Automatiser le nettoyage audio de ses vidéos avec CrisperWhisper, FFmpeg et PHP

Cette conférence présentera la chaîne de traitement que j’utilise pour mes vidéos, basée sur CrisperWhisper pour la transcription et la détection précise des hésitations, FFmpeg pour le traitement audiovisuel et des scripts PHP pour automatiser l’ensemble.

Nous verrons le fonctionnement des différentes étapes, depuis la transcription jusqu’à la génération de la vidéo nettoyée, ainsi que les difficultés rencontrées pour obtenir des découpages naturels.

Les scripts et les principaux composants logiciels utilisés sont libres. Le cas de CrisperWhisper est cependant plus complexe : ses poids sont accessibles, mais sa licence CC BY-NC 4.0 interdit les usages commerciaux et les données et algorithme d'entrainement ne sont pas publics. Cette distinction permettra d’aborder plus largement les critères permettant de qualifier un modèle d’IA de libre.

Enfin, nous verrons comment cette chaîne de traitement pourrait accueillir à l’avenir un modèle de reconnaissance vocale entièrement libre.