Comment convertir un MKV en texte : audio multipiste et enregistrements OBS

En bref

Téléversez votre MKV dans un outil de transcription et cela fonctionne, avec une réserve : si votre fichier comporte plusieurs pistes audio (fréquent dans les enregistrements OBS, les rips Blu-ray et les configurations multi-micros), vous devez savoir quelle piste contient l'audio qui vous intéresse vraiment. Lancez d'abord un rapide ffprobe, mappez la bonne piste, et le reste est de routine.

Qu'est-ce que le MKV et d'où viennent vos fichiers

Le MKV (Matroska Video) est le conteneur vidéo le plus souple couramment utilisé. Contrairement au MP4, il n'impose aucune limite stricte au nombre de pistes audio, de pistes de sous-titres ou de chapitres dans un même fichier. Cette souplesse explique pourquoi le MKV est courant dans :

• les enregistrements OBS Studio (recommandé pour le travail multipiste, même si OBS 32 a changé le format par défaut des nouvelles installations)
• les rips de DVD et de Blu-ray avec plusieurs langues audio
• les archives d'anime et de séries TV avec audio en langue originale plus doublages
• les configurations podcast multi-micros où chaque micro arrive sur sa propre piste
• les enregistrements de conférences avec flux micro séparés par intervenant
• les enregistreurs d'écran Linux comme SimpleScreenRecorder et Kazam

Pour la transcription, la prise en charge multipiste du MKV est à la fois un atout et une complication. Vous devez choisir la bonne piste avant de transcrire.

Le format par défaut d'OBS a changé avec la version 32

Le conseil habituel « OBS enregistre en MKV par défaut » est désormais dépassé. OBS 30.2 a introduit le MP4 hybride (un MP4 fragmenté résistant aux plantages), et OBS 32.0 a fait du MP4/MOV hybride le conteneur par défaut des nouvelles installations. Si vous avez installé OBS récemment, vous obtenez peut-être déjà des fichiers MP4 hybride plutôt que du MKV.

Cela dit, le MKV reste le format recommandé pour l'enregistrement multipiste. La protection contre les plantages du MP4 hybride couvre le cas d'usage mono-piste. Le MKV multipiste reste le meilleur choix quand vous voulez un audio isolé par source, car :

• le MKV prend en charge jusqu'à 6 pistes audio dans OBS (le MP4 hybride enregistre généralement sous forme d'un seul flux combiné)
• vous pouvez toujours remuxer le MKV vers le MP4 via Fichier > Remuxer les enregistrements, sans réencodage
• les éditeurs et les outils de transcription peuvent ensuite sélectionner la piste précise dont ils ont besoin

Mon avis : si vous enregistrez un podcast, une interview ou une conférence avec des micros séparés, choisissez explicitement le MKV dans OBS. Si vous enregistrez une capture d'écran à source unique ou du gameplay, le MP4 hybride convient très bien et reste plus simple.

Ce que contiennent réellement les pistes d'un MKV OBS

La documentation d'OBS décrit la piste 1 comme le mixage combiné « toutes sources » par défaut. Les pistes 2 à 6 sont celles où vous routez les sources isolées dans les Propriétés audio avancées. Une configuration OBS multipiste typique ressemble à ceci :

• Piste 1 : mixage stéréo combiné de tout (piste de lecture par défaut)
• Piste 2 : votre micro uniquement
• Piste 3 : audio du bureau ou du jeu uniquement
• Piste 4 : communications (Discord, appels)

Pour la transcription, la piste 2 (micro seul) est presque toujours ce qu'il vous faut. La piste 1 capte les frappes clavier, l'audio du jeu et le bruit ambiant en plus de votre voix.

Étape 1 : inspectez vos pistes avant le téléversement

Dix secondes avec ffprobe vous évitent de transcrire la mauvaise langue ou un mixage combiné saturé de bruit. Exécutez :

ffprobe -v error -show_streams -select_streams a -of json input.mkv

Cela affiche chaque flux audio avec son index, son nom de codec, son nombre de canaux et sa balise de langue. Pour un rip Blu-ray typique, vous pourriez voir :

• Flux 0:1 - AC3, 6 canaux, langue : eng
• Flux 0:2 - AAC, 2 canaux, langue : spa
• Flux 0:3 - AC3, 2 canaux, langue : fra (commentaire du réalisateur)

Pour un MKV multipiste OBS typique :

• Flux 0:1 - AAC, 2 canaux (mixage combiné)
• Flux 0:2 - AAC, 1 canal (microphone)
• Flux 0:3 - AAC, 2 canaux (audio du bureau)

Identifiez l'index du flux avant de poursuivre. Dans ffmpeg, les index de pistes commencent à zéro (la deuxième piste audio est 0:a:1).

