Montage basé sur la transcription : découper en shorts

Le montage par transcription, c'est la même matière vue autrement

Le nom est littéral. Le montage basé sur la transcription, ou montage basé sur le texte, consiste à monter en travaillant sur la transcription de la vidéo. Vous transcrivez la source, vous lisez, vous supprimez les mots dont vous ne voulez pas, et les images correspondantes partent avec eux.

Ce n'est pas une image. La documentation d'Adobe pour Premiere indique que la transcription « se synchronise dynamiquement avec les clips de la timeline » et que, lorsqu'on réorganise le texte, les clips liés « sont automatiquement coupés et ajustés sans perdre le contexte » (Adobe, présentation du montage basé sur le texte). CapCut décrit exactement le même comportement en une phrase : « si vous supprimez du texte indésirable de la transcription, la partie correspondante de la vidéo est supprimée automatiquement » (CapCut, monter une vidéo avec du texte).

Deux conséquences comptent pour le format court, et aucune ne porte sur la vitesse de frappe.

La première : la transcription se cherche. Sur une source de deux heures, retrouver la phrase dont un clip a besoin cesse d'être une chasse dans la forme d'onde et devient un champ de recherche. Vous tapez le mot, vous arrivez au bon endroit, vous regardez les images autour. La seconde : le texte montre la structure de la prise de parole. Les faux départs, les mots parasites et les phrases recommencées deux fois se voient en texte comme ils ne se voient jamais en audio, ce qui fait de la transcription l'endroit le plus rapide pour resserrer une ouverture.

Ce que le montage par transcription n'est pas : ni un sélecteur de moments automatique, ni une chaîne de sous-titres. Adobe le dit sans détour : le montage basé sur le texte « ne prend pas en charge le flux de travail des sous-titres », qui doivent être générés à partir de la séquence finale. La transcription est une surface de lecture et de coupe. Elle ne décide rien pour vous.

Où passe vraiment le temps sur une source longue

Demandez à un clipper où disparaît son après-midi : la réponse est rarement la coupe. C'est la recherche. Deux heures de parole, six moments qui valent un post, et aucun moyen de les localiser autrement qu'en écoutant tout. Nous avons démonté ce coût dans où passe le temps de montage sur des shorts, et il revient à chaque fois que la source est une conversation et non un script.

La transcription ne supprime pas le jugement, elle supprime la chasse. Lire deux heures de texte prend quelques minutes et se fait en survol, dans l'ordre de la prise de parole, avec la recherche comme raccourci quand on sait déjà quoi chercher. Écouter deux heures d'audio prend deux heures d'attention, et ne se survole pas.

C'est pourquoi cette méthode convient à certaines sources et pas à d'autres. Un podcast, un stream, un entretien, un appel, un webinaire : que de la parole, tout est repérable dans la transcription. Quand le travail est justement de convertir un format long en clips, transformer un podcast en shorts regarde le même problème depuis la source. Là où la transcription ne sert à rien, c'est sur une matière dont la valeur est visuelle, une capture d'écran, une démo, un plan sans parole, parce qu'il faut alors des yeux sur les images et que le texte n'ajoute rien.

La méthode en cinq étapes

La méthode se raconte court, et l'ordre compte plus que les outils. À noter : les étapes quatre et cinq concentrent encore l'essentiel de l'horloge, même quand la lecture n'a pris que quelques minutes.

1. Transcrire la source avec les timecodes. Tous les monteurs récents le font sur place : le panneau Texte de Premiere, la mise en page transcription de CapCut, les outils de transcription des dernières versions de Resolve. Transcrivez la source sur laquelle vous allez travailler, pas un proxy que vous recouperez plus tard : la transcription est liée au média exact dont elle est issue.
2. Lire la transcription et marquer les candidats sans rien couper. Parcourez le texte en survol et surlignez les passages qui méritent un clip. Lire d'abord, couper ensuite : cela évite de resserrer des phrases que vous allez jeter.
3. Couper dans le texte. Supprimez les mots parasites, les faux départs, les digressions, et la phrase qui précède celle qui compte. La timeline suit. C'est aussi le moment où le clip se forme : un mot de trop supprimé au début d'un passage et la première seconde du clip ne veut plus rien dire.
4. Finir le plan une fois le montage verrouillé. Recadrez en vertical, placez le texte là où l'interface de la plateforme ne le recouvrira pas, ajoutez les sous-titres. La note d'Adobe est la raison pour laquelle cette étape ne se fusionne pas avec la troisième : les sous-titres se génèrent à partir de la séquence finale, pas depuis la transcription sur laquelle vous venez de travailler.
5. Exporter par destination. Un clip fini, un réglage d'export par plateforme, une règle de nommage encore lisible dans un dossier un mois plus tard.

