Enregistrer en mono sonne-t-il moins bien que la stéréo sur iPhone ?

C'est une remarque légitime. La musique est diffusée en stéréo, les films sont mixés en son surround, et une app qui ne propose qu'un seul canal peut donner l'impression de manquer de quelque chose que les autres ont. Personne ne choisit l'option qui a l'air la moins chère sur une fiche technique sans se demander ce qu'il y a perdu. La réponse honnête ici est qu'un enregistrement de voix ne perd rien, parce que ce que la stéréo ajoute n'était de toute façon jamais là à capturer.

Ce que la stéréo capture réellement

Un enregistrement stéréo, ce sont deux microphones, placés légèrement à l'écart l'un de l'autre, qui captent chacun le même son de façon légèrement différente au même instant. Cette infime différence — dans le moment d'arrivée, dans le volume, dans le timbre — est ce que les oreilles utilisent pour situer un son dans l'espace, et c'est tout le contenu d'une image stéréo. Diffusez-la sur deux enceintes ou un casque, et le cerveau reconstruit une sensation de l'endroit où se trouvaient les choses : un violon à gauche, un violoncelle à droite, une pièce avec une taille et une profondeur autour des deux. Retirez cette différence et vous n'avez pas perdu en fidélité au sens de la clarté ou du détail — vous avez perdu un type précis d'information spatiale, qui n'existait que parce que deux microphones étaient en léger désaccord sur ce qu'ils entendaient.

C'est une chose réelle et précieuse à capturer pour la bonne source. C'est aussi une chose qui n'existe que lorsque les deux microphones entendent effectivement quelque chose de différent — ce qui dépend entièrement de ce que vous enregistrez et de la distance entre les microphones, pas du fait que le format le permette ou non.

Pourquoi une seule voix devant un téléphone n'a rien de tout cela à capturer

Un téléphone qui enregistre quelqu'un en train de parler capture une seule source, à courte distance, sur un appareil dont le microphone se trouve à un seul endroit. Il n'y a pas de seconde position d'écoute à quelques centimètres pour être en désaccord avec la première — un seul microphone entend une seule voix depuis un seul point, un point c'est tout. Enregistrer cela en « stéréo » ne crée pas d'information spatiale qui n'existait pas ; cela copie le même signal identique dans deux canaux, et à l'écoute, le résultat sonne exactement comme du mono, parce que c'est précisément ce que c'est, sous l'étiquette. La seule chose qu'un fichier stéréo ajoute dans cette situation, c'est du poids — le format double les données stockées pour transporter deux copies d'un signal qui n'a jamais différé de lui-même au départ.

C'est différent d'un véritable enregistrement stéréo, disons, d'une pièce pleine de son ambiant, ou d'une scène avec plusieurs instruments répartis dessus, où deux microphones espacés de quelques mètres entendent réellement des choses différentes. Un téléphone tenu près d'une bouche n'est pas cette configuration, quelle que soit l'étiquette du fichier.

Ce qui change réellement le son d'un enregistrement vocal

Rien de tout cela n'est le nombre de canaux. Dans un ordre approximatif d'importance pour un enregistrement parlé :

• La distance entre la personne qui parle et le microphone — de loin le facteur le plus important.
• La réverbération de la pièce — une pièce aux surfaces dures ajoute un écho qu'une pièce meublée et souple n'ajoute pas.
• Le bruit de fond — la circulation, la climatisation, d'autres conversations qui se disputent le même microphone.
• L'écrêtage — parler trop près ou trop fort pour que le microphone le capture proprement, ce qui déforme le son d'une façon qu'aucun nombre de canaux ne répare ensuite.

Un enregistrement mono fait près de la personne qui parle dans une pièce silencieuse sonnera mieux qu'un enregistrement stéréo fait de l'autre côté d'une pièce bruyante, à chaque fois. Le nombre de canaux ne figure nulle part dans cette liste, parce qu'il n'a jamais été ce qui se dressait entre un enregistrement et le fait qu'il sonne bien.

Là où la stéréo mérite vraiment sa place

Il vaut la peine d'être précis là-dessus plutôt que d'écarter la stéréo en bloc, parce que c'est une fonctionnalité réelle pour une vraie catégorie d'enregistrement. L'enregistrement de terrain — capturer le son réel d'un lieu, une forêt, une rue, une salle de concert — repose entièrement sur ce que deux microphones espacés ou orientés différemment entendent, puisque tout l'intérêt est la sensation d'espace. La musique enregistrée avec des interprètes répartis dans l'espace en profite de la même façon. L'enregistrement binaural et l'ASMR vont encore plus loin, en utilisant des microphones façonnés et positionnés pour imiter les oreilles humaines, précisément pour que l'écoute au casque procure une sensation tridimensionnelle. Tous ces cas ont un point commun : la source elle-même a une disposition spatiale qui vaut la peine d'être préservée. Une personne qui parle dans un téléphone tenu à quelques centimètres de sa bouche n'en a pas.

Le poids qu'on paie pour une copie de soi-même

Comme un fichier stéréo pour une seule voix proche est en réalité deux copies identiques du même signal, il coûte environ le double du stockage du fichier mono équivalent, pour une différence qu'on ne peut pas entendre à l'écoute. Pour une courte note, cela importe à peine ; pour un cours de plusieurs heures, un long entretien, ou quelque chose enregistré sur plusieurs semaines, cela finit par représenter un espace réel dépensé pour rien. C'est l'équivalent audio de sauvegarder deux photos identiques côte à côte et d'appeler la seconde une amélioration.

Comment Voice Studio gère cela

Voice Studio enregistre en AAC mono dans un .m4a, à 22,05, 44,1 ou 48 kHz selon le réglage de qualité standard, élevée ou ultra. Il n'y a pas d'option stéréo, et c'est un choix délibéré plutôt qu'un raccourci : une seule voix enregistrée sur un téléphone n'a aucune information stéréo à préserver, donc un fichier stéréo dans cette situation ne serait jamais qu'une copie plus lourde du même signal mono. Le réglage de qualité qui mérite vraiment d'être choisi, c'est la fréquence d'échantillonnage, qui influe sur la quantité de détail capturée dans le seul canal qui compte ; le nombre de canaux n'a jamais été là où se jouait la vraie décision.

Questions fréquentes

Un enregistrement vocal en mono est-il de moins bonne qualité qu'en stéréo ?

Pas pour une seule voix enregistrée près d'un téléphone. La stéréo capture une différence spatiale entre deux positions de microphone ; un téléphone qui enregistre une seule voix proche n'a pas cette différence à capturer, donc une version stéréo de cet enregistrement ne serait que deux copies identiques du même signal, pas une version plus fidèle.

Pourquoi la stéréo sonne-t-elle mieux pour la musique mais pas pour l'enregistrement de voix ?

Parce que la musique et le son ambiant ont réellement une disposition spatiale — des instruments ou des sons répartis dans une pièce ou sur une scène — que deux microphones espacés captent différemment. Une seule bouche près d'un unique microphone de téléphone n'a pas de répartition équivalente à capturer.

Enregistrer en stéréo rend-il le fichier plus lourd sans aucun bénéfice ?

Pour un enregistrement rapproché d'une seule voix, oui. Les deux canaux finissent presque identiques, donc le format double les données stockées pour transporter une différence qui n'existe pas réellement.

Voice Studio permet-il d'enregistrer en stéréo ?

Non, il enregistre uniquement en mono, avec un choix entre trois fréquences d'échantillonnage. C'est délibéré : une voix enregistrée sur un téléphone n'a aucune information stéréo à préserver, donc une option stéréo n'ajouterait que du poids au fichier, pas de la qualité.