Le bruit de fond d’une vidéo s’enlève, mais la voix en garde des traces

Souffle de micro, ventilation, circulation, écho : la nature du bruit détermine le traitement, et tout traitement laisse des traces sur la voix. Réduction classique, débruitage par IA, logiciel de montage, application ou service en ligne : ce que chaque approche rattrape, et où elle s’arrête.

« Supprimer » le bruit de fond est un abus de langage. Dans son test de la réduction de bruit dans Premiere Pro, le formateur Larry Jordan rappelle que le bruit et la voix partagent les mêmes fréquences : trop de réduction détériore la voix. Le réglage vise donc le point où le bruit ne gêne plus sans que la voix en souffre, pas le silence autour d’elle.

Un bruit n’est pas l’autre : le traitement dépend de sa nature

Dolby définit le bruit comme un son indésirable, une notion qui varie selon le contexte. Ses API analysent le contenu et choisissent entre plusieurs algorithmes de réduction de bruit ou d’isolation de la voix : il n’existe pas de méthode unique. Selon le cas, on se tourne vers des traitements différents.

• Le bruit constant : souffle de ventilateur, bourdonnement de réfrigérateur. C’est le cas où la réduction classique marche le mieux.
• Les grondements graves : manipulation du micro, grondements. Un filtre passe-haut les retire, comme le rappelle le guide de Buzzsprout sur Auphonic. C’est un traitement simple, distinct de la réduction de bruit large bande.
• Le ronflement du secteur : selon un site de formation tiers (non officiel) consacré à DaVinci Resolve, l’outil De-Hummer s’en charge (50/60 Hz), tandis que Noise Reduction est réservé au souffle constant.
• Le fond qui change : le même site oriente vers Voice Isolation, disponible dans la version Studio de Resolve.
• La réverbération : ce n’est pas un bruit posé à côté de la voix, mais un effet de la pièce imprimé sur elle. Auphonic la traite comme un paramètre distinct du bruit.

La prise de son décide de ce qu’on pourra rattraper

Même Descript, éditeur d’un outil à base d’IA, conseille d’enregistrer au calme : la qualité de la source reste déterminante. La documentation de la réduction classique va dans le même sens : le résultat peut décevoir si la voix n’est pas nettement plus forte que le bruit.

La distance au micro pèse sur l’écho. Dans une expérience de recherche décrite sur arXiv, un locuteur placé à 2 m du micro, dans une pièce dont le temps de réverbération T60 est de 0,7 s, produit une réverbération qualifiée de « très forte ». C’est une illustration chiffrée, pas une règle générale.

Quelques gestes évitent d’avoir à corriger après coup :

• placer le micro près de la bouche ;
• couper la ventilation ;
• fermer la fenêtre ;
• choisir une pièce moins réverbérante.

Si le micro de la caméra capte moins bien que celui d’un téléphone, un mémo vocal enregistré en parallèle sur le téléphone peut servir de source audio de secours. Il se nettoie de la même façon.

Réduction classique et débruitage par IA : deux logiques

La réduction classique repose sur l’apprentissage d’un « profil de bruit », comme l’explique le manuel d’Audacity. Il faut donc un passage où l’on n’entend que le bruit. Auphonic propose lui aussi un débruiteur de ce type, qui demande un court passage silencieux pour extraire l’empreinte du bruit.

Le manuel reconnaît plusieurs limites : le résultat peut être insatisfaisant si le bruit est fort ou variable, si la voix n’est pas nettement plus forte que lui, ou s’il occupe les mêmes fréquences que la voix. Il précise aussi que réduire le bruit abîme toujours un peu le signal. Un réglage plus fort que nécessaire dégrade l’audio restant, d’où le conseil de prendre la valeur la plus basse qui suffit.

Le débruitage par IA procède autrement : un réseau de neurones sépare la parole de ce qu’il y a derrière, puis écarte le reste. Descript, dont Studio Sound est conçu pour la voix parlée (entretiens, podcasts, vidéos face caméra, avec un curseur d’intensité) et non pour le mastering musical, affirme que les autres outils filtrent ou soustraient du son, ce qui rend la voix métallique, alors que son IA serait « régénérative ». C’est un argument commercial de l’éditeur. Auphonic, de son côté, réunit plusieurs approches : isolation de la voix, débruiteur dynamique ou statique, version classique.

