Sous-titres souples ou incrustés : intégrés ou gravés dans l’image ?
Il existe exactement deux façons pour que des sous-titres vivent dans une vidéo, et toute décision de flux de travail découle de celle dont vous disposez. Les sous-titres souples sont une piste texte stockée à côté du flux vidéo — les images ne sont pas modifiées, et le lecteur rend le texte au moment de la lecture. Les sous-titres incrustés sont peints dans les pixels pendant l’encodage : les lettres font partie de l’image, pour toujours. Les sous-titres souples peuvent être désactivés, changés de langue, restylés et extraits sous forme de texte ; les sous-titres incrustés se lisent à l’identique sur littéralement tout ce qui lit la vidéo, au prix d’être permanents. Les uns sont des données à côté de l’image ; les autres sont l’image.
Cinq faits pour ancrer la suite de la page :
• souple = piste texte multiplexée dans le conteneur (SRT/VTT/ASS) ; incrusté = sous-titres gravés dans les images
• l’intégration souple est un remux — quelques secondes, aucune perte de qualité ; l’incrustation est un réencodage — chaque image est rendue à nouveau et recompressée
• les sous-titres souples pèsent quelques kilo-octets ; les sous-titres incrustés n’ajoutent rien à la taille mais ne peuvent plus être retirés
• l’extraction fonctionne sur les sous-titres souples (ce sont du texte) ; le texte incrusté est constitué de pixels — cela demande une reconnaissance optique (OCR), et la qualité n’est jamais garantie
• les horodatages SRT sont au format HH:MM:SS,mmm — par ex. 00:01:22,480 → 00:01:25,120 est une ligne de 2 640 ms
Intégration souple : ajout d’une piste texte
L’intégration souple écrit votre fichier de sous-titres dans le conteneur comme piste supplémentaire, à côté des pistes vidéo et audio — le flux vidéo lui-même est copié octet par octet. C’est pourquoi elle se termine en quelques secondes sans rien perdre : c’est la même opération de « remux » que le changement de conteneur (voir la page MP4 pour les bases des conteneurs). La difficulté est la prise en charge : le conteneur doit accepter les pistes de sous-titres (MKV et MP4 le font ; certains appareils les ignorent quand même), et le lecteur doit les rendre — les téléviseurs connectés et les lecteurs de téléphone standard sont notoirement incohérents, ce qui explique pourquoi les incrustations existent toujours.
Incrustation : peindre le texte dans les images
Incruster des sous-titres re-rend chaque image de la vidéo avec le texte composé par-dessus, puis recompresse le résultat — un réencodage complet avec tout ce que cela implique : cela prend autant de temps qu’un encodage, et chaque image subit une seconde génération de compression. Les polices sont intégrées (aucune surprise de « police manquante » sur la machine du spectateur), le positionnement et le style sont exacts, et la compatibilité de lecture est totale, car la sortie n’est qu’une vidéo ordinaire. Le compromis est définitif : le texte est indissociable de l’image, et corriger une coquille implique de réencoder à nouveau depuis la source d’origine.
SRT, VTT et ASS : trois formats de sous-titres
SRT (SubRip) est le minimum universel : lignes numérotées, horodatages début → fin, texte brut. Tous les lecteurs de la planète le lisent. VTT (WebVTT) est son cousin natif du web — même principe, des points . pour les millisecondes au lieu de virgules ,, plus des crochets pour le style et le positionnement que l’élément HTML5 <track> utilise. ASS (Advanced SubStation Alpha) est le format des passionnés : polices, couleurs, contours, rotation, animation caractère par caractère — le format derrière les sous-titres stylés d’animés — ce qui explique précisément pourquoi le MKV peut joindre dans le fichier les polices dont une piste a besoin (voir la page MKV). Incruster un style ASS exige que les polices soient disponibles au moment de l’encodage ; le lire en souple l’exige au moment de la lecture.
Extraction : pourquoi elle ne fonctionne vraiment que pour les sous-titres souples
Extraire une piste de sous-titres souple revient à extraire du texte du conteneur — parfait, puisque c’est ce qui a été stocké. Retrouver les sous-titres d’une vidéo incrustée est un problème de vision par ordinateur (OCR sur chaque image, estimation de la zone du texte, nettoyage de l’arrière-plan derrière les lettres) ; cela fonctionne raisonnablement sur un texte net et fixe, et se dégrade vite avec des polices stylées, du mouvement ou du grain. Si vous avez besoin du texte plus tard, conservez (ou demandez) la version souple.
Idées reçues courantes
- « Les sous-titres fournis avec le fichier peuvent toujours être désactivés. » Seulement les souples. S’ils ne se désactivent jamais, ils sont gravés dans les pixels et aucun lecteur ne peut les retirer.
- « Intégrer des sous-titres réencode la vidéo. » L’intégration souple fait un remux — instantanée et sans perte. Seule une incrustation réencode.
- « Les fichiers de sous-titres rendent les vidéos beaucoup plus lourdes. » Une piste souple est du texte : le fichier de sous-titres d’un film entier fait des dizaines à quelques centaines de kilo-octets, noyés dans l’arrondi des mégaoctets d’une vidéo.
- « L’incrustation est simplement plus sûre, il faut donc toujours incruster. » Elle est plus sûre pour la compatibilité de lecture, et définitivement moins pratique pour modifier, traduire ou rendre accessible plus tard. Incrustez pour une diffusion vers des appareils inconnus ; intégrez lorsque le texte doit rester une donnée.
Outils associés : Convertisseur SRT/VTT/ASS pour transférer le texte des sous-titres entre les trois formats, Parole vers sous-titres pour générer un fichier de sous-titres à partir d’un son, Vidéo vers MKV pour le conteneur offrant la meilleure prise en charge des sous-titres multipistes, et Vidéo vers MP4 pour les bases du remux.
