Rendre un mémo vocal accessible à une personne sourde ou malentendante

Cela survient d’habitude dans un moment ordinaire, pas préparé à l’avance : un message vocal du médecin, une note vocale d’un proche, l’enregistrement d’une réunion manquée. Faire suivre l’audio semble le geste évident et généreux. Pour une personne sourde ou malentendante, ce n’est pas généreux, c’est simplement inerte — un fichier qui diffuse du son dans un canal qu’elle ne peut pas utiliser, pas si différent d’envoyer une photo à quelqu’un d’aveugle en l’appelant une description.

L’enregistrement n’a jamais été la partie accessible

Un mémo vocal est, par construction, de l’audio — un signal destiné aux oreilles. C’est vrai quelle que soit la clarté de l’enregistrement, la qualité du micro ou le calme de la pièce. Rien de ce qui rend un enregistrement agréable à écouter ne change ce qu’il est fondamentalement. La seule version d’un mémo vocal accessible à quelqu’un qui ne peut pas l’entendre est celle faite de mots sur une page, et cela signifie qu’ici une transcription n’est pas un supplément facultatif comme elle pourrait l’être pour un destinataire entendant qui pourrait tout aussi bien écouter. C’est la totalité de ce qui est livré.

Quel format d’export envoyer réellement

Un export de transcription existe sous deux formes, pensées pour des lecteurs différents. Un export TXT place le titre, la date, l’heure et le lieu au-dessus de la transcription, puis les mots eux-mêmes en prose continue en dessous — la même forme qu’un SMS ou un e-mail, qui s’ouvre sans accroc dans Notes, Mail, Messages ou n’importe quel éditeur de texte sur n’importe quel appareil. Un export JSON conserve les mêmes informations sous forme de champs séparés et en ajoute quelques autres, comme la durée, l’humeur et les étiquettes, entourés de la ponctuation qu’un programme s’attend à analyser plutôt qu’une personne à lire.

Pour remettre une transcription à une personne, TXT est presque toujours le bon choix. C’est ce que réclame une lecture simple de « qu’a-t-elle dit », et cela n’exige du destinataire rien de plus que de savoir ouvrir un fichier texte, ce que tout téléphone et tout ordinateur sait déjà faire. JSON a un vrai usage — déplacer des données structurées ailleurs, ou nourrir une transcription dans un programme qui attend des champs — mais en lire un directement, c’est se frayer un chemin entre accolades, guillemets et noms de champs posés entre soi et les mots qui comptent vraiment.

Ce qu’une transcription ne peut toujours pas faire

Transmettre les mots n’est pas la même chose que transmettre des sous-titres synchronisés. Ni l’export TXT ni l’export JSON ne portent d’horodatage par mot ou par ligne — le texte sort en prose continue, pas en lignes chronométrées qui pourraient défiler avec la lecture audio comme le ferait une piste de sous-titres. Il n’existe pas non plus d’export SRT ou VTT, le format qu’il faudrait réellement pour afficher du texte synchronisé avec le son pendant sa lecture. Ce que vous pouvez remettre à quelqu’un, c’est le texte intégral de ce qui a été dit, à lire de son côté ; ce que vous ne pouvez pas lui remettre, c’est une version de l’enregistrement où les mots apparaissent en même temps que l’audio, parce que c’est un tout autre type de fichier que ce que produit un export de transcription.

Dans la pratique, ce manque se révèle rarement aussi gênant qu’il en a l’air. La plupart des situations où l’on partage vraiment un mémo vocal — un message vocal, une note d’un proche, le compte rendu d’une réunion manquée — se lisent une fois, au rythme du destinataire, pas suivies en temps réel à côté d’une vidéo. Le texte brut fait le travail qui comptait. Les sous-titres synchronisés comptent davantage pour la vidéo, où l’image et le minutage travaillent vraiment ensemble, et c’est un problème différent de rendre un enregistrement vocal lisible tout court.