Dans le test de Larry Jordan, un utilisateur expérimenté mesure environ 6 dB de bruit de fond en moins avec Enhance Speech de Premiere, sans baisse correspondante du niveau de la voix. C’est un test individuel, pas une valeur garantie. Selon Wikipédia, cet outil d’Adobe n’est pas adapté au chant, et une source trop étouffée peut y donner un léger zézaiement.

Voix métallique, creuse, « sous l’eau » : d’où viennent les artefacts

Avec la réduction classique, la distorsion est considérée comme normale, surtout quand le bruit est très fort ou variable par rapport à la voix. Le logiciel ne peut pas retirer ce qui ressemble à la voix sans toucher à la voix. Audacity permet d’écouter le « résidu », c’est-à-dire ce qui sera retiré : c’est le moyen de repérer les dégâts sur la parole.

L’IA a ses propres défauts. Une revue indépendante liste ce qu’il faut écouter après un traitement : queues « aqueuses », consonnes métalliques, pompage, clics, syllabes manquantes, changements brusques d’ambiance sonore. Elle note aussi que le débruitage peut traiter à tort des détails vocaux non verbaux comme du bruit, ce qui rend la voix moins naturelle. Ces défauts se remarquent mieux sur une longue conversation que sur une démonstration de dix secondes : jugez sur une longue séquence, pas sur l’exemple le plus flatteur.

Voix qui se chevauchent, musique, écho : les cas qui résistent

Quand plusieurs personnes parlent en même temps ou qu’une musique passe en fond, le bruit occupe les mêmes fréquences que la voix, ce que le manuel d’Audacity range parmi les situations décevantes. Auphonic permet de choisir la méthode segment par segment, ou de désactiver le débruitage pour les jingles, la musique et les effets.

L’écho de la pièce pose un problème de nature différente. La réverbération est imprimée sur la forme d’onde de la voix : isoler la voix en conserve donc l’essentiel. Certains outils la traitent comme un paramètre à part. Auphonic règle séparément le bruit, la réverbération et les respirations, et permet de garder un peu de réverbération pour préserver une impression d’espace. NVIDIA Broadcast, conçu pour les visioconférences et les diffusions en direct, propose la suppression par IA du bruit et de l’écho de pièce, avec pour exemples la frappe au clavier, les ventilateurs du PC et les environnements bruyants.

Choisir son outil, et le moment de traiter

Les logiciels de montage intègrent le traitement au projet : Enhance Speech dans Premiere Pro, ou, dans DaVinci Resolve, un outil par type de bruit (Noise Reduction, De-Hummer, Voice Isolation en version Studio). Les applications comme Descript appliquent Studio Sound à une vidéo importée (MP4, MOV, M4V), avec un curseur d’intensité. Selon l’éditeur, les bruits inhabituels ou très forts peuvent y exiger des retouches manuelles. Les services comme Auphonic, orientés audio et podcasts, proposent plusieurs débruiteurs et des curseurs séparés pour le bruit, la réverbération et les respirations.

Pour traiter un fichier tel quel, sans extraire la piste ni passer par un logiciel de montage, un outil qui isole la voix par IA et retire le reste du son est une autre option. Il accepte la vidéo (MP4, MOV, AVI, MKV, WebM) comme l’audio seul, jusqu’à 2 Go, et remet la piste nettoyée sur la même image. L’éditeur indique que le flux vidéo est copié sans retouche pour la plupart des formats, et que le premier essai se fait sans inscription. Ses limites sont celles de l’isolation de la voix : l’outil isole « une voix », pas un locuteur choisi, si bien qu’une deuxième personne qui parle ou un chant en fond peuvent se mélanger à la voix conservée. Il est le plus efficace sur les bruits constants non vocaux (ventilation, climatisation, circulation, vent, souffle de micro). L’écho d’une pièce ne s’atténue qu’un peu, et une voix noyée sous un bruit très fort a moins de matière à récupérer.

Pour l’ordre des opérations, nettoyer le son avant la transcription automatique et la détection des silences ou des tics de langage leur laisse moins de bruit à gérer, puisque ces fonctions lisent la même piste. Quel que soit l’outil, réécoutez en priorité les passages les plus faibles, un aparté chuchoté ou le début d’une phrase : c’est là qu’un reste de bruit ou un artefact se remarque le plus. Si la voix sonne creuse ou métallique, baissez l’intensité et recommencez, en gardant la valeur la plus basse qui suffit. Enfin, si le fichier est sensible, lisez les conditions d’un service en ligne pour savoir où le traitement a lieu avant de l’envoyer.