Un segment de sous-titres est un bloc de texte doté d’un temps de début et d’un temps de fin d’affichage. Le format SRT (SubRip Text) utilise des virgules avant les millisecondes. Le format VTT (WebVTT) commence par un en-tête `WEBVTT` et utilise des points avant les millisecondes. UTF-8 est un encodage de texte standard qui préserve les caractères spéciaux. Un Actor est un programme qui collecte des données sur le Web, et une Task est une configuration d’entrée enregistrée pour un Actor.
Pour extraire les sous-titres, utilisez l’Actor YouTube Transcript Scraper. Demandez le format JSON ainsi que les formats SRT et VTT. La sortie JSON brute contient des champs propres à chaque segment : `startSeconds`, `endSeconds`, `durationSeconds` et `text`. Enregistrez uniquement la chaîne brute des sous-titres dans un fichier texte UTF-8. N’exportez pas l’ensemble du jeu de données au format CSV et ne conservez pas les chaînes JSON échappées contenant des caractères `\n`. Les entrées en échec apparaissent dans la section OUTPUT de l’exécution, et non dans les lignes du jeu de données. Une exécution de test sur une seule piste a enregistré 61 segments pour valider l’acquisition, mais vous devez encore vérifier la lecture dans votre propre lecteur.
Si aucun sous-titre minuté n’est disponible, consultez le guide d’extraction des sous-titres YouTube avant de valider vos fichiers.
Méthode complète de conversion et de validation
- Confirmez l’identité de la vidéo et la langue : vérifiez l’URL de la vidéo et la langue sélectionnée. Conservez les segments JSON d’origine et l’URL source.
- Demandez les sorties : demandez les formats JSON, SRT et VTT. Vérifiez qu’une ligne indique une réussite et que les segments ne sont pas vides. Si la récupération des sous-titres échoue, utilisez le guide d’acquisition accessible par le lien. N’inventez pas de temps de fin à partir de texte brut.
- Enregistrez le fichier : copiez l’intégralité du champ `srt` dans `lesson.srt` ou du champ `vtt` dans `lesson.vtt`. Utilisez un éditeur de texte brut avec l’encodage UTF-8. Ne conservez pas les guillemets JSON, les caractères littéraux `\n`, les cellules CSV ou une extension `.txt` ajoutée au nom du fichier.
- Vérifiez la syntaxe : le format SRT utilise des numéros de segment et des virgules avant les millisecondes. Le format VTT commence par `WEBVTT`, suivi d’une ligne vide, et utilise des points avant les millisecondes. Les 2 formats séparent les segments par des lignes vides et utilisent `-->` entre les temps. Confirmez que les temps de fin sont postérieurs aux temps de début et vérifiez que les temps de début des segments ne diminuent pas. Les chevauchements peuvent être valides ; examinez-les pendant la lecture au lieu de les supprimer automatiquement.
- Vérifiez la lecture de la vidéo : comparez les segments du début, du milieu et de la fin avec la vidéo dans votre lecteur. Vérifiez les accents, les sauts de ligne et les lignes longues. Un fichier peut réussir les contrôles de format tout en affichant à l’écran un minutage ou un texte incorrect.
- Corrigez les décalages temporels : si chaque segment apparaît avec le même retard constant, vérifiez si une introduction a été supprimée de votre copie locale de la vidéo. Décalez les temps de début et de fin de cette valeur exacte, uniquement pour cette copie précise. Si l’erreur de minutage augmente au fil du temps, un décalage constant ne fonctionnera pas. Lorsque la dérive temporelle augmente, revenez à la bonne source minutée au lieu d’appliquer une conversion de fréquence d’images non testée.
- Enregistrez les fichiers définitifs : conservez vos segments sources et une note indiquant toute modification de minutage approuvée.
Exemples de fichiers fictifs
Voici un exemple simple avec 3 segments dont les temps sont exprimés en secondes :
- Segment 1 : de `0.250` à `2.750` secondes — « Ouvrez les paramètres. »
- Segment 2 : de `3.000` à `5.500` secondes — « Choisissez Français. »
- Segment 3 : de `6.000` à `8.125` secondes — « Enregistrez la modification. »
Fichier SRT complet
1
00:00:00,250 --> 00:00:02,750
Open the settings.
2
00:00:03,000 --> 00:00:05,500
Choose Français.
3
00:00:06,000 --> 00:00:08,125
Save the change.Fichier VTT complet
WEBVTT
00:00:00.250 --> 00:00:02.750
Open the settings.
00:00:03.000 --> 00:00:05.500
Choose Français.
00:00:06.000 --> 00:00:08.125
Save the change.Notez que le format SRT utilise des virgules (`00:00:00,250`), tandis que le format VTT utilise des points (`00:00:00.250`) pour séparer les secondes des millisecondes dans chaque temps.
Détail des calculs
Pour convertir une fraction de seconde en millisecondes, multipliez-la par 1 000. Par exemple, `0.250` seconde devient `250` millisecondes, et `8.125` secondes devient `00:00:08.125`.
- Les durées des segments sont de 2,500 secondes, 2,500 secondes et 2,125 secondes.
- La durée cumulée d’affichage des segments est de 7,125 secondes (`2.500 + 2.500 + 2.125`).
- La durée totale couverte par les sous-titres est de 7,875 secondes (`8.125 - 0.250`), ce qui inclut les intervalles entre les segments.
Aucun de ces totaux ne mesure l’exactitude du texte ni la vitesse de lecture.
Exemple distinct de décalage temporel
Imaginez une seconde copie vidéo distincte dont une introduction de 1,000 seconde a été supprimée. Les temps de début et de fin d’un segment de cette vidéo, initialement fixés à `10.250–12.750` secondes, deviennent `9.250–11.750` secondes après soustraction de 1,000 seconde (`10.250 - 1 = 9.250` et `12.750 - 1 = 11.750`).
N’appliquez jamais ce décalage au premier fichier d’exemple contenant trois segments. Soustraire 1,000 seconde au temps de début du premier segment (`0.250`) produirait un temps de début négatif et invalide (`-0.750`). Conservez les fichiers d’origine sans les modifier et vérifiez les fichiers décalés dans un lecteur vidéo avant de les utiliser.
Sources et lectures complémentaires
Par Chronometrica · Mis à jour
Retour en haut ↑
