---
title: "Sous-titres SRT arabes depuis une API de transcription"
description: "Ce qu’exige un fichier SRT, quelles API de transcription renvoient horodatages ou SRT pour l’arabe, et un pipeline testé de sous-titres depuis une API texte."
url: https://broadrouter.com/fr/blog/arabic-subtitles-srt-api/
lang: fr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/arabic-subtitles-srt-api/) (mis à jour le 2026-11-16).

# Sous-titres arabes (SRT) depuis une API de transcription : l’essentiel

Par l’équipe BroadNet Inference · 7 min de lecture · Publié 2026-11-15 · Mis à jour 2026-11-16

Un fichier SRT exige du texte plus une heure de début et de fin pour chaque sous-titre. Les API avec horodatages par mot ou par segment, ou export SRT direct, donnent le meilleur minutage. BroadNet Transcribe Arabic ne renvoie que du texte : découpez l’audio aux pauses, transcrivez chaque segment et minutez les sous-titres d’après leurs décalages. Bien pour conférences et podcasts, pas pour un sous-titrage de film à l’image près.

## À retenir

-   Le SRT est une liste numérotée de sous-titres, chacun avec une ligne hh:mm:ss,mmm --> hh:mm:ss,mmm. La Library of Congress note qu’il n’a ni spécification formelle ni norme d’encodage des caractères.
-   La réponse de transcription documentée de BroadNet se limite à {"text": ...} : ni horodatages, ni segments, ni sortie SRT.
-   OpenAI ne documente le SRT et les horodatages par mot que pour whisper-1, dont l’arrêt est annoncé pour le 26 février 2027. AssemblyAI et Speechmatics documentent un export SRT ; Deepgram et ElevenLabs documentent des horodatages par mot.
-   Le guide arabe de Netflix fixe 42 caractères par ligne, deux lignes et jusqu’à 20 caractères par seconde pour les programmes adultes ; son guide général plafonne un sous-titre à 7 secondes.
-   Un minutage au niveau du segment n’est précis qu’autant que vos pauses. À l’intérieur d’un segment, les temps sont estimés d’après la longueur du texte.

**Sur cette page**

1.  Qu’exige un fichier SRT ?
2.  Quelle longueur pour une ligne de sous-titre arabe ?
3.  Quelles API de transcription documentent horodatages ou SRT ?
4.  Comment créer des sous-titres à partir d’une API texte seul ?
5.  Le pipeline en Python
6.  Quelle est la précision d’un minutage par segment ?
7.  Combien ça coûte, et à quelle vitesse ?
8.  Où se situe BroadNet Inference

Des sous-titres, c’est du texte auquel on associe des temps. L’essentiel du travail d’un pipeline de sous-titres arabes consiste à obtenir ces temps. Certaines API de transcription vous les fournissent sous forme d’horodatages par mot ou d’un fichier SRT prêt à l’emploi. D’autres, dont BroadNet Inference, ne renvoient que le texte de la transcription. Cet article explique ce qu’exige un fichier SRT, quels fournisseurs documentent des horodatages, et comment construire des sous-titres arabes utilisables à partir d’une API texte seul, en énonçant clairement les limites.

BroadRouter est le site de BroadNet. Si vous avez besoin d’un minutage à l’image près, la réponse honnête ci-dessous est un fournisseur avec horodatages par mot, pas BroadNet.

## Qu’exige un fichier SRT ?

Un fichier SRT (SubRip) est du texte brut. Chaque sous-titre a quatre parties : un numéro, une ligne de temps, une ou deux lignes de texte, et une ligne vide.

```text
1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص وكيف
نصنع ملف ترجمة مصاحبة
```

La description du format par la Library of Congress donne le format de temps heures:minutes:secondes,millisecondes, et la flèche comme deux tirets suivis d’un chevron fermant. Elle indique aussi que le SRT n’est « not well standardized » (traduction : « pas bien normalisé ») et que les fichiers SRT « do not have a character encoding standard » (traduction : « n’ont pas de norme d’encodage des caractères »). Pour l’arabe, écrivez en UTF-8 et testez dans votre lecteur cible. WebVTT, son successeur pour le web, utilise un point au lieu de la virgule avant les millisecondes.

