Ajouter des sous-titres automatiques sur CapCut
La majorité des vidéos sur les réseaux sont regardées sans le son. Des sous-titres ne sont donc pas une option d'accessibilité en plus : c'est souvent la seule chose qui sera lue.
Par Salvador K. Bel ·
La marche à suivre
1Sélectionne ton clip et ouvre l'outil Texte
Les sous-titres automatiques se génèrent depuis la barre d'outils, à la section Texte. CapCut écoute la piste audio de ton montage et en tire les phrases.
2Lance la génération automatique
L'IA découpe ton audio en segments et crée un bloc de texte par segment, déjà calé sur le moment où la phrase est dite. C'est ce calage qui fait gagner l'essentiel du temps : le placer à la main sur trois minutes de parole prend une soirée.
3Relis, et corrige ce qui a été mal entendu
C'est l'étape que tout le monde saute, et ça se voit. Les prénoms, les noms de marque, les mots en anglais et les termes techniques sont ceux qui passent le plus mal. Relis chaque bloc et corrige : un sous-titre faux décrédibilise plus qu'une absence de sous-titre.
4Style une fois, applique partout
Règle la police, la taille, la couleur et le contour sur un seul bloc, puis applique ce style à tous les autres. Ça garde une vidéo cohérente et ça t'évite de refaire cinquante fois le même réglage.
Pourquoi les sous-titres générés se lisent mal, la plupart du temps
Ce n'est presque jamais la faute de la transcription. C'est le style : du texte blanc fin, posé au milieu de l'image, sur un fond qui change à chaque plan. Dès qu'un plan clair passe derrière, la phrase disparaît.
Deux réglages règlent 90 % du problème :
- un contour, ou une ombre portée, pour que la lettre tienne sur n'importe quel fond ;
- une graisse suffisante — un texte fin à l'écran d'un téléphone tenu à bout de bras ne se lit pas.
Et une règle de placement : garde le bas de l'écran libre. C'est là que les plateformes posent leur propre interface — la description, le nom du compte, les boutons. Un sous-titre calé trop bas est recouvert.
La règle du 60-30-10, pour ne pas fatiguer l'œil
Quand on découvre les outils de texte, la tentation est d'animer chaque mot. Le résultat est illisible : l'œil ne sait plus ce qui est important, donc plus rien ne l'est.
La répartition que j'enseigne est celle-ci : 60 % de texte simple, qui suit la parole ; 30 % de titres, pour annoncer une partie ; 10 % de mots-clés accentués — ceux-là seuls ont droit à une couleur ou à une animation.
Dit autrement : l'accentuation ne fonctionne que si elle est rare. Un mot surligné sur dix, on le voit. Tous les mots surlignés, on n'en voit aucun.
Le cas des vidéos en plusieurs langues
Si tu alternes français et anglais dans la même vidéo — ce qui est courant quand on cite une source ou une phrase d'accroche —, la génération automatique se cale sur une seule langue et transcrit l'autre de travers.
Le plus simple est de laisser faire, puis de réécrire à la main les quelques blocs concernés. Sur une vidéo courte, c'est l'affaire de deux minutes ; c'est toujours moins long que de tout reprendre.