Les étapes un à trois donnent la vitesse pour laquelle cette méthode est connue. Les étapes quatre et cinq sont la finition, et sur un lot c'est elles qui décident si le travail a réellement été plus rapide ou s'il en a seulement eu l'impression.

Ce que la transcription ne décide toujours pas

Une transcription, ce sont des mots et des timecodes. Elle n'a aucune vue sur le jeu, et c'est souvent le jeu qui rend un moment publiable.

Trois choses échappent au texte. Le silence avant une chute, qui s'écrit comme une ponctuation et porte pourtant la blague. La réaction visuelle, le visage, le geste, ce que la personne fait en ne disant rien. Et le temps de respiration après la phrase, la seconde qu'un bon monteur garde parce que le spectateur en a besoin, et qu'un passage par le texte est tenté de supprimer comme du vide.

C'est la limite honnête de la méthode, et c'est aussi pourquoi un passage uniquement par le texte peut abîmer un clip sans le dire. Supprimer un mot parasite est sans risque ; supprimer le souffle qui l'entoure ne l'est pas toujours. La lecture la plus sûre d'une transcription, c'est celle d'une carte des endroits à regarder, pas d'une décision finale sur ce qui reste. Choisir le moment est un autre métier, celui que nous avons démonté dans quels moments clipper en shorts.

Sur un lot, la lecture reste source par source

La méthode ne passe pas l'échelle sur un point précis. Lire est rapide, mais rapide source par source, et un clipper qui travaille une campagne tire parfois de plusieurs longues sources dans la même semaine. Chacune est transcrite, lue, coupée, finie : c'est la finition qui transforme le lot en projets séparés qui ne se ressemblent plus.

Décidez une fois les éléments partagés, pas une fois par clip : une règle de cadrage, un style de sous-titres et sa hauteur, un réglage d'export, une règle de nommage. Ces décisions sont identiques pour tous les clips du lot ; les reprendre au niveau du clip ne fait que créer l'occasion de se contredire.

C'est la frontière sur laquelle est bâtie la chaîne de production de clips de ClipFinish, et c'est exactement la surface que vous venez de lire. Vous lui confiez une longue vidéo, la transcription revient, vous cochez les passages qui vous intéressent, vous réglez un seul habillage pour tout le lot, et les clips ressortent finis selon ce réglage : 1080 x 1920, sous-titres mot à mot, zones d'interface de la plateforme laissées libres. Une passe accepte jusqu'à deux heures de source, et chaque clip peut aller jusqu'à trois minutes.

Ce qu'il ne fait pas mérite d'être dit, car c'est ce qui rend le reste utilisable. Il ne choisit pas vos moments : la transcription propose, vous décidez, et cette décision ne se délègue pas à un mot-clé. Il ne publie pas et ne programme pas à votre place. Et il ne sauvera pas un passage qui ne méritait pas d'être clippé, d'où une lecture qui reste la vôtre à l'étape deux. Si ce qui revient demande encore du travail, ce travail est le sujet de la passe de correction qu'un lot porte toujours.

Montage par transcription : les réponses courtes

Qu'appelle-t-on le montage basé sur la transcription ?

Une façon de monter en travaillant sur la transcription plutôt que sur la timeline. La source est transcrite avec ses timecodes, vous supprimez ou réorganisez le texte, et la vidéo est coupée en conséquence. Adobe le décrit comme une transcription qui « se synchronise dynamiquement avec les clips de la timeline ».

Est-ce plus rapide que de monter sur la timeline ?

Sur une matière bavarde, oui, et pour une raison simple : lire va plus vite qu'écouter, et le texte se cherche. Sur une matière dont la valeur est visuelle (capture d'écran, démo, plan sans parole), la transcription n'apporte rien et la timeline reste le chemin le plus rapide.

Peut-on s'en servir à la place d'un outil de clips automatique ?

Ils traitent deux moitiés du même problème. Le montage par transcription accélère la coupe une fois que vous savez quel passage vous voulez ; un outil de clips automatique est ce qui propose les passages au départ. L'un peut se passer de l'autre.

La transcription produit-elle les sous-titres ?

Non. Adobe précise que le montage basé sur le texte ne prend pas en charge le flux de travail des sous-titres et que ceux-ci se génèrent à partir de la séquence finale. Considérez la transcription comme une surface de coupe, pas comme votre fichier de sous-titres.

La transcription fait-elle perdre des moments ?

Elle perd le jeu. Un silence, une réaction ou un temps de respiration qui porte une blague se lit comme du bruit dans un texte : un passage uniquement par le texte peut donc supprimer ce qui faisait fonctionner le moment.