L’exigence incontournable est donc une heure de début et de fin pour chaque sous-titre. Le texte seul ne suffit pas.

## Quelle longueur pour une ligne de sous-titre arabe ?

Appuyez-vous sur un guide de style publié plutôt que de deviner. Le Arabic Timed Text Style Guide de Netflix (journal des modifications daté du 2025-12-19) fixe :

| Règle | Valeur Netflix |
| --- | --- |
| Caractères par ligne | 42 |
| Lignes par sous-titre | Deux au maximum |
| Vitesse de lecture, programmes adultes | Jusqu’à 20 caractères par seconde |
| Vitesse de lecture, programmes jeunesse | Jusqu’à 17 caractères par seconde |
| Retours à la ligne | Ne pas séparer un verbe de son sujet, une préposition de son nom, ni un nombre de ce qu’il compte |

Les exigences générales de Netflix ajoutent une durée minimale de cinq sixièmes de seconde et une durée maximale de 7 secondes par sous-titre. Le guide arabe demande aussi l’arabe standard moderne pour les sous-titres traduits. C’est une règle de traduction ; la transcription d’un discours en dialecte reste en dialecte.

Ces chiffres se traduisent en code : retour à la ligne à 42 caractères, deux lignes par sous-titre, alerte au-delà de 20 caractères par seconde, et jamais un sous-titre affiché plus de 7 secondes.

## Quelles API de transcription documentent horodatages ou SRT ?

Nous avons lu la documentation actuelle de chaque fournisseur le 15 novembre 2026. Ce tableau recense ce qui est documenté, pas la précision du minutage.

| Fournisseur | Ce que propose la documentation | Arabe |
| --- | --- | --- |
| OpenAI | `response_format` `srt`, `vtt` ou `verbose_json`, et `timestamp_granularities[]` par mot ou par segment, sur `whisper-1` uniquement. `gpt-4o-transcribe` et `gpt-4o-mini-transcribe` ne renvoient que du `json` | Non vérifié. La page des abandons d’OpenAI liste `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` et `gpt-4o-transcribe-diarize` comme abandonnés, tous arrêtés le 26 février 2027, et recommande `gpt-transcribe` ou `gpt-live-transcribe` à la place |
| AssemblyAI | `GET /v2/transcript/{transcript_id}/srt` ou `/vtt`, avec `chars_per_caption` | Arabe listé sur Universal-2, dans sa tranche de WER de 10 à 25 % |
| Speechmatics | `format=srt` sur le point de terminaison de transcription ; `srt_overrides` avec `max_line_length` et `max_lines` ; les éléments de mot portent `start_time` et `end_time` | Arabe, plus un pack arabe-anglais `ar_en` |
| Deepgram | Horodatages par mot et par énoncé ; bibliothèques officielles de sous-titres en Python et JavaScript qui écrivent du SRT et du WebVTT | Arabe et codes régionaux sur Nova-3 |
| ElevenLabs | `timestamps_granularity` par mot ou par caractère ; chaque mot a `start` et `end` en secondes | Arabe listé, dans sa tranche de WER de 10 à 20 % |
| BroadNet Inference | `{"text": ...}` uniquement | Modèle spécifique à l’arabe et modèle à 14 langues |

Si vous pouvez faire tourner des modèles vous-même, le filtre `whisper` de FFmpeg, compilé avec whisper.cpp, peut écrire directement du `srt` et dispose d’une option `max_len` pour des lignes plus courtes.

Pour une première comparaison de précision et de prix en arabe, voir le [guide d’achat des API de transcription arabe](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/) et [les tarifs de transcription comparés](https://broadrouter.com/fr/blog/speech-to-text-api-pricing-compared/). Les horodatages sont une ligne de cette décision, pas la seule.

