Supprimer les silences d'un audio

L'outil mesure le volume de l'enregistrement par tranches de 10 millisecondes, en décibels (dB). Ce qui reste sous le seuil assez longtemps est considéré comme un silence. Un silence n'est jamais vide : il contient le bruit de fond de la pièce, du micro ou de la rue. Le bon seuil se situe donc juste au-dessus de ce bruit, et bien en dessous de la voix.

Le seuil automatique part de votre fichier. L'outil mesure son bruit de fond et le niveau de la voix, puis place le seuil entre les deux, plus près du bruit. Il est tracé en pointillés sur la forme d'onde : vous voyez ce qui passe dessous. Le curseur « Sensibilité » vous laisse le déplacer, et l'outil indique si votre réglage est plus prudent ou plus sensible que sa suggestion.

Deux précautions évitent de hacher les phrases. La voix doit descendre 3 dB sous le seuil avant d'être considérée comme terminée, ce qui protège les fins de mots. Et un bruit très bref, à peine plus fort que le seuil (un clic, un bruit de bouche), ne coupe pas un silence en deux.

• Seuil bas (vers −60 dB) : seuls les vrais blancs sont coupés.
• Seuil haut (vers −30 dB) : les respirations et les fins de phrase douces partent aussi.
• « Ignorer les silences plus courts que » : les petites pauses entre les mots restent en place.
• « Garder autour des paroles » : la marge laissée de chaque côté d'une phrase.

Les quatre préréglages partent du seuil automatique et changent surtout le rythme : à partir de quelle durée un silence est touché, ce qu'il en reste, et la marge gardée autour des paroles. Chacun reste modifiable ensuite, curseur par curseur.

Pour un podcast ou une interview, on raccourcit les pauses au lieu de les effacer : la conversation garde sa respiration. Une note vocale se lit vite, les silences peuvent partir en entier. Dans un cours ou une conférence, les petites pauses font partie du discours : seuls les longs blancs (le professeur écrit au tableau, la salle attend) sont réduits. « Agressif » resserre tout, au prix d'un débit moins naturel.

• Podcast : silences de 0,6 s et plus, raccourcis à 0,35 s, marge de 0,12 s.
• Note vocale : silences de 0,4 s et plus, supprimés, marge de 0,1 s.
• Cours / conférence : silences de 1,5 s et plus, raccourcis à 0,6 s, marge de 0,25 s, seuil 3 dB plus prudent.
• Agressif : silences de 0,2 s et plus, supprimés, marge de 0,05 s, seuil 4 dB plus haut.

« Supprimer » retire chaque silence en entier, sauf la marge autour des paroles. C'est le plus efficace pour gagner du temps : dictée, note vocale, voix off enregistrée en plusieurs prises. L'inconvénient s'entend sur une vraie conversation : les phrases s'enchaînent sans reprise de souffle.

« Raccourcir » ramène chaque silence à une longueur fixe, 0,35 seconde par exemple. Une pause dit quelque chose : fin d'une idée, hésitation, effet voulu. En la réduisant au lieu de l'effacer, on garde la ponctuation du discours et on enlève seulement l'attente. C'est le réglage conseillé pour un podcast.

Dans les deux cas, chaque raccord reçoit un fondu enchaîné de 5 millisecondes entre le son d'avant et le son d'après, pour éviter les clics. Et vous gardez la main : une zone rouge touchée sur la forme d'onde, ou « Garder » dans la liste des coupes, laisse ce silence en place.

Le MP3 est lu par tous les appareils et toutes les messageries. Pour de la voix, 128 kbit/s suffisent ; 64 ou 96 kbit/s donnent un fichier plus léger pour une note vocale, 192 kbit/s et plus servent quand il y a de la musique.

Le M4A (son AAC) est plus léger que le MP3 à qualité égale. Il est lu par les téléphones, les navigateurs et les logiciels de montage. Il n'est proposé que si votre navigateur possède un encodeur AAC.

Le WAV n'est pas compressé : aucune perte, mais environ 5 Mo par minute en mono et 10 Mo en stéréo. Choisissez-le si vous continuez le montage dans un autre logiciel. L'outil affiche la taille estimée avant l'export et signale un fichier plus lourd que l'original.

Une précision : si votre fichier est déjà un MP3 ou un M4A, l'exporter dans un format compressé le réencode une seconde fois. À 128 kbit/s et plus, la différence ne s'entend pas sur de la voix.

La plupart des outils en ligne envoient votre enregistrement sur leurs serveurs. Celui-ci ne le fait pas : le programme est chargé dans votre navigateur, puis il travaille sur votre téléphone ou votre ordinateur. Une interview, un cours ou un message privé restent donc chez vous, et il n'y a rien à supprimer d'un serveur ensuite.

Le fichier n'est jamais chargé en entier en mémoire. Il est décodé par petits morceaux, mesuré, puis réécrit au fur et à mesure : c'est ce qui permet de traiter jusqu'à 3 heures d'enregistrement. La vitesse dépend de votre appareil, pas de votre connexion. Lors de nos essais sur un ordinateur portable récent, un MP3 de deux heures et demie a été analysé en une vingtaine de secondes, et exporté dans le même temps. Un téléphone est plus lent.

Vos réglages sont mémorisés dans le navigateur pour la prochaine fois. Vos enregistrements ne le sont jamais.