Comment fonctionne la suppression du bruit : profils de bruit, IA et régénération de la voix

Un enregistrement réunit de nombreuses fréquences à la fois

Tout son est un mélange de fréquences. Un bourdonnement est un son grave, le souffle un éventail de sons aigus, et une voix un ensemble de sons qui change à chaque syllabe. Si l’on représente un enregistrement avec le temps qui s’écoule de gauche à droite et la hauteur des sons qui augmente de bas en haut, la parole apparaît sous forme de stries lumineuses, tandis qu’un bruit constant forme un voile derrière elles.

1. Le profil de bruit : identifier le bruit, puis le supprimer partout

La méthode classique ne vous demande qu’une chose : quelques secondes sans parole, où l’on n’entend que le bruit. Dans Denoise, c’est le rôle du moteur Classique, qui vous invite à marquer un tel passage et vous en propose quelques-uns. Il mesure sur ce passage le niveau du bruit dans chaque bande de fréquences, ce qui constitue un profil de bruit, puis atténue d’autant ces bandes dans tout l’enregistrement. Le réglage Niveau de réduction du bruit détermine jusqu’où aller.

Cette méthode fonctionne au mieux sur un bruit qui ne change jamais : un ventilateur, un climatiseur, un bourdonnement électrique, le souffle d’une bande magnétique. Elle a du mal avec les bruits qui vont et viennent, comme la circulation, le vent ou des gens qui parlent, car un seul profil de bruit ne peut pas tout décrire. Et comme elle atténue partout les mêmes bandes, si on la pousse fort, elle laisse un son aqueux et chevrotant et appauvrit la voix partout où la voix et le bruit partagent des fréquences.

2. La réduction du bruit par IA : la même idée, automatisée

Les modèles de débruitage par IA font le même travail sans vous demander d’échantillon. Ils ont été entraînés sur des milliers d’heures de parole propre mêlée à toutes sortes de bruits, si bien qu’ils ont appris à quoi ressemble une voix sur cette image, et à quoi ressemble le bruit. Toutes les quelques millisecondes, ils estiment, bande par bande, quelle part du son est de la voix, la conservent et atténuent le reste. Comme ils décident à nouveau à chaque instant, ils suivent les bruits qui changent : une voiture qui passe, une rafale de vent, une porte.

C’est ce que fait AI · Auto par défaut dans Denoise, les modèles DPDFNet et DeepFilterNet étant aussi proposés séparément sous les noms AI · DPDFNet et AI · Fast Denoise ; AI · aTENNuate, lui, travaille directement sur l’onde sonore plutôt que sur des bandes de fréquences. Tous travaillent uniquement avec le son enregistré : ils ne peuvent donc pas ajouter de mots que personne n’a prononcés. L’Intensité du débruitage détermine la quantité de bruit retirée, et en laisser un peu donne souvent un rendu plus naturel.

3. La restauration : reconstruire ce que l’enregistrement a perdu

Certains enregistrements n’ont pas seulement gagné du bruit : ils ont aussi perdu une partie de la voix. Un appel téléphonique, un vieil enregistreur vocal ou une forte compression peuvent couper les hautes fréquences, si bien qu’une voix paraît étouffée même dans une pièce calme. L’option Restaurer la qualité vocale reconstruit cette partie haute manquante à partir de ce qui reste. Elle complète la voix au lieu de la remplacer, de sorte que les mots restent ceux qui ont été prononcés ; ce qu’elle ajoute, c’est une brillance plausible, et non les détails perdus.

4. La régénération : une nouvelle voix à partir d’une description de l’ancienne

Les modèles de restauration les plus récents vont plus loin. Ils écoutent l’enregistrement abîmé, déterminent la parole qu’ils pensent y trouver et en génèrent un nouvel enregistrement, à la manière d’un synthétiseur vocal. C’est ce qui permet à AI · Sidon de sauver de l’audio qu’un modèle de débruitage ne peut pas sauver : des voix fortement distordues, saturées ou très étouffées.