## Comment créer des sous-titres à partir d’une API texte seul ?

Vous fabriquez vos propres horodatages à partir des endroits où vous coupez l’audio. Les étapes :

1.  **Trouver les pauses.** Le `silencedetect` de FFmpeg journalise `silence_start` et `silence_end` en secondes partout où le niveau reste sous un seuil pendant une durée minimale.
2.  **Transformer les pauses en plages de parole.** Tout ce qui se trouve entre deux silences forme une plage. Plafonnez les plages à environ 12 secondes, pour qu’un orateur qui ne marque jamais de pause produise quand même des sous-titres courts.
3.  **Transcrire chaque plage.** Découpez-la en WAV mono 16 kHz et envoyez-la avec `language=ar`.
4.  **Minuter les sous-titres.** Le début et la fin de la plage sont vos temps d’ancrage. Si son texte demande plusieurs lignes, répartissez le temps de la plage entre elles au prorata de leur longueur.
5.  **Écrire le SRT** et vérifier longueur de ligne, vitesse de lecture et durée par rapport aux règles de style.

C’est le même découpage que pour [transcrire de longs fichiers audio](https://broadrouter.com/fr/blog/transcribe-long-audio-files-api/), avec un autre objectif. Là-bas, les segments durent environ 10 minutes et seul compte le texte assemblé. Ici, les segments durent quelques secondes, car chacun devient des temps de sous-titres. L’[outil de découpage audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) génère les commandes FFmpeg si vous préférez découper à la main.

## Le pipeline en Python

Ce script utilise le SDK Python d’OpenAI et FFmpeg. Nous l’avons lancé le 15 novembre 2026 contre un serveur fictif local qui répond comme le point de terminaison documenté de BroadNet (`{"text": ...}`), avec un fichier de test généré fait de tonalités et de blancs. Le SRT ci-dessus en est la sortie. Aucune clé BroadNet n’a été utilisée : le texte arabe vient donc du serveur fictif, pas du modèle.

```python
import os, re, subprocess, sys
from openai import OpenAI

FFMPEG = os.environ.get("FFMPEG", "ffmpeg")
client = OpenAI(base_url=os.environ.get("BASE_URL", "https://inference.broadnet.ai/v1"),
                api_key=os.environ["BROADNET_API_KEY"])
MODEL = "broadnet/cohere-transcribe-arabic"
MAX_CHARS, MAX_LINES, MAX_CUE, MAX_CPS = 42, 2, 7.0, 20   # Netflix Arabic / general guide values

def find_speech(path, noise="-35dB", min_silence=0.4, max_span=12.0):
    """Return [(start, end)] seconds of speech between silences, each at most max_span long."""
    log = subprocess.run([FFMPEG, "-hide_banner", "-nostats", "-i", path,
                          "-af", f"silencedetect=n={noise}:d={min_silence}", "-f", "null", "-"],
                         capture_output=True, text=True).stderr
    h, m, s = re.search(r"Duration: (\d+):(\d+):([\d.]+)", log).groups()
    total = int(h) * 3600 + int(m) * 60 + float(s)
    starts = [float(x) for x in re.findall(r"silence_start: (-?[\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    spans, t = [], 0.0
    for i, s0 in enumerate(starts):
        if s0 - t > 0.2:
            spans.append((t, s0))
        t = ends[i] if i < len(ends) else total
    if total - t > 0.2:
        spans.append((t, total))
    out = []
    for a, b in spans:                       # no pause found: cut at a fixed length
        while b - a > max_span:
            out.append((a, a + max_span)); a += max_span
        out.append((a, b))
    return out

def transcribe_span(path, a, b, name):
    subprocess.run([FFMPEG, "-hide_banner", "-loglevel", "error", "-y", "-ss", f"{a:.3f}",
                    "-to", f"{b:.3f}", "-i", path, "-ar", "16000", "-ac", "1", name], check=True)
    with open(name, "rb") as f:
        return client.audio.transcriptions.create(model=MODEL, file=f, language="ar").text.strip()

def to_cues(text, a, b):
    """Wrap text into lines of <= MAX_CHARS, give each line a share of the span's time
    in proportion to its length, then pack lines into cues of <= MAX_LINES and <= MAX_CUE s."""
    lines, cur = [], ""
    for w in text.split():
        if cur and len(cur) + 1 + len(w) > MAX_CHARS:
            lines.append(cur); cur = w
        else:
            cur = f"{cur} {w}".strip()
    if cur:
        lines.append(cur)
    chars = sum(len(l) for l in lines) or 1
    cues, t = [], a
    for line in lines:
        d = (b - a) * len(line) / chars
        last = cues[-1] if cues else None
        if last and len(last[2]) < MAX_LINES and t + d - last[0] <= MAX_CUE:
            last[1] = t + d; last[2].append(line)
        else:
            cues.append([t, t + d, [line]])
        t += d
    for c in cues:                           # a long pause inside a span: don't hold text on screen
        c[1] = min(c[1], c[0] + MAX_CUE)
    return cues

def ts(x):
    ms = round(x * 1000)
    return f"{ms // 3600000:02}:{ms // 60000 % 60:02}:{ms // 1000 % 60:02},{ms % 1000:03}"

def make_srt(path, out="out.srt"):
    cues = []
    for i, (a, b) in enumerate(find_speech(path)):
        text = transcribe_span(path, a, b, f"chunk-{i:04}.wav")
        if text:
            cues += to_cues(text, a, b)
    with open(out, "w", encoding="utf-8") as f:
        for n, (a, b, g) in enumerate(cues, 1):
            cps = len(" ".join(g)) / (b - a)
            if b - a > MAX_CUE or cps > MAX_CPS:
                print(f"check cue {n}: {b - a:.1f} s, {cps:.0f} chars/s", file=sys.stderr)
            f.write(f"{n}\n{ts(a)} --> {ts(b)}\n" + "\n".join(g) + "\n\n")
    return len(cues)

if __name__ == "__main__":
    print(make_srt(sys.argv[1], sys.argv[2] if len(sys.argv) > 2 else "out.srt"), "cues written")
```

