# 1. Homebrew
# ---------------------------------------------------------------------------
if ! command -v brew >/dev/null 2>&1; then
  echo "Homebrew est requis. Installe-le depuis https://brew.sh puis relance."
  exit 1
fi

# ---------------------------------------------------------------------------
# 2. ffmpeg (décodage audio/vidéo)
# ---------------------------------------------------------------------------
if ! command -v ffmpeg >/dev/null 2>&1; then
  echo "==> Installation de ffmpeg"
  brew install ffmpeg
else
  echo "ffmpeg : déjà présent."
fi

# ---------------------------------------------------------------------------
# 3. Python 3
# ---------------------------------------------------------------------------
if ! command -v python3 >/dev/null 2>&1; then
  echo "==> Installation de python"
  brew install python
fi

# ---------------------------------------------------------------------------
# 4. Environnement virtuel Python local
#    Homebrew Python bloque "pip install" global (PEP 668), donc on isole
#    parakeet-mlx et ses ~50 dépendances dans .venv/.
# ---------------------------------------------------------------------------
VENV_DIR=".venv"

if [[ ! -d "$VENV_DIR" ]]; then
  echo "==> Création du venv dans $VENV_DIR"
  python3 -m venv "$VENV_DIR"
fi

# shellcheck disable=SC1091
source "$VENV_DIR/bin/activate"

# ---------------------------------------------------------------------------
# 5. parakeet-mlx
# ---------------------------------------------------------------------------
echo "==> Installation de parakeet-mlx"
pip install --upgrade pip
pip install parakeet-mlx

echo
echo "Installation terminée."
echo "Lance maintenant : ./transcribe.sh <fichier_video>"

Une fois que vous avez installé les dépendances, vous pouvez utiliser le script de transcript:

Dans un fichier transcribe.sh:

#!/usr/bin/env bash
#
# Transcrit une vidéo ou un fichier audio en .txt, .srt, .vtt, .json
# avec parakeet-mlx (Apple Silicon).
#
# Prérequis : lancer ./install.sh une fois au préalable.
#
# Usage :
#   ./transcribe.sh video.mp4
#   ./transcribe.sh video.mp4 transcripts
#
# Variable d'env optionnelle :
#   PARAKEET_MODEL=mlx-community/parakeet-tdt-0.6b-v2  (anglais, plus rapide)

set -euo pipefail

INPUT="${1:-}"
OUTPUT_DIR="${2:-.}"

if [[ -z "$INPUT" ]]; then
  echo "Usage : $0 <fichier_video_ou_audio> [dossier_sortie]"
  exit 1
fi

if [[ ! -f "$INPUT" ]]; then
  echo "Erreur : fichier introuvable : $INPUT"
  exit 1
fi

if [[ ! -d ".venv" ]]; then
  echo "Erreur : .venv introuvable. Lance d'abord ./install.sh"
  exit 1
fi

mkdir -p "$OUTPUT_DIR"

# shellcheck disable=SC1091
source .venv/bin/activate

# Modèle v3 : multilingue (25 langues européennes dont le français).
MODEL="${PARAKEET_MODEL:-mlx-community/parakeet-tdt-0.6b-v3}"

echo "==> Transcription de $INPUT avec $MODEL"
parakeet-mlx "$INPUT" \
  --model "$MODEL" \
  --output-dir "$OUTPUT_DIR" \
  --output-format all \
  -v

echo
echo "Terminé. Fichiers générés dans : $OUTPUT_DIR"

Ensuite il ne vous reste plus qu'à utiliser votre script:

./transcribe.sh video.mp4

Et vous obtiendrez vos fichiers:

  - video.txt : texte brut
  - video.srt : sous-titres avec timestamps
  - video.vtt : format WebVTT
  - video.json : segments détaillés avec timestamps mot par mot