Créer les sous-titres, la transcription et les chapitres d’un podcast ou d’une vidéo YouTube

Transcrire une seule fois

Exportez votre fichier vidéo ou l’audio de l’épisode (en MP3 ou M4A), envoyez-le avec la fonction du guide du montage vidéo et demandez une sortie JSON :

{
  "audio_url": "https://example.com/interview.mp3",
  "model": "oracle",
  "language": "auto",
  "word_timestamps": true,
  "output_format": "json"
}

Pour une interview ou une table ronde, passez include_diarization: true afin d’identifier chaque intervenant dans la transcription.

Sous-titres au format SRT

Regroupez les mots en lignes, puis importez votre fichier .srt dans YouTube Studio ou chez votre hébergeur de podcasts. Vous trouverez le code nécessaire dans le guide SRT, qui explique aussi pourquoi la sortie SRT brute de l’API génère une ligne par mot.

Sous-titres traduits

Vous pouvez relancer une tâche sur le même fichier avec translate_to (sur les modèles Oracle) et output_format: "srt", ou faire traduire le premier résultat par votre LLM. Lancer une tâche par langue cible permet de garder les sous-titres bien calés sur l’audio.

Transcription pour les notes de l’émission

Passez output_format: "txt" pour récupérer du texte brut, ou assemblez les champs text du JSON en y ajoutant le nom des intervenants. Pensez à relire avant de publier : les outils automatiques se trompent souvent sur les noms propres, les marques et les chiffres.

Chapitres horodatés

Envoyez les passages numérotés au LLM et demandez-lui de repérer les débuts de chapitre par leur numéro de passage, sans jamais lui demander les temps. Vous calculerez ensuite l’horodatage dans votre code à partir de ces numéros. Ce prompt fonctionne avec tous les modèles :

Below is a podcast transcript, one line per segment: S<number> [start-end] text.
Pick 5 to 9 chapter starts. For each give the segment number and a title of at most six words.
Return JSON: [{"segment": 0, "title": "Intro"}]. The first chapter must be segment 0.

chapters.py

# chapters.py — YouTube chapter lines from (seconds, title) pairs
def stamp(seconds):
    m, s = divmod(int(seconds), 60)
    h, m = divmod(m, 60)
    return f"{h}:{m:02}:{s:02}" if h else f"{m}:{s:02}"


def chapter_lines(chapters):
    return "\n".join(f"{stamp(start)} {title}" for start, title in chapters)


print(chapter_lines([(0, "Intro"), (95, "Why captions matter"), (412, "Editing from a transcript")]))

Si vous mettez une liste d’horodatages dans la description, YouTube la transforme en chapitres à trois conditions : elle doit commencer à 0:00, contenir au moins trois entrées par ordre croissant, et chaque chapitre doit durer dix secondes ou plus.

Combien ça coûte

Facturation à la seconde, sans minimum. Voir la grille complète : /llms/pricing.md.

Questions et réponses