Lancez-le avec `BROADNET_API_KEY` défini : `python make_srt.py episode.wav episode.srt`. Sur le fichier de test, la détection des pauses a trouvé des plages de 0 à 2,8 s, de 3,6 à 7,6 s, de 8,8 à 28,8 s (coupée à 12 s faute de pause) et de 29,4 à 30,9 s, ce qui correspondait à la construction du fichier. La sortie a été analysée sans erreur par le paquet Python `srt` et convertie en WebVTT avec FFmpeg.

Réglez deux valeurs selon votre audio. `noise` est le niveau considéré comme du silence : essayez -30 à -40 dB pour une parole propre, et plus haut pour des salles bruyantes. `min_silence` est la durée minimale d’un blanc : 0,3 à 0,5 seconde attrape les pauses entre les phrases sans couper à chaque respiration.

## Quelle est la précision d’un minutage par segment ?

Soyez clair sur ce que cette méthode peut faire ou non.

-   **Les bords des plages sont la partie la plus fiable.** Les débuts et fins de sous-titres qui tombent sur une vraie pause sont aussi précis que la détection des silences. Sur notre fichier de test synthétique, ils correspondaient exactement ; les vrais enregistrements, avec respirations et bruit de salle, sont plus désordonnés.
-   **Les temps à l’intérieur d’une plage sont des estimations.** Quand une plage contient deux ou trois sous-titres, le script répartit son temps selon le nombre de caractères. Les orateurs ne parlent pas à débit constant : ces limites internes peuvent être décalées d’une seconde ou plus.
-   **Les coupes fixes peuvent couper des mots.** Quand une plage dépasse le plafond de 12 secondes sans pause, la coupe tombe où elle tombe. Un mot à la coupe peut être perdu ou déformé. Montez d’abord `noise` ou baissez `min_silence`, pour que moins de plages aient besoin d’une coupe fixe.
-   **Les segments courts donnent moins de contexte au modèle.** Un extrait de 3 secondes offre moins de mots autour de chaque mot qu’un fichier de 10 minutes. Nous n’avons pas mesuré à quel point cela change la précision en arabe ; testez-le sur votre propre audio avec le [WER](https://broadrouter.com/fr/blog/arabic-asr-wer-explained/).
-   **Pas d’étiquettes de locuteur.** BroadNet ne renvoie pas de [diarisation](https://broadrouter.com/fr/glossary/diarization/) : les sous-titres n’indiquent pas qui parle.
-   **Musique et bruit.** Une musique de fond peut masquer entièrement les pauses. La plupart des plages deviennent alors des coupes fixes, et le minutage se dégrade.

