A pure ES6 example using the VTTCue API to add subtitles to a video track + speech synthesis for fun

VTTCue-example.js

fetch('oneview.md')
    .then((res) => res.text())
    .then((subtitles) => {
	// Je parse votre fichier de sous-titres
	const lines = subtitles.split("\n")[Symbol.iterator]();

	const track = {
	    label: lines.next().value,
	    cues: []
	};
	lines.next();
	const cue_regex = /^(.*) \(([0-9]):([0-9]{2})\)$/;
	let cue_end = true;
	let cue_payload = null;
	for (let l of lines) {
	    if (l === '' && cue_end) {
		const [, comment, cue_min, cue_sec ] = cue_regex.exec(lines.next().value);
		lines.next();
		const start = (60*parseInt(cue_min) + parseInt(cue_sec))*1000 + 1;
		if (track.cues.length > 0)
		    track.cues[track.cues.length-1].end = start - 1;
		cue_payload = [];
		track.cues.push({
		    start: start,
		    comment: comment,
		    payload: cue_payload,
		})
		cue_end = false;
	    } else if (l === '' && !cue_end) {
		cue_end = true;
	    } else {
		cue_payload.push(l);
		cue_end = false;
	    }
	}
	track.cues[track.cues.length-1].end = 60*60*1000;

	// Je le convertis en VTT, je ne m'en sers pas, mais ça peut être utile
	// pour écrire un convertisseur
	const escape = (string) => string
	      .replace('&', '&')
	      .replace('<', '&lt;')
	      .replace('>', '&gt;');
	const time = (ms) => (new Date(ms)).toISOString().match(/.*T(.*)Z/)[1]
        const vtt = [
	    `WEBVTT - ${escape(track.label)}\n`,
	    '\n'
	];
	for (let [i, cue] of track.cues.entries()) {
	    vtt.push(
		`${i+1} - ${escape(cue.comment)}\n`,
		`${time(cue.start)} --> ${time(cue.end)}\n`,
		cue.payload.map(escape).join('\n'),
		'\n',
		'\n'
	    );
	}
	console.log(vtt.join(""));

	// J'ajoute les sous-titres à la vidéo
	// ça ne pourrait pas être plus expérimental: https://w3c.github.io/webvtt/
	// ...utiliser un navigateur récent !
	const v = document.querySelector('video');
	const subs = document.querySelector('#subs');
	v.addEventListener('mouseover', (e) => v.controls = true);
	v.addEventListener('mouseout', (e) => v.controls = false);
	const t = v.addTextTrack('captions', track.label);
	for (let cue of track.cues) {
	    const c = new VTTCue(cue.start/1000, cue.end/1000, cue.payload.join('\n'))
	    t.addCue(c);
	    c.onenter = (e) => {
		subs.textContent = c.text;
		if (window.speechSynthesis)
		    window.speechSynthesis.speak(new SpeechSynthesisUtterance(c.text));
	    }
	}
	t.mode = 'showing';
    })
    .catch((err) => console.log(err));