Étape 2 : extrayez la bonne piste

Si votre MKV ne comporte qu'une seule piste audio, téléversez-le tel quel. S'il en comporte plusieurs, extrayez d'abord celle dont vous avez besoin. Cela réduit aussi considérablement la taille du fichier. Un MKV de film de 90 minutes peut peser 8 à 15 Go ; la piste audio seule fait généralement 100 à 300 Mo.

Extrayez une piste audio précise sans réencodage :

ffmpeg -i video.mkv -map 0:a:1 -c:a copy track2.m4a

Remplacez 0:a:1 par 0:a:2 pour la troisième piste audio, et ainsi de suite.

Si le fichier est trop volumineux à téléverser à cause de la vidéo, supprimez entièrement la vidéo :

ffmpeg -i in.mkv -vn -c:a copy audio.mka

L'extension .mka correspond au Matroska Audio, un conteneur accepté par la plupart des outils de transcription. Vous pouvez aussi utiliser .aac, .mp3 ou .m4a selon le codec source.

Étape 3 : gérez la compatibilité des codecs

Le MKV peut embarquer des codecs qui font trébucher les outils de transcription web. Les plus courants :

AC3 et AAC fonctionnent partout. Aucune action nécessaire.

Opus fonctionne partout. Les enregistrements OBS utilisent souvent Opus.

FLAC fonctionne dans la plupart des outils. Il est sans perte et volumineux, mais les services de transcription le gèrent.

DTS et DTS-HD sont fréquents dans les rips Blu-ray et souvent refusés par les outils en ligne. Convertissez d'abord :

ffmpeg -i bluray.mkv -map 0:a:0 -c:a libmp3lame -b:a 192k audio.mp3

TrueHD (Dolby Atmos) est également un classique du Blu-ray et pose le même problème. Même solution, même commande ; indiquez simplement le bon index de flux.

L'audio multicanal (5.1, 7.1) peut perturber la détection des locuteurs. Pour de la pure conversion parole-texte, rabattez en stéréo ou en mono :

ffmpeg -i input.mkv -map 0:a:0 -ac 2 -c:a aac output.m4a

Étape 4 : téléversez et définissez la langue

Faites correspondre la langue de transcription à la piste audio extraite. Si vous transcrivez la piste espagnole, sélectionnez l'espagnol dans l'outil. Une inadéquation de langue est la cause la plus fréquente d'une sortie de transcription brouillée.

Pour les flux de travail vidéo vers texte, vous pouvez utiliser l'outil vidéo vers texte de ConvertAudioToText. Glissez-y le fichier, définissez la langue et laissez tourner. Un enregistrement de 2 heures se termine en environ 10 à 20 minutes selon la charge de la file d'attente.

Si vous voulez une précision par intervenant sur un enregistrement multi-micros plutôt que de compter sur la diarisation automatique, consultez comprendre la diarisation des locuteurs pour savoir quand l'extraction par piste surpasse la séparation des locuteurs par IA.

Le raccourci des pistes de sous-titres (quand il s'applique)

Le MKV peut embarquer des pistes de sous-titres en plus de son audio. Deux types bien distincts existent :

Les sous-titres textuels (SRT, ASS, SSA) : ils sont stockés sous forme de flux de texte lisibles. Si votre MKV contient déjà des sous-titres exacts, vous pouvez les extraire directement sans lancer aucune transcription :

ffmpeg -i video.mkv -map 0:s:0 subtitles.srt

C'est instantané et gratuit. Cela ne fonctionne que si les sous-titres existent déjà et sont exacts.

Les sous-titres PGS (images Blu-ray) : ils sont stockés sous forme d'images bitmap, pas de texte. ffmpeg -map 0:s:0 exportera un fichier .sup, pas du texte lisible. Convertir du PGS en SRT nécessite un logiciel d'OCR (le module OCR de Subtitle Edit est l'outil de référence), et le résultat demande généralement un nettoyage manuel. Pour les rips Blu-ray avec sous-titres PGS, retranscrire l'audio est généralement plus rapide et plus précis que d'appliquer l'OCR sur des images bitmap.

Pour vérifier quel type de sous-titres contient votre MKV :

ffprobe -v error -show_streams -select_streams s -of json input.mkv

Regardez le champ codec_name. subrip ou ass signifie du texte. hdmv_pgs_subtitle signifie du PGS bitmap basé sur des images.

Flux de travail MKV par source

Enregistrements OBS

Pour les fichiers MKV multipistes d'OBS, extrayez toujours la piste micro seul (généralement la piste 2) avant de transcrire. Le mixage combiné de la piste 1 inclut le bruit du clavier, l'audio du jeu et les sons de notification qui dégradent la précision.