Pour des cours, des podcasts, des webinaires et des vidéos de formation, des sous-titres à moins d’une seconde de la parole sont généralement lisibles. Pour la fiction, les clips musicaux ou tout ce qui est synchronisé sur les lèvres, utilisez un fournisseur avec [horodatages](https://broadrouter.com/fr/glossary/timestamps-asr/) par mot, ou faites ajuster le fichier par un sous-titreur.

## Combien ça coûte, et à quelle vitesse ?

Le prix suit la durée de l’audio. Une heure d’arabe avec BroadNet Transcribe Arabic coûte $0.25, que vous l’envoyiez en un seul fichier ou en 720 morceaux de cinq secondes. La page des tarifs de BroadNet indique un prix par minute d’audio et aucun minimum par fichier ; consultez la page d’utilisation après votre premier épisode pour confirmer.

La vitesse suit le nombre de requêtes. Une clé en paiement à l’usage autorise 30 requêtes par minute et 4 simultanées. Une heure de parole découpée en plages de 5 secondes représente environ 720 requêtes, soit au moins 720 ÷ 30 minutes. Des plages plus longues signifient moins de requêtes. Si vous recevez un 429, temporisez comme dans le [guide des erreurs et nouvelles tentatives](https://broadrouter.com/fr/guides/errors-and-retries/), et ne répartissez pas un traitement sur plusieurs clés pour contourner les limites publiées.

## Où se situe BroadNet Inference

BroadNet Transcribe Arabic convient à la moitié texte d’un travail de sous-titrage : de la parole arabe vers du texte arabe à $0.0042 la minute, sans conservation de l’audio ni des transcriptions après la requête. Le crédit de départ de $5 couvre la transcription : vous pouvez tester le pipeline sur de vrais épisodes avant de recharger. Il ne renvoie ni horodatages, ni segments, ni étiquettes de locuteur, ni SRT. Si vos sous-titres demandent un minutage au mot près, utilisez un fournisseur qui le documente, ou alignez le texte de BroadNet sur l’audio avec un outil d’alignement forcé. Formats de requête et limites dans la [référence de l’API BroadNet](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-subtitles-srt-api&utm_content=body), configuration dans le [guide de transcription vocale arabe](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/).

Outils gratuits sur ce sujet (en anglais)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Sous-titres SRT](https://broadrouter.com/fr/glossary/srt-subtitles/)

SRT (SubRip) est un format de sous-titres en texte brut. Chaque sous-titre comprend un numéro d’ordre, une heure de début et de fin écrite hh:mm:ss,mmm --> hh:mm:ss,mmm, une ou plusieurs lignes de texte et une ligne vide. WebVTT est le format web similaire utilisé par la vidéo HTML.

[Horodatages (speech-to-text)](https://broadrouter.com/fr/glossary/timestamps-asr/)

En speech-to-text, les horodatages (timestamps) sont des heures de début et de fin, en secondes, attachées à des parties d’une transcription. Les horodatages de segment couvrent une phrase ou une expression ; les horodatages de mot couvrent chaque mot. Ils servent aux sous-titres, à la recherche dans les enregistrements et à l’alignement du texte avec les locuteurs.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

[Speech-to-text (reconnaissance vocale)](https://broadrouter.com/fr/glossary/speech-to-text/)

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

[Limite de débit (rate limit)](https://broadrouter.com/fr/glossary/rate-limit/)

Une limite de débit (rate limit) est un plafond qu’une API impose à l’usage d’un client sur une période, par exemple en requêtes ou en tokens par minute. Les requêtes au-delà sont refusées, généralement avec HTTP 429 Too Many Requests, jusqu’à ce que l’usage repasse sous la limite.

