La semaine dernière, Pablinux vous a parlé de la nouvelle version de Kdenlive, l'outil de montage vidéo du projet KDE. Comme je l'ai déjà mentionné, je préfère OpenShot, plus facile à prendre en main, mais comme j'étais très intéressé par l'outil de reconnaissance vocale inclus dans cette nouvelle version, j'ai décidé de l'essayer.
Bien que j'aie écrit un certain nombre d'articles sur les alternatives Linux à tel ou tel logiciel Windows (on ne peut se prétendre blogueur Linux sans en avoir écrit un), ce n'est pas l'approche que je privilégie. Je pense qu'il faut discuter des logiciels en fonction de leurs caractéristiques propres. Si je devais définir Kdenlive, je dirais que c'est un logiciel de montage vidéo pour amateurs souhaitant donner un aspect professionnel à leurs créations.
Je l'ai déjà dit, et je le maintiens (n'hésitez pas à me contredire), les logiciels libres et open source possèdent des bibliothèques multimédias qui font passer les produits Adobe et Blackmagic pour de simples gadgets . Le problème majeur est que personne ne s'est soucié de combiner ces outils avec une interface simple et attrayante, ainsi qu'une documentation complète et facile à comprendre. Si Kdenlive est encore loin d'avoir atteint son objectif, ses développeurs sont sur la bonne voie.
Pour la conversion de la parole en texte, Kdenlive utilise deux outils issus du dépôt Python Package Index.
Vosk est un outil de reconnaissance vocale hors ligne et open source . Il propose des modèles de reconnaissance vocale pour 17 langues et dialectes : anglais, anglais indien, allemand, français, espagnol, portugais, chinois, russe, turc, vietnamien, italien, néerlandais, catalan, arabe, grec, farsi et philippin.
Kdenlive utilise les modèles Vosk via un module écrit en Python.
Cependant, disposer de la transcription ne suffit pas. Il faut également la synchroniser avec la vidéo. Pour cela, nous avons besoin d'un autre module Python pour créer les sous-titres.
Kdenlive vérifiera que ces modules sont installés. Pour ce faire, vous devez d'abord installer le paquet python3-pip sur votre distribution, puis exécuter les commandes suivantes :
pip3 install vosk
pip3 install srt
Ensuite, il faut installer les modèles vocaux. Pour ce faire, ouvrez Kdenlive et accédez à Préférences > Configurer la synthèse vocale Kdenlive.
Pour charger les modèles, vous avez deux options : soit télécharger les modèles depuis cette page et les charger manuellement (vous devez d’abord cocher la case « Dossiers de modem personnalisés »), soit coller le lien depuis la liste affichée sur cette même page.
Utilisation de l'outil Speech to Text
- Assurez-vous dans le menu Affichage que l'option sous-titres est activée. Ensuite, téléchargez la vidéo que vous souhaitez transcrire.
- Déplacez la vidéo sur la première piste vidéo et faites glisser la ligne bleue sur la longueur que vous souhaitez transcrire.
- Cliquez sur l'onglet sous-titres puis sur le signe +
- Un indice est ajouté en haut. Cliquez sur l'icône à gauche de l'œil.
- Sélectionnez le modèle de transcription et si vous souhaitez transcrire un clip, tous les clips d'une chronologie ou une partie de la chronologie. Cliquez sur Process
J'ai comparé Speech to Tech à la version gratuite d'un outil en ligne et j'ai visionné des vidéos sous-titrées automatiquement sur YouTube et des plateformes de cours payants. Je dois dire que ce n'est pas parfait, mais ce n'est pas pire que les alternatives mentionnées. L'outil a des difficultés lorsque les intervenants ont une mauvaise diction ou parlent par-dessus de la musique ou d'autres bruits de fond. Mais, pour répondre à votre question, oui, il peut être utilisé pour sous-titrer une série télévisée ou un film. Cependant, en raison des limitations mentionnées, vous devrez peut-être compléter les sous-titres manuellement.
Et, si les gars de Kdenlive mettaient un peu les batteries et intégraient un module de traduction, ce serait parfait.
Il y a un point à améliorer. Actuellement, pour modifier l'apparence des sous-titres, il faut insérer du code. De plus, il est impossible de les exporter ; ils ne peuvent être visualisés que intégrés à la vidéo.
Mais, comme je l'ai dit plus haut, sans aucun doute, le projet est sur la bonne voie.