Formats audio, débits binaires et pourquoi un morceau sonne plus fort

Gardez le master sans perte, en WAV pendant le travail et en FLAC pour l'archiver. Livrez en AAC ou en Opus quand vous savez ce qui lira le fichier, en MP3 quand vous l'ignorez. La parole se diffuse en mono, à faible débit. Réglez le niveau au LUFS, pas à la crête, et laissez un décibel de marge sous la pleine échelle.

Voilà la décision. Le reste explique pourquoi.

À quoi sert chaque format

Sans perte signifie que les échantillons décodés sont identiques à ceux qui sont entrés ; FLAC gagne de la place en prédisant chaque échantillon à partir des précédents et en ne stockant que l'erreur. Les formats avec perte suppriment définitivement de l'information, en s'appuyant sur un modèle de ce que l'oreille ne remarquera pas.

uncompressed   44100 x 16 x 2 / 8 = 176400 B/s = 10.6 MB per minute
lossy          192000 / 8 x 60    = 1.44 MB per minute

Fréquence d'échantillonnage et profondeur de bits

La fréquence d'échantillonnage indique à quelle cadence la forme d'onde est mesurée. La limite de Nyquist veut qu'un signal échantillonné porte les fréquences allant jusqu'à la moitié de cette cadence et rien au-dessus : 44,1 kHz couvre donc tout ce qui se situe sous 22,05 kHz, et l'audition humaine s'arrête vers 20 kHz, plus tôt avec l'âge. Utilisez 48 kHz aux côtés de la vidéo ; les fréquences supérieures ne servent qu'en production.

La profondeur de bits fixe la dynamique, pas le niveau de détail. Chaque bit vaut environ 6 dB : 16 bits placent donc le plancher de bruit à peu près 96 dB sous la pleine échelle, et 24 bits à peu près 144 dB, dont les convertisseurs restituent environ 120. Ces bits sont une marge d'enregistrement : gardez un niveau prudent, puis remontez-le plus tard sans faire monter de souffle audible. Les fichiers terminés et nivelés n'en ont pas besoin.

Le suréchantillonnage n'apporte rien : interpoler du 44,1 kHz en 96 kHz double la taille du fichier sans ajouter d'information, et compléter jusqu'à 24 bits emporte avec soi le plancher de bruit d'origine. Chaque rééchantillonnage fait passer un filtre : un aller-retour en 48 kHz est donc une petite perte pour rien.

Le débit binaire, et à partir d'où en ajouter ne sert plus

Les chiffres sont en kbps. MP3 accuse son âge aux deux extrémités : sous 96 kbps environ, il bave de manière audible, et au-delà de 192 kbps environ, les progrès deviennent très difficiles à entendre, si bien que 320 kbps achètent de la certitude plutôt que de la qualité. AAC réclame environ les deux tiers du débit pour le même résultat. Opus fait mieux encore, et son avance se creuse à mesure que le débit baisse, car aux faibles bandes passantes il bascule dans un mode construit autour de la façon dont la parole est produite : une voix qui exige 64 kbps en MP3 s'en tire très bien avec la moitié.

Augmenter le débit en convertissant un fichier avec perte en un autre ne restaure rien. Un MP3 à 128 kbps réencodé à 320 kbps conserve fidèlement, dans un gros fichier, les artefacts du petit, et le second encodeur dépense des bits à les traiter comme du vrai son. Partez du master sans perte.

Mono, stéréo et repli en mono

La stéréo coûte environ deux fois plus cher que le mono à qualité égale. Une personne devant un seul micro ne produit aucune information stéréo : un fichier de voix parlée en stéréo, ce sont donc deux canaux presque identiques, et le mono en divise la taille par deux sans rien perdre. La musique et les prises d'ambiance restent en stéréo.

Le repli n'est pas gratuit. Le mixage descendant fait la moyenne des canaux : tout ce qui est en opposition de phase entre la gauche et la droite s'annule donc, et un effet d'élargissement ou un câble de micro inversé peut s'amincir ou disparaître, en mono seulement. Vérifiez-le avant de publier, et atténuez d'environ 3 dB, puisque la sommation fait monter le niveau.