[Taux d’erreur sur les mots (WER)](https://broadrouter.com/fr/glossary/word-error-rate/)

Le taux d’erreur sur les mots (WER) est la mesure standard de précision en reconnaissance vocale : le nombre de substitutions, suppressions et insertions de mots nécessaires pour transformer une transcription en référence correcte, divisé par le nombre de mots de la référence. Plus il est bas, mieux c’est.

[Arabe standard moderne (MSA)](https://broadrouter.com/fr/glossary/msa/)

L’arabe standard moderne (MSA) est la forme standardisée de l’arabe utilisée à l’écrit, dans l’information, l’enseignement et le discours formel dans tout le monde arabe. Ce n’est la langue maternelle de personne : on parle au quotidien des dialectes régionaux, comme l’égyptien ou l’arabe du Golfe, et on passe au MSA dans les contextes formels.

[Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/)

La concurrence est le nombre de requêtes qu’un client a en cours au même moment. Les API de LLM la plafonnent souvent par clé ou par forfait, indépendamment des requêtes par minute, car chaque requête ouverte occupe de la capacité GPU jusqu’à la fin de sa réponse.

## Questions fréquentes

### Puis-je obtenir un fichier SRT directement depuis l’API de transcription de BroadNet ?

Non. La documentation de BroadNet montre une réponse JSON avec un seul champ text, et aucune option SRT, VTT ou horodatage. Ses métadonnées /v1/models (vérifiées le 15/11/2026) listent les formats de réponse json, text et verbose\_json, mais aucune source n’indique que verbose\_json contient des horodatages. Construisez vous-même le minutage à partir des décalages de segments, comme dans cet article, ou utilisez un fournisseur qui documente les horodatages.

### Quelles API de transcription exportent du SRT pour l’arabe ?

Parmi celles vérifiées le 15 novembre 2026, AssemblyAI (un point de terminaison de sous-titres, l’arabe sur Universal-2) et Speechmatics (format=srt, l’arabe et un pack arabe-anglais) documentent un export SRT. OpenAI documente le SRT sur whisper-1, qui est en cours d’abandon. Deepgram documente des bibliothèques de sous-titres construites sur ses horodatages.

### Combien de caractères par ligne pour des sous-titres arabes ?

Le Arabic Timed Text Style Guide de Netflix fixe 42 caractères par ligne et deux lignes au maximum. Sa limite de vitesse de lecture est de 20 caractères par seconde au plus pour les programmes adultes, et de 17 pour les programmes jeunesse.

### Quelle est la précision de sous-titres minutés à partir de segments audio ?

Le début et la fin de chaque segment sont aussi précis que la détection des pauses : réglez-la donc sur votre audio. Les sous-titres à l’intérieur d’un segment reçoivent des temps estimés d’après la longueur du texte, et peuvent dériver d’une seconde ou plus. Cela convient aux conférences et aux podcasts, pas à une fiction synchronisée sur les lèvres.

### Pourquoi la ponctuation de mon SRT arabe s’affiche-t-elle du mauvais côté ?

Le SRT n’a aucun balisage de direction : c’est le lecteur qui décide comment afficher le texte de droite à gauche. Testez le fichier dans les lecteurs qu’utilise votre public. Si la ponctuation se déplace, essayez un format au style plus riche ou un réglage du lecteur pour le texte RTL.

### Découper l’audio en segments courts coûte-t-il plus cher ?

BroadNet facture la transcription à la minute d’audio : le total d’audio reste le même. Cela fait en revanche plus de requêtes, et des segments courts atteignent plus vite la limite du paiement à l’usage de 30 requêtes par minute. Consultez votre page d’utilisation après un premier essai pour confirmer la facturation.

