Pourquoi mon mémo vocal pèse-t-il si peu sur iPhone ?

Le réflexe se comprend. Une photo pèse quelques mégaoctets, une courte vidéo en pèse des dizaines, alors un enregistrement audio de quarante minutes qui finit à peu près à la taille d’une seule photo donne l’impression qu’il manque quelque chose. L’audio et la vidéo ne se comparent pas de cette façon, et la parole en particulier est à peu près ce qu’un téléphone compresse le plus facilement.

Ce qui détermine vraiment la taille

Deux choses, et le réglage de qualité est la moins importante des deux. La première est simplement la durée : plus de secondes d’audio, c’est plus de données, quel que soit le réglage, de la même façon qu’un document plus long compte plus de mots qu’un court. La seconde est la fréquence d’échantillonnage, le seul levier qu’une application d’enregistrement met vraiment entre vos mains : une fréquence plus élevée stocke plus de détail par seconde et produit un fichier plus gros pour la même durée. La captation mono, un seul canal au lieu de deux, réduit déjà la taille avant même que l’un ou l’autre de ces choix ne soit fait, puisqu’il n’y a qu’un seul canal audio à stocker au lieu de deux.

Ce qui n’est un levier ni sur iPhone ni sur presque aucun enregistreur de téléphone, c’est le format lui-même. L’AAC — le codec à l’intérieur d’un fichier .m4a — est un format avec perte : il est conçu pour écarter le détail qu’un modèle de l’audition humaine prédit que vous ne remarquerez pas, et pour stocker ce qui reste de façon compacte. Face à un format non compressé qui ne fait aucun de ces tris, la différence est nette — environ un dixième de la taille pour le même enregistrement, pas une économie marginale.

Pourquoi la parole pèse tellement moins qu’on ne l’imagine

La compression ne s’applique pas uniformément à tout l’audio : elle fonctionne en repérant la redondance et en écartant ce qu’un auditeur ne remarquerait pas, et une voix parlée constitue justement un cas facile pour ça. Une seule source, une plage de fréquences étroite comparée à la musique, de longs passages relativement stables entre les mots. Un enregistrement d’orchestre met bien plus le même codec à l’épreuve qu’un enregistrement d’une seule personne qui parle, parce qu’il se passe simplement plus de choses que le modèle doit préserver. Rien de tout cela n’apparaît comme une fonctionnalité manquante dans le fichier — c’est le codec qui fait bien son travail sur un signal qui n’allait de toute façon jamais être difficile à compresser.

C’est aussi pourquoi le fichier ne rétrécit pas de façon spectaculaire quand on baisse le réglage de qualité, contrairement à ce qu’on pourrait attendre. Standard, haute et ultra font varier la fréquence d’échantillonnage, ce qui modifie effectivement un peu la taille, mais bien moins que ce que le format lui-même a déjà réduit par rapport à un enregistrement non compressé. L’essentiel de l’économie a déjà eu lieu avant même de choisir le niveau de qualité.

Peser peu ne veut pas dire qualité médiocre

La taille d’un fichier indique à quel point il a été stocké efficacement, pas à quel point il a bien capté la pièce. Un tout petit enregistrement bien placé d’une conversation calme peut sonner mieux qu’un enregistrement bien plus gros fait à l’autre bout d’une pièce bruyante, parce que ce qui détermine vraiment le son d’un enregistrement — la distance à la personne qui parle, le bruit de fond, le niveau sonore de la source — n’a rien à voir avec le nombre de mégaoctets que pèse le résultat. Jugez un enregistrement en l’écoutant, pas en vérifiant sa taille dans l’application Fichiers.

Le seul cas où un petit fichier mérite un second regard

La taille seule renseigne rarement, mais la taille comparée à ce que vous attendiez de la durée de l’enregistrement, si. Si vous avez enregistré pendant ce dont vous êtes certain qu’il s’agissait de quarante-cinq minutes, et que le fichier, à la lecture, se termine à la sixième minute, quelque chose s’est bien passé — mais pas avec la compression. L’explication la plus probable est une interruption survenue pendant l’enregistrement, un appel téléphonique étant le cas courant, qui a mis fin à l’enregistrement au lieu de le mettre en pause. Un enregistreur qui gère bien les interruptions se met en pause à l’une d’elles et reprend dans le même fichier une fois qu’elle se termine ; un enregistreur qui ne le peut pas finalise ce qu’il avait déjà et s’arrête là, ce qui produit un fichier réel mais tronqué, pas un petit fichier.

La façon de distinguer ça d’une compression normale est simple : lisez le fichier et vérifiez sa durée réelle. Si la durée correspond à ce que vous attendiez, la taille n’a jamais été le problème. Si la durée est également courte, l’enregistrement s’est arrêté trop tôt, et la chose à faire est de vérifier ce qui l’a interrompu — un appel est la cause la plus courante — plutôt que de chercher un réglage qui aurait fait qu’un enregistrement complet pèse davantage.

La place de Voice Studio là-dedans

Voice Studio enregistre en AAC mono dans un .m4a, à l’une de trois fréquences d’échantillonnage — standard, haute ou ultra — et partage ce fichier exactement tel qu’il a été enregistré, sans rien recompresser ni réencoder au moment du partage, donc ce que vous voyez dans l’application Fichiers est l’enregistrement réel, pas une copie retraitée. Un petit fichier pour un long enregistrement est le résultat attendu de ce format, pas le signe que quelque chose a été sauté. Si un enregistrement se révèle réellement plus court que la durée pendant laquelle vous l’avez fait tourner, la gestion des interruptions d’appel de Voice Studio fonctionne de la même façon dans les deux cas : elle se met en pause à l’interruption et reprend dans le même fichier une fois celle-ci terminée, donc un enregistrement correctement repris ne devrait pas être la cause d’une durée qui ne correspond pas à ce que vous attendiez.

Questions fréquentes

Un petit fichier signifie-t-il que mon enregistrement est de mauvaise qualité ?

Non. La taille du fichier reflète l’efficacité avec laquelle l’audio a été compressé, pas la clarté avec laquelle il a capté la pièce. Un petit enregistrement bien placé peut sonner nettement mieux qu’un enregistrement bien plus gros fait de loin dans un espace bruyant.

Qu’est-ce qui rend vraiment un fichier d’enregistrement vocal plus gros ou plus petit ?

Surtout la durée, et dans une moindre mesure la fréquence d’échantillonnage choisie à l’enregistrement. Le format lui-même — l’AAC avec perte dans un .m4a — fait déjà l’essentiel de la réduction de taille par rapport à un enregistrement non compressé, avant même que la durée ou la fréquence d’échantillonnage n’entrent en jeu.

Mon enregistrement se lit plus court que ce que j’ai réellement enregistré, est-ce le même problème ?

Non, c’est un problème différent qui mérite d’être examiné. Un enregistrement qui s’arrête bien avant la durée pendant laquelle vous l’avez fait tourner signifie généralement que quelque chose l’a interrompu — un appel téléphonique étant le cas courant — plutôt qu’une histoire de taille de fichier ou de compression.

Choisir la qualité la plus élevée rendra-t-il mes fichiers beaucoup plus gros ?

Un peu plus gros, pas énormément. Standard, haute et ultra font varier la fréquence d’échantillonnage, ce qui modifie la taille du fichier de façon modérée — la durée reste le facteur le plus important, et le changement de format par rapport à l’audio non compressé a déjà fait l’essentiel de la réduction de taille avant même que le niveau de qualité n’entre en jeu.