Enlever la voix d'une musique

Comment l'IA sépare la voix et la musique d'une chanson

Une chanson est un mélange : la voix et les instruments sont additionnés dans un seul fichier, et rien ne permet de les « décoller » directement. L'IA procède autrement. Elle découpe le son en milliers de petites tranches de temps et de fréquence, puis estime, pour chacune, la part qui revient à la voix et celle qui revient aux instruments. Le modèle d'IA a été entraîné sur des milliers de chansons dont la voix et l'accompagnement étaient disponibles séparément : il a appris à reconnaître le timbre d'une voix chantée, ses attaques et son vibrato, même noyés sous les guitares ou la batterie. Vous obtenez deux pistes, l'instrumental et la voix isolée, qui redonnent exactement le morceau d'origine quand on les additionne. C'est le principe des logiciels professionnels de séparation de pistes, calculé ici dans votre navigateur, sans envoyer le fichier.

Faire un karaoké, un playback ou une version instrumentale

L'instrumental obtenu sert de base pour chanter en karaoké à la maison, répéter une chanson avant un spectacle, préparer un playback pour une fête d'école ou un mariage, ou travailler son chant sur la vraie musique. Téléchargez-le en MP3 pour l'écouter partout (téléphone, enceinte, télévision avec une clé USB), ou en WAV pour le retravailler dans un logiciel de montage sans perte de qualité supplémentaire. Si la chanson est trop haute ou trop basse pour votre voix, passez ensuite l'instrumental dans « Changer la tonalité d'une musique » pour le décaler d'un ou deux demi-tons. Pour ne garder qu'un couplet ou le refrain, coupez-le avec « Couper un MP3 ». La piste de voix seule, elle, permet de relever des paroles difficiles à comprendre, d'étudier l'interprétation d'un chanteur ou de préparer un remix.

Mode IA ou mode rapide : lequel choisir ?

Le mode rapide reprend une vieille astuce des logiciels audio : la voix principale est presque toujours placée au centre du mixage, identique dans les deux haut-parleurs, alors que les instruments sont souvent répartis à gauche et à droite. En retirant ce qui est commun aux deux canaux entre 250 Hz et 7 kHz, on efface une bonne partie de la voix en un instant, en gardant la basse et la grosse caisse. Mais tout ce qui est au centre s'en va aussi (caisse claire, solo, piano), l'écho de la voix reste audible, et un enregistrement mono ne se traite pas ainsi. Le mode IA ne dépend pas du placement : il reconnaît la voix elle-même, garde la stéréo des instruments et fournit une voix seule exploitable. Il demande seulement de télécharger le modèle une fois (environ 40 Mo), puis de quelques secondes à une ou deux minutes de calcul selon l'appareil.

Les limites de la séparation, et le droit d'auteur

Aucune séparation n'est parfaite. Selon le morceau, il peut rester un léger écho de la voix dans l'instrumental, surtout la réverbération et les chœurs, et la voix isolée peut garder un peu de batterie ou sonner légèrement « sous l'eau ». Les chansons très chargées en chœurs, les voix très traitées (effets, autotune poussé) ou les instruments proches d'une voix, comme un saxophone ou un violon, se séparent moins bien. Partez du fichier de meilleure qualité possible : un MP3 très compressé donne un résultat moins net. Enfin, enlever la voix ne change rien aux droits : l'instrumental d'une chanson du commerce reste protégé par le droit d'auteur. Il convient pour un usage personnel, comme chanter chez soi ou s'entraîner, mais le publier sur YouTube, TikTok ou le diffuser en public demande l'accord des ayants droit.