FAQ

Questions, réponses claires.

Sur la confidentialité, la précision, les langues, la vitesse et les licences. Il manque quelque chose ? L’app vous guide à chaque étape.

Ma vidéo est-elle envoyée quelque part ?

Non. Votre navigateur ouvre le fichier, les modèles d’IA tournent dans la mémoire de votre navigateur et la transcription est enregistrée dans votre dossier de téléchargements quand vous l’exportez. Il n’y a aucun serveur : nous ne pourrions pas voir votre vidéo même si nous le voulions. Comment le vérifier vous-même.

Lit-il les vidéos en français ?

Pas encore. La personne peut parler anglais ou, en bêta, espagnol. Vous choisissez la langue parlée dans l’app avant la lecture — elle est indépendante de la langue de l’interface (français, anglais, espagnol, allemand ou chinois). Pour l’instant, l’espagnol est un peu moins précis que l’anglais.

Quelle est sa précision ?

Sur des vidéos anglaises réelles et variées, il trouve environ deux mots sur trois ; avec une personne bien visible filmée en studio, environ 85 %. L’espagnol (bêta) atteint environ 65 %. Le résultat dépend beaucoup de la vidéo : c’est pourquoi chaque mot porte une probabilité et que vous voyez les autres lectures probables de chaque mot et de chaque phrase. Attendez-vous à l’essentiel plutôt qu’à une transcription mot pour mot ; les noms, les nombres et les mots rares lui posent particulièrement problème. Tous les chiffres.

Peut-il aussi utiliser le son ?

Oui : cochez « Écouter aussi le son » et un modèle plus lourd (286 Mo pour l’anglais, 298 Mo pour l’espagnol) lit ensemble les lèvres et la voix. Il trouve alors près de 9 mots sur 10, même au milieu d’une foule. Le modèle anglais reste en outre sur la personne même quand quelqu’un parle par-dessus ; le modèle espagnol, lui, peut transcrire cette autre voix à la place. Pour une voix claire, sans personne d’autre qui parle, un logiciel de reconnaissance vocale ordinaire fait aussi bien.

Que signifient les couleurs et les pourcentages ?

Le pourcentage d’un mot est sa probabilité d’être juste, estimée d’après ce que le modèle a vu autour de ce mot. Les mots blancs sont probables (80 % et plus), les mots ambre incertains et les mots corail soulignés douteux (moins de 50 %). Les lectures d’une phrase montrent comment la probabilité se répartit entre les lectures retenues par le décodeur. Sur notre jeu de test, les mots affichés à 80–100 % étaient justes environ 93 % du temps.

Quelles vidéos marchent le mieux ?

Une personne face à la caméra, un visage assez grand, une bonne lumière, 25 à 30 i/s. MP4, MOV et WebM fonctionnent dans les navigateurs récents. Plusieurs personnes à l’image, ce n’est pas un problème : vous choisissez sur quelles lèvres lire.

Pourquoi la première fois est-elle plus lente ?

La première fois que vous lisez une langue, votre navigateur télécharge son modèle de lecture labiale (anglais 264 Mo, espagnol 169 Mo ; lèvres + son : anglais 286 Mo, espagnol 298 Mo) et le garde en cache. Ensuite, il démarre tout de suite, même hors ligne. Sur le processeur d’un ordinateur portable, la lecture va environ 1,6 fois plus vite que le temps réel — une vidéo d’une minute prend une quarantaine de secondes ; les téléphones et les ordinateurs plus anciens mettent plusieurs fois plus de temps.

Est-ce gratuit ? Puis-je l’utiliser au travail ?

C’est gratuit. Les modèles ouverts de lecture labiale qu’il utilise (Auto-AVSR pour l’anglais, ViSpeR pour l’espagnol et AVSRCocktail pour lire ensemble les lèvres et le son en anglais) sont sous licence réservée à la recherche et à un usage non commercial, et LipScribe l’est donc aussi : l’usage personnel, éducatif et de recherche est permis ; un usage commercial nécessiterait des modèles entraînés sur des vidéos dont les droits sont acquis (crédits & licences). Si LipScribe vous a aidé, il y a une cagnotte à prix libre.