Les sous-titres automatiques ne couvrent que le début du travail. Pour qu’une vidéo paraisse vraiment terminée, il faut encore corriger le texte, trouver le bon rythme, choisir les mots à mettre en valeur, garder les sous-titres lisibles sur une image en mouvement et pouvoir compter sur un export fidèle à toutes ces décisions.
CutCaption est un studio de sous-titrage dans le navigateur conçu autour de ce parcours complet. Il peut créer une transcription horodatée à partir d’une vidéo ou d’un fichier audio, ou partir de sous-titres existants. Le même projet permet ensuite de corriger le texte, d’affiner le timing, de distinguer les intervenants, de styliser un passage ou un seul mot, d’ajouter des effets, de traduire les sous-titres, de conserver des versions et de préparer la livraison finale.
La difficulté ne vient pas du nombre de fonctionnalités, mais de la façon dont elles doivent fonctionner ensemble. Un changement de timing doit se retrouver dans le texte, la timeline, la vidéo, l’aperçu et l’historique. Une modification du style général ne doit pas effacer les choix faits pour un passage précis. Et un export payant doit se terminer soit par un fichier utilisable, soit par le remboursement des minutes consommées. La qualité du produit tient autant à ces liens qu’aux réglages visibles à l’écran.
CutCaption est le premier produit lancé par OtsoLabs. Cette étude de cas présente ce que l’application permet de faire et la manière dont ses grandes fonctions se complètent, tout en laissant volontairement de côté son infrastructure privée et sa technologie de rendu.
Tout reste dans le même projet
Un projet peut commencer de plusieurs façons et aboutir à plusieurs types de fichiers. Un créateur peut avoir besoin d’une transcription automatique, ou disposer déjà d’un fichier SRT ou VTT. Il peut vouloir livrer des sous-titres corrigés à une plateforme, conserver une piste stylisée pour un autre outil, préparer une traduction ou produire une vidéo dans laquelle les sous-titres sont directement intégrés à l’image.
CutCaption réunit ces parcours dans un seul projet. L’application prépare une forme d’onde et des aperçus visuels pour faciliter la navigation dans le média. Lorsque la source le permet, la transcription ajoute le timing de chaque mot et identifie les différents intervenants. Les sous-titres importés arrivent dans le même éditeur, sans être limités à un mode manuel simplifié. Texte, timing, styles, intervenants, langues, versions enregistrées et options de livraison restent liés au même travail.
Certaines opérations durent plus longtemps qu’une page web ne devrait rester ouverte. La préparation d’un upload, la transcription, la traduction et l’export peuvent être en attente, en cours, terminées, annulées ou en échec. L’utilisateur peut quitter la page puis revenir plus tard sans interrompre le travail par accident.
Cette progression reste visible dans la bibliothèque de projets et dans l’éditeur. Les erreurs peuvent indiquer clairement ce qui n’a pas fonctionné, et les fichiers terminés deviennent disponibles sans obliger l’utilisateur à garder un onglet ouvert.
Un même projet, plusieurs façons de travailler
L’éditeur présente plusieurs vues du même passage : une liste de sous-titres pour lire et corriger, une timeline pour régler le timing, une forme d’onde pour écouter, une vidéo pour juger le résultat à l’image et des outils de style pour travailler l’apparence. L’enjeu est d’éviter que ces vues se comportent comme des outils indépendants.
Choisir un sous-titre doit afficher le bloc correspondant et le bon moment dans la vidéo. Avancer dans la lecture doit mettre la ligne active à jour. Déplacer le bord d’un bloc sur la timeline doit modifier son début ou sa fin et changer immédiatement l’aperçu. Corriger un mot doit se refléter partout, sans actualisation supplémentaire. L’utilisateur peut ainsi passer de la lecture à l’écoute, puis au réglage visuel, sans se demander quelle vue contient la bonne version.
L’annulation doit suivre les gestes tels que l’utilisateur les comprend. Lorsqu’un bloc est déplacé, il passe par de nombreuses positions, mais cela reste une seule modification de timing. La commande d’annulation doit revenir sur ce geste en une fois, et non parcourir des dizaines d’étapes invisibles. Le même principe s’applique à un réglage de style modifié en continu.
La liste permet de modifier du texte mis en forme, de saisir les temps de début et de fin, de scinder ou fusionner des sous-titres, d’en ajouter ou d’en supprimer, de rechercher et remplacer du contenu, d’utiliser le clavier et de revenir en arrière ou en avant. La timeline ajoute des blocs déplaçables et redimensionnables, des repères d’alignement, le zoom, une vue d’ensemble du projet, une navigation précise, la forme d’onde, le recentrage automatique et des miniatures.
