Glossaire de la transcription et des sous-titres

Des définitions courtes et concrètes des termes que vous rencontrez quand vous transcrivez des enregistrements ou travaillez avec des sous-titres, avec des exemples et ce que chacun signifie en pratique.

Fichier SRT: Un fichier SRT (SubRip Subtitle, .srt) est un fichier de sous-titres en texte brut. Chaque sous-titre est un bloc numéroté avec une heure de début, une heure de fin et une ou deux lignes de texte. Les lecteurs et les plateformes affichent le texte sur la vidéo à ces moments-là, et le spectateur peut l'activer ou le désactiver.
Fichier VTT: Un fichier VTT (WebVTT, .vtt) est le format de sous-titres de la vidéo sur le web. C'est du texte brut, comme le SRT, mais il commence par la ligne WEBVTT, écrit les millisecondes après un point et peut contenir des styles, des positions et des balises d'intervenant que les navigateurs comprennent.
Sous-titres incrustés: Les sous-titres incrustés (open captions, ou sous-titres ouverts) sont gravés dans la vidéo elle-même et font partie de l'image. Ils sont toujours visibles, s'affichent de la même façon sur tous les lecteurs et plateformes, et ne peuvent pas être désactivés, contrairement aux sous-titres activables (closed captions), fournis dans une piste séparée que le spectateur active ou non.
Sous-titres SDH: SDH signifie Subtitles for the Deaf and Hard of Hearing, c'est-à-dire sous-titres pour sourds et malentendants. En plus des dialogues, ils nomment les personnes qui parlent hors champ et décrivent les sons importants, comme [porte qui claque], [téléphone qui vibre] ou [musique angoissante], pour que la vidéo reste compréhensible sans le son. Les plateformes de streaming les signalent, par exemple, par English [SDH].
Diarisation des locuteurs: La diarisation des locuteurs est l'étape de la reconnaissance vocale qui détermine qui parle, et à quel moment. Elle découpe un enregistrement en segments selon la voix et les étiquette Locuteur 1, Locuteur 2, etc. Ainsi, la transcription d'une interview ou d'une réunion montre les prises de parole de chacun au lieu d'un seul bloc de texte.
Transcription verbatim: La transcription verbatim restitue la parole exactement telle qu'elle a été prononcée : chaque « euh » et « hum », les mots répétés, les faux départs, les bégaiements et souvent des sons non verbaux comme [rires]. À l'inverse, le verbatim nettoyé (clean verbatim) garde les mots et le sens de l'intervenant, mais supprime les tics de langage et les hésitations pour un texte fluide.
Timecode: Le timecode (code temporel) repère chaque image d'une vidéo sous la forme heures:minutes:secondes:images : 01:02:03:12 correspond à l'image 12 de la troisième seconde. Les monteurs s'en servent pour retrouver le même instant dans toutes les copies d'un projet. Les fichiers de sous-titres, eux, comptent généralement le temps en millisecondes, et c'est là que les confusions commencent.
Sous-titres forcés: Les sous-titres forcés s'affichent même quand le spectateur a désactivé les sous-titres. Ils ne couvrent que ce qu'un spectateur parlant la langue du film manquerait autrement : dialogues dans une autre langue, panneaux, lettres et textes à l'écran. Les plateformes de streaming les appellent sous-titres forced narrative.
Conventions de transcription: Les conventions de transcription sont les règles convenues pour transformer la parole en texte : comment noter les intervenants, les pauses, les paroles qui se chevauchent, l'accentuation, les rires et les mots que l'on ne parvient pas à distinguer. Une étude ou un projet choisit un ensemble de conventions et l'applique à chaque transcription, afin que des transcriptions réalisées par des personnes différentes puissent être comparées.
Script de doublage: Un script de doublage est le dialogue traduit d’un film ou d’une vidéo, réécrit pour que chaque réplique puisse être dite dans le temps que prend la réplique d’origine à l’écran. Il liste chaque réplique avec le personnage qui la dit et ses timecodes d’entrée et de sortie. C’est ce texte adapté que lisent en studio les comédiens, ou une voix IA.
Doublage: Le doublage, par définition, consiste à remplacer la parole d’un film, d’une série ou d’une vidéo par une nouvelle parole enregistrée, le plus souvent une traduction dans une autre langue, pour que le public entende l’histoire dans sa langue au lieu de lire des sous-titres. Les nouvelles répliques sont calées sur l’image, et la musique et les effets sonores de l’original sont conservés.
Traduction en voice-over: La traduction en voice-over (voice over) superpose une traduction parlée à l’audio d’origine, qui reste audible à un volume plus bas en dessous. Contrairement au doublage, elle ne cherche ni à remplacer les voix d’origine ni à suivre les mouvements des lèvres : le public entend que quelqu’un d’autre traduit.
Clonage vocal: Le clonage vocal consiste à créer une voix de synthèse qui ressemble à celle d’une personne réelle précise, à partir d’enregistrements de sa parole. Le clone peut ensuite dire des phrases que la personne n’a jamais enregistrées, y compris dans d’autres langues : c’est ainsi que les outils de doublage gardent la propre voix d’un intervenant dans une traduction.