Convertisseur en ligne gratuit de VTT en M4A

Un fichier VTT contient des sous-titres minutés, et non du son ; il ne peut donc pas être transformé en enregistrement audio en changeant simplement son format. Si un lecteur ou un appareil nécessite un fichier M4A, la conversion peut générer une narration parlée à partir des sous-titres.

Contenu d’un fichier VTT

WebVTT (.vtt) stocke le texte des légendes ou des sous-titres, le minutage des séquences et des informations facultatives sur les intervenants ou la mise en forme. Les éditeurs vidéo, les outils de sous-titrage et les plateformes de diffusion en continu créent ou exportent des fichiers VTT ; ceux-ci sont couramment fournis avec les vidéos lorsque les sous-titres doivent être affichés séparément.

Utilisation du format M4A

M4A est un conteneur de fichier audio couramment utilisé pour le son encodé en AAC. Il est pris en charge par de nombreux téléphones, lecteurs multimédias et applications de montage. Comme un fichier VTT ne contient aucune piste audio, un fichier M4A créé à partir de celui-ci contient une voix de synthèse, et non un son récupéré ou extrait.

Convertir les sous-titres en M4A

En ligne sur 101convert.com

1. Importez le fichier VTT sur la page du convertisseur. Vous pouvez ajouter plusieurs fichiers à la fois ; la page indique la limite de taille par fichier.
2. Avant la conversion, choisissez la langue de la voix, la vitesse de lecture et les options de minutage des sous-titres selon vos besoins.
3. Lancez la conversion et téléchargez le fichier M4A obtenu.

Hors ligne avec des outils de bureau

Pour un processus hors ligne, utilisez le paquet Python open source webvtt-py pour extraire le texte des sous-titres, eSpeak NG pour synthétiser la parole et FFmpeg pour encoder l’audio au format M4A. Ces outils sont disponibles pour Linux, Windows et macOS.

1. Installez Python, eSpeak NG et FFmpeg, puis installez l’analyseur VTT : python -m pip install webvtt-py.
2. Enregistrez ce script sous le nom make_text.py dans le même dossier que captions.vtt. Il assemble les séquences dans l’ordre du fichier et supprime les balises en ligne simples.

import html
import re
from pathlib import Path
import webvtt

cues = webvtt.read("captions.vtt")
lines = []
for cue in cues:
    text = re.sub(r"<[^>]*>", "", cue.text)
    lines.append(html.unescape(text.replace("\n", " ")))
Path("narration.txt").write_text("\n".join(lines), encoding="utf-8")

3. Exécutez le script, synthétisez la parole au format WAV, puis encodez-la en AAC dans un conteneur M4A :

python make_text.py
espeak-ng -v en -s 160 -f narration.txt -w narration.wav
ffmpeg -i narration.wav -c:a aac -b:a 128k narrated.m4a

Remplacez en par un code de voix eSpeak NG disponible sur votre système. Ce processus de base lit les séquences dans l’ordre ; il ne conserve pas leurs horodatages d’origine.

Qualité et minutage

Le son du fichier M4A dépend de la voix de synthèse sélectionnée et du débit binaire AAC ; augmenter le débit binaire ne rend pas la voix elle-même plus naturelle. Le minutage des séquences n’est pertinent que si l’outil de conversion l’utilise pour planifier la parole ; dans les commandes hors ligne ci-dessus, les sous-titres sont plutôt convertis en narration continue.