Crête, RMS et LUFS

La crête est la valeur d'échantillon la plus élevée, en dBFS, avec 0 pour plafond numérique absolu. Normaliser sur la crête met le fichier à l'échelle pour que son échantillon le plus fort tombe sur la cible : un enregistrement discret qui contient un seul claquement de porte reste donc discret, le claquement rejoint le plafond et tout le reste bouge à peine. Le RMS fait la moyenne de l'énergie sur une fenêtre, ce qui se rapproche de ce que l'on entend, mais traite 60 Hz et 3 kHz à égalité. Le LUFS pondère la mesure pour modéliser l'audition, écarte les passages calmes et donne un seul chiffre pour tout le programme. Les plateformes mesurent en LUFS.

Comme les plateformes ramènent tout vers une cible, masteriser plus fort ne se traduit plus par une lecture plus forte ; la plateforme baisse le morceau et l'auditeur récupère la dynamique écrasée sans le gain de volume. C'est ainsi que la guerre du volume s'est achevée, après deux décennies de limitation toujours plus dure qui ont laissé des masters où presque rien ne sépare la crête du niveau moyen, ce qui s'entend comme plat et fatigant.

L'écrêtage, c'est un échantillon qui dépasserait la pleine échelle et se retrouve tronqué au maximum, ce qui aplatit le sommet de la forme d'onde et engendre de la distorsion harmonique. La crête réelle va plus loin : la forme d'onde reconstituée entre les échantillons peut monter au-dessus du plus haut échantillon stocké, si bien qu'un fichier mesuré à -0,1 dBFS peut atteindre +0,5 dBTP et écrêter en sortie. Laissez le plafond à -1 dBTP, plus bas encore si un encodage avec perte doit suivre. Volume audio sait normaliser vers une cible au lieu de décaler d'un nombre fixe de décibels.

Clics, raccords et coupes

Coupez une forme d'onde en un point quelconque et vous tomberez le plus souvent en plein milieu d'un cycle, sur une valeur non nulle : la sortie passe donc au silence en un seul échantillon. Cette marche est une impulsion large bande, que l'on entend comme un clic. Cinq à vingt millisecondes de fondu à chaque point de montage la font disparaître et sont trop courtes pour s'entendre ; sur un raccord, un fondu enchaîné de dix à cinquante millisecondes est plus propre encore.

Les raccords supposent un accord. Les fichiers doivent partager une fréquence d'échantillonnage, car un fichier en 48 kHz concaténé dans un flux en 44,1 kHz se lit environ neuf pour cent trop lentement et trop bas, ainsi qu'un nombre de canaux, sans quoi une section atterrit dans les mauvais canaux. Alignez aussi le volume sonore. Rééchantillonnez avec le Convertisseur audio, nivelez avec Volume audio, puis passez par Fusionner l'audio. Vitesse audio prend en charge les changements de vitesse voulus : le rééchantillonnage déplace ensemble la hauteur et la vitesse, alors que conserver la hauteur suppose un étirement temporel, qui peut étaler les transitoires.

Une coupe peut se passer entièrement de réencodage, sans rien coûter en qualité. Le WAV est précis à l'échantillon près, puisque la coupe se ramène à une copie d'octets ; les formats compressés sont bâtis sur des trames, et une coupe par simple copie ne peut tomber que sur une frontière de trame.

MP3 frame = 1152 samples = 26.12 ms at 44.1 kHz
cut asked for at 12.000 s
nearest boundaries: frame 459 = 11.990 s, frame 460 = 12.016 s

AAC utilise des trames de 1024 échantillons, environ 21 ms à 48 kHz, et Opus travaille normalement par paquets de 20 ms. MP3 dispose en plus d'un réservoir de bits, qui permet à une trame d'emprunter de la place aux précédentes : la première trame après une coupe peut donc manquer de données et produire un défaut. Quand la frontière doit être exacte, laissez Découper l'audio réencoder et acceptez une génération de perte.

Ce qu'un navigateur peut avaler

Tout cela se passe en mémoire. Les fichiers sont décodés en échantillons bruts avant que quoi que ce soit puisse être mesuré, fondu, raccordé ou réencodé, en général sous forme de flottants 32 bits : une heure de stéréo en 44,1 kHz représente environ 635 Mo en PCM 16 bits et 1,27 Go une fois décodée. Le plafond mémoire d'un onglet se situe très en dessous de ce qu'une application de bureau peut adresser : la limite est donc la durée, pas le format. Coupez d'abord, ou découpez un long enregistrement et fusionnez les morceaux.