Améliorer une voix

Dix traitements à la suite : réduction de l'écho de la pièce, débruitage par réseau de neurones (DeepFilterNet3), clics de bouche, « euh » et bégaiements coupés (mode Studio), blancs trop longs raccourcis, respirations adoucies (pas supprimées : une voix sans respiration sonne faux), égalisation de la voix, nivelage et compression douce, puis volume réglé au standard choisi. Chaque traitement se désactive dans les réglages.

Rapide fait tout sur votre appareil : rien n'est envoyé. Studio ajoute la coupe des « euh » et des bégaiements : pour les repérer, une copie compressée de la voix (déjà nettoyée) est envoyée à notre serveur, qui renvoie seulement la liste des mots et de leurs instants. Les coupes sont faites dans votre navigateur. La copie n'est pas conservée : elle est effacée dès la transcription finie.

Il reconstruit la voix au lieu de seulement la nettoyer : un modèle d'IA (Sidon, de Sarulab Speech, licence MIT : github.com/sarulab-speech/Sidon) réécoute l'enregistrement et le resynthétise en qualité studio, en pleine bande. C'est très efficace sur un appel téléphonique, une pièce qui résonne ou un micro médiocre. Une copie de la voix est envoyée à notre serveur pour ce calcul, puis effacée. Le timbre peut changer légèrement : comparez avec le lecteur avant / après. Les « euh », les blancs et le volume sont ensuite traités comme en mode Studio.

−16 LUFS par défaut (mesure EBU R128), la référence des podcasts (Apple Podcasts, Spotify). Dans les réglages : −14 LUFS pour les réseaux sociaux et YouTube, −23 LUFS pour la diffusion (radio, télévision). La crête est toujours limitée à −1,5 dBTP pour éviter la saturation.

Il est nettement réduit : la traîne qui reste entre les mots baisse de plus de 20 dB sur nos essais dans une grande salle. Une voix enregistrée très loin du micro garde un peu de couleur de pièce : rien ne remplace un micro proche.

Chaque coupe est faite au bord de la voyelle hésitante, avec un fondu enchaîné de 15 ms, et la pause autour est ramenée à une durée naturelle. Seuls les « euh », « hum » et les répétitions involontaires (« je je », « ce que, ce que ») sont coupés ; « très très » ou « non non » sont gardés. Écoutez l'avant et l'après : si une coupe vous gêne, désactivez ce traitement.

Oui. La voix nettoyée est remise dans la vidéo, l'image copiée telle quelle, sans perte. Par défaut rien n'est coupé dans une vidéo ; si vous activez la coupe des « euh » ou des blancs, l'image est recoupée aux mêmes endroits (réencodage en MP4, plus long) pour rester synchrone.

L'outil reconnaît tout seul une voix au téléphone (bande étroite) et adapte les réglages : débruitage moins agressif, égalisation qui dégage le nasillard. Les aigus perdus par le téléphone ne peuvent pas être recréés.

20 minutes par fichier, gratuit, sans compte. Comptez une à deux minutes de calcul pour dix minutes de son sur un ordinateur récent, davantage sur téléphone. Le son produit est en mono, la norme pour une voix.