Le lecteur vidéo propose aussi la vitesse de lecture, le volume, le plein écran, l’affichage ou le masquage des sous-titres et des repères de placement. Plusieurs dispositions de l’éditeur peuvent donner davantage de place au texte, à la vidéo ou à la timeline, avec notamment une vue adaptée aux vidéos verticales.
Les projets longs posent un autre problème. Une interface fluide avec vingt sous-titres peut devenir lente avec plusieurs milliers. CutCaption propose donc des vues plus légères et plus compactes pour les pistes longues, tout en conservant les mêmes outils et les mêmes raccourcis.
De bons sous-titres demandent les bons mots au bon moment
Une phrase correcte peut malgré tout donner un mauvais sous-titre. Elle peut apparaître trop tôt, disparaître avant d’avoir été lue, être coupée au mauvais endroit ou masquer un élément important de l’image. À l’inverse, un timing parfait ne peut pas sauver un nom mal transcrit ou une ligne illisible.
CutCaption traite donc le texte, sa structure et son timing comme les différentes facettes d’un même travail. Une ligne peut être coupée à un endroit naturel dans la phrase, puis ajustée à l’aide de la forme d’onde. Deux lignes voisines peuvent être réunies lorsque le rythme paraît trop haché. Les temps exacts peuvent être saisis au clavier, ou le bloc peut être déplacé directement sur la timeline lorsque regarder et écouter est plus rapide que calculer.
- Corriger les mots, la ponctuation et les retours à la ligne.
- Scinder ou fusionner des sous-titres en gardant une piste modifiable.
- Ajouter, supprimer et recaler une ligne précise.
- Rechercher et remplacer du texte, même lorsqu’il contient une mise en forme.
- Déplacer et redimensionner les blocs avec des repères et des limites claires.
- Naviguer avec la forme d’onde, les miniatures, la tête de lecture et la vidéo.
- Utiliser le clavier, l’annulation et le rétablissement au fil des corrections.
- Passer d’une vue globale du projet à un réglage très précis.
Il ne faut donc pas choisir entre une simple transcription et une timeline avancée. Ce sont deux manières de travailler sur les mêmes sous-titres.
Des réglages pensés pour se combiner
Une longue liste de réglages visuels sert peu si chacun fonctionne dans son coin. Les possibilités créatives apparaissent lorsqu’un style général, des ajustements ciblés et des effets liés au timing peuvent se compléter sans obliger l’utilisateur à reconstruire sa piste de sous-titres.
Le style général définit l’identité visuelle du projet : police, taille, couleur, graisse, contour, ombre, fond, opacité, marges et placement parmi neuf zones de la vidéo. Des polices intégrées, l’ajout de polices personnalisées et des styles enregistrés permettent de réutiliser cette identité sur plusieurs projets ou dans un espace de travail.
Les intervenants et les sous-titres individuels peuvent ensuite avoir leur propre caractère. Les personnes détectées ou ajoutées manuellement peuvent être nommées, associées à une couleur, attribuées aux bonnes lignes et recevoir un style distinct. Un sous-titre qui gêne l’image peut être placé ailleurs, déplacé avec davantage de précision ou légèrement tourné sans modifier toute la piste.
Le style général peut aussi être adapté lorsqu’un passage mérite une attention particulière. Une sélection — jusqu’à un seul mot — peut changer de couleur, de contour, de fond, de décoration ou de taille sans toucher au reste du projet. Le même principe s’applique à la ligne de contexte d’un format social : un mot peut conserver son identité visuelle même lorsqu’il n’est pas en train d’être prononcé. La sélection peut ensuite revenir au style du projet en une seule action.
Enfin, le timing peut faire partie du langage visuel. Les sous-titres peuvent suivre la parole avec une progression de type karaoké, changer mot par mot, construire une phrase au rythme de la voix, différencier le mot actif, afficher une ligne principale et une ligne de contexte, montrer les mots précédents ou suivants, puis ajouter une animation d’entrée ou de mise en valeur.
Une interview sobre peut utiliser une typographie discrète, le nom des intervenants, de légères différences de couleur et le déplacement ponctuel d’une ligne lorsqu’un bandeau apparaît dans l’image. Une courte vidéo pour les réseaux sociaux peut réunir deux lignes visibles, une ligne de contexte plus discrète, un mot actif agrandi, une couleur choisie pour certains mots et une animation maîtrisée. Une vidéo de présentation ou de formation peut partir d’un style de marque enregistré, suivre la parole et réserver les effets plus forts aux termes que le public doit retenir.
L’important est que ces choix ne s’effacent pas les uns les autres. Changer la police du projet doit conserver la couleur appliquée volontairement à un mot. Ajouter un effet ne doit pas imposer de réécrire le texte. Le style d’un intervenant doit rester utile même lorsqu’une ligne particulière doit changer de place. Lorsque deux effets ne peuvent pas se combiner clairement, CutCaption bloque l’association confuse plutôt que de produire un résultat inattendu.
