Quelle est la différence entre transcription, légendes et sous-titres ?

Ces trois termes sont confondus au quotidien, mais ils désignent des choses différentes.

Une transcription est le texte écrit complet d'un enregistrement audio ou vidéo – généralement sous forme de texte continu, souvent avec des étiquettes de locuteur et des horodatages. Elle est produite au format .txt, .docx ou .json structuré et sert de base à des travaux ultérieurs : index de recherche, extraction de citations, résumés, traductions ou création de sous-titres.

Les légendes (captions) sont de courts segments de texte synchronisés avec précision sur l'audio et affichés sur la vidéo pendant la lecture. Elles s'adressent avant tout aux spectateurs sourds et malentendants et incluent souvent des indications non verbales comme [rires], [musique] ou [porte qui claque]. Les fichiers de légendes existent dans des formats tels que SRT (.srt) ou WebVTT (.vtt) – tous deux contiennent des horodatages au format HH:MM:SS et de courts blocs de texte de 1 à 2 lignes.

Les sous-titres, au sens traditionnel, sont des traductions du contenu parlé dans une autre langue – par exemple, un film anglais avec des sous-titres allemands. Techniquement, ils utilisent les mêmes formats que les légendes (SRT, VTT), mais omettent généralement les indications sonores non verbales. En anglais américain, les mots \"captions\" et \"subtitles\" sont souvent employés indifféremment, ce qui ajoute à la confusion.

Un flux de travail concret : commencez par une transcription, découpez-la en blocs lisibles de 32 à 42 caractères par ligne, ajoutez des horodatages de début/fin précis et exportez en SRT pour YouTube/LinkedIn ou en VTT pour les lecteurs web HTML5. Des outils comme DeepScript exportent SRT, VTT, TXT et JSON à partir d'une seule transcription – vous n'avez pas à construire la conversion vous-même.

En bref : transcription = contenu. Légendes = contenu + synchronisation. Sous-titres = contenu + synchronisation + traduction.