Comment l’IA sépare vraiment un morceau en pistes
Extraire la voix, la batterie et la basse d’un mix fini semble impossible, un peu comme « dé-cuire » un gâteau. Voici ce qui se passe vraiment, et pourquoi certaines parties ressortent nettes alors que d’autres restent un peu brouillonnes.
Réponse courte
Comment fonctionne un séparateur de pistes par IA ?
Un séparateur de pistes par IA décompose un morceau mixé en ses parties (voix, batterie, basse, guitare et piano) en reconnaissant l’empreinte de chaque instrument dans un spectrogramme et en reconstruisant chaque partie comme une piste à part entière. Riffloop effectue cette séparation sur votre appareil, sur le morceau YouTube que vous regardez ou sur un fichier que vous importez, pour que vous puissiez isoler ou couper n’importe quelle partie pendant que vous vous entraînez.
Quand vous écoutez un morceau, la membrane de votre haut-parleur fait exactement une chose : elle va et vient le long d’un seul trajet. Chaque instrument, chaque voix, tout le groupe a déjà été additionné en une seule forme d’onde. Il n’y a pas de « piste vocale » cachée dans le fichier, qui attendrait d’être extraite. Il n’y a que la somme.
Demander à un logiciel de vous rendre la voix isolée, c’est donc lui demander de dé-cuire le gâteau : regarder le mix fini et reconstituer des ingrédients qui ont été mélangés et, à strictement parler, jetés. Que cela fonctionne tout court est vraiment impressionnant. Comprendre comment vous indique exactement quand vous y fier.
01Le modèle apprend à quoi ressemble chaque partie
La séparation par IA est entraînée sur d’immenses bibliothèques de morceaux dont les pistes isolées sont connues : le studio dispose de la vraie voix, de la vraie batterie, de la vraie basse, chacune séparément. On montre au réseau le mix complet à côté de ces vraies parties, encore et encore, jusqu’à ce qu’il apprenne à quoi ressemblent généralement une voix, une caisse claire ou une note de basse sous forme d’image des fréquences dans le temps : un spectrogramme.
Puis, face à un tout nouveau morceau qu’il n’a jamais entendu, il estime une sorte de pochoir pour chaque partie, en décidant quelles fréquences appartiennent, à chaque instant, à la voix, lesquelles à la batterie, et ainsi de suite, puis il les extrait. Il ne récupère pas les fichiers d’origine. Il fait une estimation éclairée, nourrie par tous les morceaux sur lesquels il a été entraîné.
02Pourquoi certaines parties ressortent plus nettes
Tous les instruments ne sont pas aussi faciles à deviner, et c’est ce qu’il faut savoir avant de juger un résultat :
- La voix et la batterie se séparent proprement. Les voix ont une empreinte distinctive et la batterie se compose d’attaques franches dans le temps, si bien que le modèle les repère avec assurance. Sur un bon mix, elles ressortent proches de l’original.
- La basse et le piano ressortent très bien. Ils occupent des registres assez prévisibles, il y a donc moins à deviner.
- Les synthés, les cordes et « tout le reste » sont les plus bruités. Ils s’étalent sur les mêmes fréquences que les autres instruments, et le modèle ne peut pas décider proprement à qui appartient quoi. Ce bac « autres » restant est la partie la plus brute de toute séparation, dans tous les outils du marché, pas seulement dans un seul.
03L’enregistrement compte plus que l’outil
On accuse le logiciel quand une piste sort délavée, mais le facteur principal est généralement la source. Un enregistrement studio propre et bien mixé donne au modèle des ingrédients clairs à séparer. Un extrait live filmé au téléphone, une mise en ligne lo-fi ou un morceau très traité lui fournit un mix où les sources sont déjà fondues les unes dans les autres, et aucune ingéniosité ne peut totalement les démêler.
Si un résultat vous déçoit, essayez donc une version plus propre du même morceau avant d’accuser l’outil. Une mauvaise source ne donne pas forcément un mauvais résultat, mais un résultat plus difficile à obtenir. C’est de la physique, pas un bug.
04Sur votre appareil ou sur un serveur
Un autre choix de conception compte, discrètement : où s’effectue la séparation. Beaucoup d’outils envoient votre audio sur leurs serveurs, font le travail dans le cloud et vous renvoient les pistes. Vos fichiers, y compris tout ce que vous avez enregistré vous-même, quittent donc votre machine.
Riffloop effectue au contraire la séparation sur votre appareil, directement sur la vidéo YouTube que vous regardez ou sur un fichier que vous importez, et sépare le morceau en six pistes (voix, batterie, basse, guitare, piano et le reste), si bien que rien n’est envoyé. Pour un outil d’entraînement que vous utiliserez sur des démos et des enregistrements de cours, garder l’audio en local, c’est ce qui vous permet de ne plus y penser.
Séparez n’importe quel morceau en six pistes
Séparez un morceau en voix, batterie, basse, guitare, piano et le reste, puis isolez ou coupez chaque partie, sur la vidéo YouTube ou sur un fichier que vous importez. Gratuit pour commencer, sans inscription, rien ne quitte votre appareil.
05Comprendre l’estimation aide à mieux l’utiliser
Dès que vous cessez d’attendre la perfection, les pistes deviennent un outil d’entraînement incroyablement utile. Faites confiance aux isolations de voix, de batterie et de basse. Attendez-vous à ce que le bac cordes et synthés soit brut, et n’essayez pas d’en relever les détails fins. Donnez-lui l’enregistrement le plus propre que vous puissiez trouver. Vous obtiendrez alors exactement ce pour quoi la séparation est faite : entendre une seule partie assez clairement pour enfin l’apprendre.
Ça n’a jamais été magique. C’est une très bonne estimation, entraînée sur une montagne de musique, qui tourne discrètement sur votre ordinateur portable. C’est largement suffisant pour changer votre façon de vous entraîner.