Pourquoi mon enregistrement iPhone résonne-t-il ?

Le scénario parlera à quiconque a enregistré dans une cuisine, une salle de réunion ou un appartement vide. La conversation semblait ordinaire pendant qu’elle avait lieu. À la relecture, tout sonne creux, boîteux et lointain, comme si la personne se tenait au bout d’un couloir. Rien n’a changé sur le téléphone entre ces deux moments : ce qui a changé, c’est que vous écoutiez avec deux oreilles et un cerveau, et que l’enregistrement, lui, s’est fait sans ni l’un ni l’autre.

C’est de la réverbération, pas un écho

Un vrai écho est une répétition distincte, assez décalée du son d’origine pour s’entendre comme un événement séparé — ce qu’on obtient en criant dans une vallée. Ce que contient presque tout enregistrement en intérieur est autre chose : de la réverbération, c’est-à-dire des centaines de réflexions sur les murs, le sol, le plafond, la table et les vitres, chacune arrivant quelques millièmes de seconde après le son direct et un peu plus faible que la précédente. Trop rapprochées pour s’entendre comme des répétitions, elles s’accumulent en une traîne qui étale chaque syllabe sur la suivante.

La distinction compte parce qu’elle désigne la solution. Un écho isolé peut parfois s’éviter en se tournant légèrement par rapport à un mur. La réverbération vient de partout à la fois : aucun angle de téléphone n’y change quoi que ce soit. Seules comptent la distance à la personne qui parle et la douceur de la pièce.

Pourquoi la pièce vous semblait normale sur le moment

L’oreille humaine est très douée pour ignorer les réflexions. Deux oreilles écartées d’une largeur de tête, plus un cerveau qui prend la première copie arrivée pour la vraie et supprime celles qui suivent : c’est un système fait pour entendre une personne et écarter la pièce où elle se trouve. Vous n’avez sincèrement pas perçu l’essentiel de la réverbération qui était là.

Le micro d’un téléphone n’a rien de tout cela. C’est une seule capsule omnidirectionnelle qui additionne en un signal unique tout ce qui lui parvient, son direct et réflexions mêlés, sans moyen de les séparer ensuite. L’enregistrement rend donc un compte fidèle de ce qu’il y avait dans l’air ; il ne correspond simplement pas à votre souvenir de la conversation, parce que ce souvenir était déjà filtré.

Ce qui fait sonner une pièce ainsi

Des surfaces dures et nues

Carrelage, verre, plâtre, béton, stratifié et tables nues renvoient presque toute l’énergie sonore qui les atteint. Les salles de bain et les cuisines en sont le cas extrême, et c’est bien pour ça qu’un enregistrement y tourne classiquement mal. Une pièce avec rideaux, tapis, canapé, manteaux ou une bibliothèque garnie en absorbe une bonne part et sonne nettement plus sèche.

La taille et le vide

Une grande pièce offre aux réflexions un trajet plus long : la traîne dure plus longtemps et s’entend davantage. Une pièce vide sonne moins bien que la même pièce meublée — d’où l’appartement caverneux le jour du déménagement et normal une semaine plus tard. Une grande salle de réunion vide est un environnement d’enregistrement réellement difficile, et aucune préparation côté téléphone n’y change rien.

Hauteur sous plafond et murs parallèles

Les plafonds hauts et les longs murs durs et parallèles laissent le son rebondir de nombreuses fois avant de s’éteindre. Cages d’escalier, atriums, églises et amphithéâtres sonnent ainsi pour cette raison. C’est une propriété du lieu, pas quelque chose à contourner.

La distance est le levier qui compte vraiment

Le mécanisme mérite d’être retenu : à mesure que le micro s’éloigne de la personne qui parle, le son direct faiblit rapidement, alors que le son réfléchi garde à peu près le même niveau partout dans la pièce. La réverbération a déjà rebondi ; elle est répartie de façon assez uniforme. Le rapport entre la voix et la pièce se dégrade donc vite avec la distance, et s’améliore vite dès qu’on réduit l’écart.

C’est pourquoi un téléphone à cinquante centimètres de quelqu’un peut sonner net dans la pièce même où, à trois mètres, il sonne comme une piscine. Le rapprocher n’est pas une amélioration marginale par rapport aux réglages : c’est le seul changement qui modifie réellement l’équilibre entre la voix et la pièce.

• Posez le téléphone sur la table entre les personnes qui parlent, pas au bout opposé.
• Pour une seule personne, à une longueur de bras ou moins, l’extrémité du micro tournée vers elle.
• En groupe, plus près de la personne la plus discrète que du centre géométrique.
• Hors de la table nue si possible : un tissu plié ou un cahier sous le téléphone empêche la table de servir de surface réfléchissante supplémentaire, et supprime au passage les coups sourds.

Adoucir la pièce, sans rien dépenser

Nul besoin de panneaux acoustiques. La réverbération baisse de façon audible dès qu’une partie des surfaces dures cesse de réfléchir, et des objets ordinaires font très bien ce travail.