## À lire ensuite

-   [Transcrire un audio de plus de 25 Mo : découper, envoyer, recoller](https://broadrouter.com/fr/blog/transcribe-long-audio-files-api/)
-   [API speech-to-text pour l’arabe : comment la choisir en 2026](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternative à l’API Whisper : quand changer et comment tester](https://broadrouter.com/fr/blog/whisper-api-alternative/)
-   [Comptes rendus de réunion en arabe depuis l’audio : un pipeline API](https://broadrouter.com/fr/blog/arabic-meeting-minutes-from-recordings/)
-   [Prix des API speech-to-text comparés : tarif à la minute en 2026](https://broadrouter.com/fr/blog/speech-to-text-api-pricing-compared/)
-   [Vocaliser un texte arabe avec un LLM : prompt, contrôles, DER](https://broadrouter.com/fr/blog/arabic-diacritization-llm/)
-   [Correction grammaticale et orthographique de l’arabe par LLM : guide](https://broadrouter.com/fr/blog/arabic-grammar-spelling-correction-llm/)
-   [Guide : API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/)
-   [Guide : Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-subtitles-srt-api&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API BroadNet Inference : requête de transcription et réponse {"text": ...}, limites du paiement à l’usage (vérifié le 15/11/2026) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-subtitles-srt-api&utm_content=sources)
-   [Library of Congress, Sustainability of Digital Formats : description du format SubRip (SRT) fdd000569 (vérifié le 15/11/2026)](https://www.loc.gov/preservation/digital/formats/fdd/fdd000569.shtml)
-   [Netflix Partner Help Center, Arabic Timed Text Style Guide : 42 caractères par ligne, limites de vitesse de lecture (vérifié le 15/11/2026)](https://partnerhelp.netflixstudios.com/hc/en-us/articles/215517947)
-   [Netflix Partner Help Center, Timed Text Style Guide: General Requirements, durées minimale et maximale (vérifié le 15/11/2026)](https://partnerhelp.netflixstudios.com/hc/en-us/articles/215758617-Timed-Text-Style-Guide-General-Requirements)
-   [Référence de l’API OpenAI, créer une transcription : response\_format et timestamp\_granularities selon le modèle (vérifié le 15/11/2026)](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)
-   [Guide de transcription vocale d’OpenAI : timestamp\_granularities seulement sur whisper-1, date d’abandon (vérifié le 15/11/2026)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Abandons chez OpenAI : whisper-1 et les modèles de transcription gpt-4o arrêtés le 26 février 2027 ; remplacement par gpt-transcribe ou gpt-live-transcribe (vérifié le 15/11/2026)](https://developers.openai.com/api/docs/deprecations)
-   [Référence de l’API AssemblyAI, Get subtitles : le point de terminaison de sous-titres des transcriptions, format SRT ou VTT (vérifié le 15/11/2026)](https://www.assemblyai.com/docs/api-reference/transcripts/get-subtitles)
-   [AssemblyAI, langues prises en charge pour l’audio préenregistré (vérifié le 15/11/2026)](https://www.assemblyai.com/docs/pre-recorded-audio/supported-languages)
-   [Documentation Speechmatics, formats de sortie batch : format=srt et srt\_overrides (vérifié le 15/11/2026)](https://docs.speechmatics.com/speech-to-text/batch/output)
-   [Documentation Speechmatics, langues prises en charge : arabe et le pack bilingue ar\_en (vérifié le 15/11/2026)](https://docs.speechmatics.com/speech-to-text/languages)
-   [Documentation Deepgram, générer automatiquement des sous-titres WebVTT et SRT (vérifié le 15/11/2026)](https://developers.deepgram.com/docs/automatically-generating-webvtt-and-srt-captions)
-   [Documentation Deepgram, vue d’ensemble des modèles et langues : l’arabe sur Nova-3 (vérifié le 15/11/2026)](https://developers.deepgram.com/docs/models-languages-overview)
-   [Référence de l’API ElevenLabs, transcription : timestamps\_granularity et start/end par mot (vérifié le 15/11/2026)](https://elevenlabs.io/docs/api-reference/speech-to-text/convert)
-   [Documentation des filtres FFmpeg : filtres silencedetect et whisper (vérifié le 15/11/2026)](https://ffmpeg.org/ffmpeg-filters.html)
