Transcrire FLAC

Non, et c’est la chose la plus utile à savoir avant d’envoyer une archive FLAC. Les modèles de reconnaissance vocale travaillent sur de l’audio 16 kHz mono : Whisper construit son entrée à partir d’un spectrogramme log-mel à cette fréquence, et tout ce qui dépasse 8 kHz — la moitié de la fréquence d’échantillonnage — a disparu avant la première couche du réseau.

Un master 96 kHz/24 bits et une copie de CD 44,1 kHz/16 bits du même enregistrement arrivent donc au modèle comme le même signal 16 kHz mono. La différence que vous entendez dans un bon casque est réelle ; celle que voit le transcripteur est nulle.

Là où la qualité change vraiment le texte

• Les très bas débits. Sous 32 kbps environ, les codecs avec perte brouillent les consonnes, et cela survit au rééchantillonnage. C’est pourquoi une mauvaise note vocale se transcrit moins bien qu’une bonne.
• Les réencodages successifs. Chaque génération ajoute des artefacts. Le FLAC n’a pas de générations : décodez et réencodez autant que vous voulez, les échantillons restent identiques.
• L’enregistrement lui-même. Placement du micro, acoustique de la pièce, voix qui se chevauchent et bruit de fond pèsent bien plus que tout le reste. Aucun conteneur n’y remédie.

Le FLAC est le bon format pour conserver un enregistrement. Ce n’est pas un moyen d’en tirer une meilleure transcription.

Voici les durées médianes mesurées sur notre infrastructure de production, pour une heure d’audio.

Le poids du FLAC ne figure pas dans ce tableau parce qu’il n’y a pas sa place. Le fichier est décodé une fois à l’arrivée, et à partir de là une heure sans perte et une heure à 128 kbps représentent le même nombre d’échantillons. Ce que le FLAC coûte, c’est du temps d’envoi : à environ 350 Mo par heure de stéréo en qualité CD, un enregistrement de deux heures fait quelque 700 Mo sur le réseau, là où le même audio en MP3 n’atteindrait pas 60 Mo.

Si le goulot d’étranglement est l’envoi et que l’archive est en sécurité ailleurs, convertir en un bon MP3 avant est un compromis raisonnable : cela ne vous coûtera pas de qualité de transcription. Si le FLAC est la seule copie, envoyez-le tel quel.

Le FLAC est un format d’archive : ce qui nous parvient tient plutôt du master que de la copie de travail.

1. Enregistreurs de terrain. Les appareils Zoom, Tascam et Sound Devices écrivent nativement du WAV ; le FLAC est ce vers quoi on convertit pour stocker. Les deux s’envoient ici sans modification.
2. Audacity et Reaper. Dans Audacity : Fichier → Exporter → Exporter en FLAC ; toute profondeur de bits convient.
3. Archives institutionnelles et radiophoniques. La licence sans brevet du FLAC explique que bibliothèques et archives radio l’aient adopté — un fonds que l’on pourra encore ouvrir dans trente ans sans demander la permission à personne.
4. Extractions de CD. Entretiens et conférences pressés sur disque, extraits sans perte plutôt que recompressés.

Quel qu’il soit, déposez le fichier dans le cadre en haut de cette page. Les cinq premières minutes ne demandent aucun compte.

Le FLAC est le format où la durée bloque avant le poids — l’inverse des conteneurs vidéo. Un FLAC stéréo en qualité CD pèse environ 350 Mo par heure : le plafond de 5 Go contient donc une quatorzaine d’heures, alors que la limite de durée s’arrête à huit.

• Découpez par session, pas à la montre. Une journée d’entretiens fait plusieurs enregistrements, pas un seul fichier de huit heures. Couper entre eux ne coûte rien ; couper au milieu d’une phrase coûte la phrase.
• Les masters haute résolution font exception. En 96 kHz/24 bits stéréo, un FLAC approche 1,2 Go par heure, et là le plafond de 5 Go arrive vers quatre heures. Redescendre à 44,1 kHz avant l’envoi est sans effet sur la transcription : le modèle rééchantillonne à 16 kHz de toute façon.
• Gardez l’original. Quoi que vous envoyiez, conservez le master intact. Une transcription se relance ; un original jeté ne se récupère pas.