Supprimer le bruit de fond d’un audio, directement sur votre téléphone

Ce qu’on appelle bruit de fond

Le bruit de fond, c’est tout ce que le micro capte en plus de la voix que vous vouliez enregistrer. Pour un moteur de réduction du bruit conçu pour la parole, ce qui compte n’est pas tant l’origine d’un bruit que sa façon d’évoluer dans le temps (stable, changeant ou par brèves salves) et le fait qu’il ressemble ou non à une voix.

Un enregistrement réel en mélange souvent plusieurs : un micro-trottoir cumule circulation et vent, une voix off enregistrée chez soi un ventilateur et le bourdonnement d’un chargeur. Noise Remover traite toutes les familles qu’il prend en charge en un seul passage, sans type de bruit à choisir.

Comment se déroule le nettoyage

Noise Remover nettoie avec RNNoise, un réseau de neurones open source de réduction du bruit dans la parole, développé par Xiph.Org, qui tourne sur le téléphone lui-même. Chaque fichier est d’abord converti en 48 kHz, puis passe par un filtre coupe-bas à 80 Hz qui retire le grondement très grave. Le modèle parcourt ensuite l’audio par tranches de 10 ms, découpe chacune en 32 bandes de fréquences, estime la part de voix dans chaque bande et atténue le reste.

Comme il décide tranche par tranche, il n’a pas besoin d’un passage silencieux pour apprendre le bruit au préalable, et il suit un bruit qui change, comme une voiture qui passe. Il indique aussi, pour chaque tranche, la probabilité que quelqu’un parle : c’est ce qui permet à l’application de repérer un nettoyage qui a baissé votre voix en même temps que le bruit.

Ce que vous entendez ensuite est un mélange que vous réglez. Le curseur d’intensité démarre à 80 %, ce qui plafonne la réduction vers 29 dB pour garder une voix naturelle, et le niveau prêt à publier, activé par défaut, ramène le résultat vers −16 LUFS. Le détail de la chaîne, étape par étape, se trouve sur comment ça marche.

Ce que l’application ne peut pas retirer

Le modèle est entraîné à garder la parole. Tout ce qui ressemble à de la parole, ou qui fait partie de la voix elle-même, lui échappe donc :

• Les autres voix. Une deuxième personne qui parle en même temps, ou le brouhaha d’un café, n’est presque pas atténuée et reste dans le fichier nettoyé. Un brouhaha aussi fort que la personne qui parle a aussi fait un peu baisser la voix principale, jusqu’à 3 dB dans notre test en laboratoire. Les interviews où l’on parle chacun son tour se nettoient bien, et l’application affiche un conseil quand un nettoyage a nettement baissé votre voix.
• La musique et la télévision. Une télé porte des voix, qui restent, et une chanson garde son chanteur comme une seconde voix. Un fond instrumental a baissé dans notre test, mais la musique n’est pas ce pour quoi le modèle est fait, et le résultat varie.
• L’écho de la pièce. La réverbération, c’est votre propre voix qui rebondit sur les murs : elle reste. Le bruit par-dessus disparaît, mais la voix sonne toujours lointaine. Écho et bruit de fond sont deux problèmes différents.
• Un bruit aussi fort que la voix. Le bruit disparaît, mais la voix ressort plus mince.
• Un enregistrement déjà propre. Nettoyer une voix propre peut légèrement la colorer ; l’intensité par défaut et le sélecteur Original/Nettoyé sont là pour s’en rendre compte.

Combien de bruit il retire, bruit par bruit

Dans notre test en laboratoire à pleine intensité, une voix propre a été mélangée à chaque bruit à quatre niveaux, d’aussi fort que la voix à 20 dB en dessous, puis nettoyée par le moteur même que l’application utilise. Le graphique montre de combien chaque bruit a baissé dans les pauses de la personne qui parle, et de combien le niveau de la voix elle-même a changé. Le repère à 29 dB correspond au réglage par défaut : à 80 %, l’application s’arrête volontairement avant la pleine puissance du modèle.

La colonne de droite compte autant que les barres. Sur les bruits pour lesquels l’application est faite, la voix a bougé de 1,6 dB au plus. Les lignes à part sont celles que le modèle n’atténue presque pas : les autres voix, qu’il garde comme de la parole, et la musique. Avec un brouhaha aussi fort que la personne qui parle, celle-ci a perdu jusqu’à 2,8 dB. Les bruits étaient synthétiques, et un vrai enregistrement ajoute des pièces et des micros que le test ne couvrait pas.