La relire avant de l’envoyer, pas après

Une transcription est du texte modifiable posé sur l’enregistrement, pas un tirage figé, et cela compte ici plus que pour presque tout autre usage d’une transcription. Une personne entendante qui tombe sur une phrase confuse peut simplement relancer l’audio et entendre ce qui a réellement été dit. Une personne sourde ou malentendante n’a pas ce recours — le texte est la seule version de l’enregistrement qui lui parvient, donc un nom mal reconnu ou un mot incohérent n’est pas un petit défaut, c’est le message entier qu’elle reçoit à cet endroit de l’enregistrement. Relisez la transcription une fois, en la comparant à votre propre souvenir de la conversation, avant de l’envoyer, et corrigez tout ce qui ressemble à une supposition plutôt qu’à un mot réellement entendu — le même passage rapide qui vaut la peine avant de partager n’importe quelle transcription avec n’importe qui, mais qui fait ici la différence entre recevoir le message et recevoir un trou.

Quand il s’agit de plus d’un enregistrement

Un seul message vocal, c’est un export ponctuel. Une situation récurrente — un proche sourd qui veut le texte de chaque note vocale envoyée dans le groupe familial, ou un étudiant qui a besoin de la transcription de chaque cours enregistré — est en réalité le même travail répété : exporter en TXT, relire une fois, envoyer. Il n’y a pas d’étape par lot qui change cela, et il n’en faut pas : une transcription coûte une poignée de kilo-octets et une minute de lecture, quel que soit le nombre de fois où on le refait, ce qui est bien plus léger que ça n’en a l’air la première fois.

L’audio garde de l’intérêt

Rien de tout cela ne signifie qu’il faut jeter le .m4a ou le laisser de côté. Envoyer à la fois la transcription et l’enregistrement d’origine ne coûte rien de plus et couvre les cas que le texte seul ne couvre pas : une personne entendante dans la même conversation qui souhaite l’audio, un destinataire qui lit sur les lèvres et préfère regarder l’enregistrement d’un appel vidéo plutôt que le lire seulement, ou simplement vouloir garder l’original au cas où une transcription mériterait un second regard plus tard. La transcription est ce qui rend l’enregistrement accessible à qui ne peut pas l’entendre ; l’audio n’entre pas en concurrence avec ça, il ne fait simplement pas ce travail-là en particulier.

Comment Voice Studio gère cela

Exporter une transcription en TXT ou en JSON, ou partager un enregistrement sous forme de fichier .m4a, sont des gestes ordinaires et non restreints de l’application gratuite — rien de tout cela n’est réservé à Pro. Une transcription dans Voice Studio est du texte modifiable posé sur l’enregistrement, donc corriger un nom mal reconnu ou une phrase confuse avant de l’envoyer est une modification normale, pas un contournement. Il n’y a pas d’export SRT ni VTT, ni d’horodatage par mot dans aucun des deux formats de transcription, donc ce que vous envoyez est le texte intégral d’un enregistrement, pas des sous-titres synchronisés avec lui — une chose à savoir à l’avance plutôt qu’à découvrir après coup.

Questions fréquentes

Partager le fichier audio lui-même aide-t-il une personne sourde ou malentendante ?

Non. L’enregistrement est du son, et le partager ne lui transmet rien qu’elle puisse utiliser seul. La transcription est ce qui l’atteint réellement — l’audio compte pour d’autres raisons, mais pas pour celle-ci.

Faut-il envoyer la transcription en TXT ou en JSON ?

En TXT, pour remettre des mots à une personne. Elle s’ouvre en prose simple et lisible sur n’importe quel appareil. Le JSON porte les mêmes informations sous forme de champs structurés et en ajoute quelques autres, comme la durée et les étiquettes, ce qui convient mieux pour déplacer des données vers un autre programme que pour une lecture directe.

Puis-je faire défiler le texte en même temps que l’audio, comme des sous-titres ?

Non. Aucun des deux formats d’export ne porte d’horodatage par mot ou par ligne, et il n’existe pas d’export SRT ou VTT, donc il n’y a aucun moyen de synchroniser le texte avec la lecture. Ce que vous pouvez envoyer, c’est la transcription complète, à lire de son côté.

Pourquoi est-ce plus important de relire cette transcription qu’une transcription ordinaire ?

Parce que le destinataire n’a pas d’audio vers lequel se tourner si un mot semble faux. Une personne entendante peut simplement relancer l’enregistrement ; pour quelqu’un qui ne peut pas l’entendre, le texte est le message entier, donc un mot mal reconnu est un vrai trou, pas un simple faux pas.