Le hic, c’est que le résultat correspond à ce que le modèle juge le plus probable. Quand il manque une trop grande partie de l’original, un modèle de régénération peut produire une parole qui sonne juste, avec la bonne voix et le bon rythme, mais qui prononce des syllabes que personne n’a dites, parfois du pur charabia. C’est exactement ce que nous avons entendu avec VoiceFixer, le modèle qu’utilisait Denoise auparavant, sur l’enregistrement très abîmé d’un cours : une parole claire, mais dénuée de sens. Sidon, qui l’a remplacé, a été conçu et testé pour conserver les mots, mais aucun modèle de régénération n’est à l’abri : vérifiez donc les noms et les chiffres dans tout ce qui compte, et ne recourez à la régénération que lorsque la suppression du bruit habituelle n’y peut rien.

Ce qui détermine la qualité que peut atteindre le résultat

Chacune des méthodes ci-dessus ne peut travailler qu’avec ce que l’enregistrement contient encore. Quatre facteurs comptent le plus :

• La part de la voix qui a survécu. Si une partie de la voix n’a jamais été enregistrée, ou a été éliminée par un format de faible qualité, la suppression du bruit ne peut pas la faire revenir ; seule la restauration peut en ajouter une version plausible.
• Le niveau du bruit par rapport à celui de la voix. Quand le bruit est aussi fort que la voix ou plus fort, les deux partagent la plupart des fréquences, et retirer le bruit emporte avec lui des parties de la voix : le résultat paraît grêle, étouffé ou robotique.
• Une éventuelle saturation de l’enregistrement. Si le son était trop fort pour le micro ou pour le niveau d’enregistrement, les crêtes de l’onde sonore ont été aplaties. Cette distorsion crépitante fait désormais partie de la voix et n’est pas un bruit distinct : un modèle de débruitage la laisse donc en place ; seule la régénération peut la redessiner.
• Les autres sons qui, en arrière-plan, ressemblent à une voix. D’autres personnes qui parlent, ou de la musique chantée, ressemblent à de la parole pour toutes les méthodes, si bien qu’une partie reste. Pour la musique, AI · Music sépare plutôt la voix des instruments.

L’écho n’est pas du bruit

L’écho d’une pièce, ou réverbération, c’est la voix elle-même qui revient un instant plus tard, renvoyée par les murs, le plafond et le sol. Comme il est fait du même son, il est plus difficile à supprimer que le bruit : les modèles de débruitage par IA en réduisent une partie, mais dans une salle, une cage d’escalier ou une pièce vide, les mots se brouillent les uns dans les autres, et aucun réglage ne les rend parfaitement nets. La solution, c’est la distance : plus le micro est proche de la bouche, plus la voix est forte par rapport à son écho.

La meilleure suppression du bruit se fait avant d’enregistrer

Les logiciels sauvent des enregistrements ; ils ne peuvent pas récupérer un son qui n’a jamais été capté. Quelques habitudes font plus que n’importe quel réglage :

• Rapprochez le micro. Un téléphone tenu près de la personne qui parle fait mieux qu’un téléphone posé sur une table à l’autre bout de la pièce. Pour les interviews et les vidéos, un micro-cravate (lavalier) fixé au col de la personne qui parle apporte à lui seul la plus grande amélioration, avec ou sans fil.
• Protégez-le du vent. Une bonnette en mousse ou à poils sur un micro externe aide en extérieur ; avec un téléphone, tournez le dos au vent ou abritez le téléphone avec votre main ou dans un coin.
• Surveillez le niveau. Si l’indicateur de niveau atteint le haut, le son sature. Un niveau un peu trop faible est plus sûr, car un son faible peut être remonté plus tard, alors que la saturation ne peut pas être annulée.
• Choisissez l’endroit le plus calme possible. Éteignez les ventilateurs et la climatisation pendant l’enregistrement, et éloignez-vous de la circulation et des machines en marche.
• Les pièces feutrées résonnent moins. Meubles, rideaux, tapis et bibliothèques absorbent l’écho ; carrelage, vitres et pièces vides le renvoient.