Si vous enregistrez des streams et voulez la voix seule, activez l'audio multipiste dans OBS avant votre prochaine session d'enregistrement : Paramètres > Sortie > Enregistrement > cases à cocher Piste audio. Une fois configuré, le MKV séparera chaque source.

Rips de DVD et de Blu-ray

Les rips de DVD comportent généralement plusieurs pistes de langue plus des commentaires. Les balises de langue sont votre guide, mais elles ne sont pas toujours fiables. Vérifiez ponctuellement avec VLC en changeant manuellement de piste audio avant de vous lancer dans la transcription. Pour un projet de recherche sur un film, demandez-vous si vous voulez la piste en langue originale (dialogue faisant foi) ou une piste doublée (qui peut différer du scénario original dans la formulation et le minutage).

Les pistes de commentaire du réalisateur sont souvent transcrites par erreur quand les utilisateurs oublient de spécifier une piste. Vérifiez d'abord avec ffprobe.

Conférences et enregistrements multi-micros

Les systèmes d'enregistrement multi-salles et multi-micros peuvent produire des MKV avec une piste par microphone. Pour la qualité du transcript, transcrire séparément chaque piste micro donne de meilleurs résultats que de se fier à une diarisation appliquée à un mixage combiné bruyant.

Extrayez chaque piste, transcrivez chacune séparément, puis fusionnez les sorties dans l'ordre chronologique. Cela produit une attribution propre des intervenants, sans aucune ambiguïté de détection. Pour en savoir plus sur le moment où ce compromis vaut les étapes supplémentaires, consultez comprendre la diarisation des locuteurs.

Enregistreurs d'écran Linux

OBS, SimpleScreenRecorder et Kazam sous Linux produisent tous du MKV. La qualité audio dépend du backend audio. PipeWire (le défaut moderne sur la plupart des distributions actuelles) capture proprement à 48 kHz. Les configurations PulseAudio plus anciennes peuvent introduire des coupures audio toutes les quelques secondes lors des longs enregistrements. Si votre MKV présente des anomalies audio périodiques, vérifiez si une migration vers PipeWire sur votre système réglerait le problème avant d'accuser l'outil de transcription.

MKV face aux autres conteneurs multipistes

Le MKV est le bon conteneur pour du contenu avec plusieurs versions audio ou de sous-titres. Ce n'est pas le bon choix si vous avez besoin d'une compatibilité maximale avec les appareils grand public ou les plateformes de streaming, qui attendent du MP4. Consultez formats audio pris en charge pour la transcription pour voir comment les différents conteneurs affectent la compatibilité de téléversement selon les outils.

Problèmes courants de transcription MKV

Mauvaise langue dans le transcript

Votre outil est revenu par défaut à la piste 1. Si votre MKV contient de l'audio anglais et espagnol et que vous vouliez l'espagnol, réextrayez avec -map 0:a:1 puis retéléversez.

Erreur « codec non pris en charge »

Presque certainement du DTS ou du TrueHD issu d'un rip Blu-ray. Convertissez en MP3 ou AAC avec la commande ffmpeg de la section codecs ci-dessus.

Balise de langue erronée

Certains encodeurs étiquettent mal les pistes. Un fichier marqué « eng » qui joue de l'audio japonais est fréquent dans les anciens rips. Ne faites pas aveuglément confiance à la balise. Vérifiez en écoutant un échantillon de 30 secondes dans VLC.

Marqueurs de chapitres MKV provoquant des erreurs de segmentation

Certains outils butent sur les marqueurs de chapitres Matroska intégrés au fichier. Supprimez-les :

ffmpeg -i in.mkv -map 0 -map_chapters -1 -c copy out.mkv

Fichier trop volumineux à téléverser

C'est le flux vidéo le responsable. Un film de 2 heures en 1080p pèse 8 à 15 Go. Le flux audio fait 100 à 300 Mo. Supprimez d'abord la vidéo avec la commande -vn ci-dessus.

Si vous cherchez une voie rapide sans inscription pour un MKV unique sans complications de pistes, ConvertAudioToText accepte les téléversements MKV et les traite sans compte jusqu'à 10 minutes. L'offre gratuite connectée accorde 10 minutes de transcription, offertes une seule fois à l'inscription plutôt que chaque mois ; la formule Pro à 9,99 $/mois supprime entièrement ce plafond.

FAQ

Puis-je transcrire plusieurs pistes audio à la fois ?

La plupart des outils transcrivent une seule piste par tâche. Pour les fichiers MKV multipistes, lancez une tâche de transcription distincte par piste, puis fusionnez les résultats dans l'ordre chronologique. C'est l'approche la plus propre pour les podcasts multi-intervenants