Les effets mot par mot ont besoin d’un timing mot par mot. Si la source ne contient que le début et la fin d’une ligne entière, CutCaption utilise un effet plus simple mais cohérent au lieu de prétendre connaître le moment exact de chaque mot. Les sous-titres restent modifiables et exportables, même lorsqu’un effet plus riche n’est pas disponible.
Traductions et versions restent modifiables
Un projet de sous-titrage accumule des décisions utiles. Elles ne devraient pas être perdues chaque fois que la langue, les retours d’un client ou la direction visuelle changent.
La traduction crée une autre version des sous-titres dans le même projet. L’utilisateur peut passer de la langue source à la version traduite, continuer à corriger le texte et le timing, puis livrer la langue voulue sans reconstruire le travail dans un autre outil.
Les versions enregistrées répondent à un autre besoin. La sauvegarde automatique protège le travail en cours et indique son état. Une version nommée marque plutôt une étape importante : transcription nettoyée, point de retour avant une grande modification du timing ou version approuvée par un client. Chaque sauvegarde automatique n’a pas besoin de devenir une version officielle.
Les intervenants, les polices personnalisées et les styles enregistrés peuvent être partagés dans un espace de travail. Une série de projets peut ainsi conserver une identité visuelle sans être enfermée dans un modèle rigide. Le style enregistré donne un point de départ ; les ajustements locaux restent possibles ensuite.
Le résultat doit tenir la promesse de l’aperçu
Le travail visuel n’a de valeur que si le fichier livré le respecte. Polices, retours à la ligne, position, styles associés aux intervenants, changements appliqués à certains mots et effets liés au timing doivent passer de l’aperçu dans le navigateur au sous-titre ou à la vidéo finale.
CutCaption est conçu pour que l’aperçu et le résultat final suivent les mêmes décisions visuelles. Le format privé et la technologie de rendu ne sont volontairement pas détaillés ici. Pour le créateur, la règle est plus simple : l’aperçu doit être assez fidèle pour prendre de vraies décisions de design, et non offrir une approximation qui changera au moment de l’export.
La livraison peut prendre plusieurs formes. Les formats standards de sous-titres ou de transcription conviennent aux plateformes qui assurent elles-mêmes l’affichage. Un fichier de sous-titres stylisés permet de conserver une mise en forme plus riche dans les outils compatibles. L’export vidéo crée un nouveau fichier avec les sous-titres directement intégrés à l’image, jusqu’en 4K, avec ou sans filigrane selon l’offre choisie.
Produire cette vidéo peut prendre du temps, mais la page n’a pas besoin de rester ouverte. Avant de lancer l’export, l’utilisateur voit la consommation prévue. Il peut ensuite suivre la position dans la file d’attente et la progression, annuler lorsque c’est possible, relancer en cas de besoin puis télécharger le résultat. Si le parcours passe par un paiement, l’export préparé peut reprendre ensuite. Si le rendu échoue avant de livrer le fichier, les minutes correspondantes sont automatiquement recréditées.
Un export payant doit donc avoir l’une de ces deux fins claires : le fichier demandé est livré, ou les minutes consommées par la tentative sont restituées.
Bien plus que l’écran de montage
Un éditeur complet ne représente qu’un écran. Pour utiliser le produit régulièrement, tout ce qui l’entoure doit être cohérent lui aussi.
L’interface de l’application est disponible en sept langues. Projets, membres, ressources partagées, consommation et facturation sont tous rattachés à l’espace de travail choisi. Changer d’espace modifie ensemble les projets visibles, les styles disponibles, les droits de chacun et le solde utilisé pour le traitement.
Cette cohérence se remarque moins qu’une animation, mais elle permet de passer d’un compte individuel à une petite équipe ou à une agence sans partager des identifiants ni perdre la notion de propriété.
Les promesses que le produit doit tenir
Derrière toutes ces fonctions, l’utilisateur doit pouvoir compter sur quelques règles simples.
Tenir ces promesses demande à l’éditeur, aux outils média, aux comptes, aux droits d’accès, à la facturation et aux mécanismes de reprise de parler le même langage. L’utilisateur ne devrait jamais avoir à gérer cette complexité. Lorsque tout fonctionne ensemble, le produit paraît simplement cohérent.
C’est l’idée centrale de CutCaption. La transcription automatique fait gagner du temps, mais le créateur garde le contrôle des mots et du rythme. Les styles riches ajoutent de l’expression, mais l’identité générale reste facile à modifier. Les traitements longs ajoutent des possibilités, mais leur progression et leur résultat restent visibles. Le produit fonctionne lorsque toutes ces parties se rejoignent sans demander à l’utilisateur de se soucier de ce qui se passe entre elles.