• Fermez rideaux ou stores ; dans la plupart des pièces, le verre est le pire coupable.
• Enregistrez dans la moitié meublée de la pièce, pas dans la moitié vide.
• Posez un manteau, un sac ou deux coussins sur la table ou sur une chaise proche.
• Choisissez la petite pièce quand vous avez le choix. Pour la parole, un bureau exigu bat une belle salle à chaque fois.
• Évitez de rester au milieu d’un sol dégagé ; près d’une bibliothèque, d’un canapé ou d’un rideau, la différence s’entend.

Un problème différent qui sonne pareil

Si vous enregistrez un appel ou une réunion vidéo diffusée par un haut-parleur dans la même pièce, vous pouvez obtenir un véritable écho distinct plutôt que de la réverbération : l’autre bout sort par le haut-parleur, le micro le capte, et si le logiciel le renvoie à son tour, la boucle se répète. L’indice : la répétition est nettement décalée dans le temps et ne touche en général que les voix distantes, pas la personne assise à côté de vous. Un casque du côté de l’écoute la supprime entièrement, ce que la réverbération de la pièce ne ferait pas.

Pourquoi on ne peut pas la nettoyer après coup

Une fois la réverbération dans le fichier, ce n’est pas une couche posée sur la voix qu’on pourrait soulever. Les réflexions sont la voix : les mêmes mots, arrivés en retard et plus faibles, additionnés dans le même canal unique. Il n’y a pas de piste séparée à retirer, ni d’information indiquant quelle partie de l’onde est arrivée directement et laquelle a rebondi sur un mur.

C’est aussi pour cela que la réduction de bruit est le mauvais outil ici. Elle agit sur un son constant et peu semblable à la parole — ronronnement d’un ventilateur, circulation, climatisation — en apprenant à quoi ressemble ce fond stable et en le faisant baisser. La réverbération, elle, est de la parole : elle échoue à tous les tests par lesquels la réduction de bruit décide quoi supprimer. Des traitements spécialisés de déréverbération existent dans les logiciels audio professionnels, et même là ils échangent de la clarté contre des artefacts. La réponse pratique reste la même : corriger au micro, avant que ce soit enregistré.

Ce que cela fait à une transcription

La reconnaissance vocale souffre dans une pièce réverbérante pour la même raison que votre oreille au fond d’une salle : la traîne de chaque son recouvre le début du suivant, et les consonnes qui distinguent des mots proches sont la partie la plus faible et la plus brève de la parole. Les voyelles survivent à l’étalement ; les « t », « p », « k » et « s », qui portent l’essentiel de la différence entre les mots, non.

Cela vaut la peine de le savoir avant d’accuser la transcription. Un texte qui revient avec le bon rythme et les mauvais mots, ou qui s’arrête tôt, relève souvent d’un problème de pièce plutôt que du moteur de reconnaissance — et le même enregistrement fait cinquante centimètres plus près se serait mieux transcrit.

Ce que fait Voice Studio là-dedans

Les niveaux de qualité de Voice Studio — standard à 22,05 kHz, haute à 44,1 kHz, ultra à 48 kHz, tous en AAC mono — déterminent la finesse avec laquelle la fréquence d’échantillonnage mesure ce qui parvient au micro. Ils ne changent pas ce qui y parvient : une pièce réverbérante sonne identiquement réverbérante aux trois niveaux. Ce qui aide, en revanche, c’est d’entendre le problème tant qu’on peut encore agir : l’offre Pro réunit l’écoute en direct et la réduction de bruit, ce qui permet d’entendre au casque ce que le micro capte réellement et de rapprocher le téléphone avant le début de la réunion, plutôt que de découvrir la pièce à la fin. La réduction de bruit de ce duo vise le bruit de fond constant et ne retire pas la réverbération, pour la raison ci-dessus.

Questions fréquentes

Pourquoi la pièce me semblait-elle normale alors que l’enregistrement résonne ?

Deux oreilles et le cerveau derrière suppriment les réflexions et s’accrochent au premier son arrivé : vous percevez à peine la réverbération. Un micro unique additionne le son direct et toutes les réflexions en un seul signal, sans moyen de les séparer, et capte donc exactement ce que votre audition filtrait déjà.

Enregistrer en meilleure qualité réduit-il l’écho ?

Non. Standard, haute et ultra changent la fréquence d’échantillonnage à laquelle l’audio est capté, pas ce qui atteint physiquement le micro. La pièce sonne pareil aux trois niveaux : seul le fait de rapprocher le micro de la personne qui parle, ou de rendre la pièce moins réfléchissante, y change quelque chose.

La réduction de bruit peut-elle enlever l’écho d’un enregistrement ?

Pas vraiment. Elle cible un son constant et peu semblable à la parole, comme un ventilateur ou la circulation. La réverbération est la parole elle-même arrivant quelques millisecondes plus tard après rebond sur les murs : elle ressemble à ce qu’il faut protéger, pas à ce qu’il faut supprimer.

Une pièce qui résonne dégrade-t-elle la transcription ?

En général oui. La traîne de réverbération superpose chaque son au suivant et brouille les consonnes brèves et faibles qui séparent des mots proches — précisément l’information dont la reconnaissance vocale dépend le plus.

S’il ne fallait retenir qu’une chose ?

La distance. La voix directe faiblit vite quand le micro s’éloigne, alors que le son réfléchi reste à peu près égal dans toute la pièce : diviser par deux la distance à la personne qui parle améliore l’équilibre plus que n’importe quel réglage, aménagement ou traitement ultérieur.