Tout ce que nous pouvons voir.

Ce que dit le conteneur, et ce qu’il ne peut pas vous dire.

Durée Validé

file.duration

Voix & podcastMix & masterProvenanceQA de datasetEnvironnementBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré La durée de l’audio.

Comment la lire En secondes.

Pourquoi Elle fixe ce qu’on peut affirmer par ailleurs : en dessous de trois secondes, la plupart des verdicts sont des suppositions.

Testé contre Correspond à la longueur réelle du fichier.

Comment ça marche Traitement du signal classique.

Fréquence d’échantillonnage Validé

file.sampleRate

ProvenanceQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré Le nombre d’échantillons par seconde.

Comment la lire 44,1k et 48k sont les valeurs standard ; 8k ou 16k signifie que le son est passé par un téléphone ou un codec.

Pourquoi Elle plafonne la fréquence la plus haute qui puisse exister, et borne donc toutes les lectures spectrales.

Testé contre Tests de décodeur à 44,1 et 48 kHz.

Comment ça marche Traitement du signal classique.

Canaux Validé

file.channels

Mix & masterProvenanceQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré Le nombre de canaux audio.

Comment la lire 1 = mono, 2 = stéréo.

Pourquoi Un fichier mono rend toutes les mesures stéréo sans objet, ce qu’il vaut mieux dire clairement que d’afficher une ligne plate.

Testé contre Tests de décodeur, mono et stéréo.

Comment ça marche Traitement du signal classique.

Profondeur de bits (estimation) Proxy

file.bitDepth

ProvenanceQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré Une estimation tirée du type de fichier, pas lue dans les échantillons.

Comment la lire « estimation 16/24 bits » pour WAV et AIFF, « sans perte, profondeur non lue » pour FLAC, « avec perte » pour MP3, AAC, Ogg, Opus et les autres formats avec perte, « inconnue (AAC ou ALAC) » pour m4a, et « inconnue » dans les autres cas. Ce n’est ni une lecture de l’en-tête ni une estimation à partir des valeurs des échantillons.

Pourquoi Signale d’un coup d’œil un fichier compressé. Pour la vraie profondeur, lisez l’en-tête du fichier.

Testé contre Une estimation tirée du type de fichier : « estimation 16/24 bits » pour WAV et AIFF, « sans perte, profondeur non lue » pour FLAC, « avec perte » pour les formats avec perte comme MP3, AAC, Ogg et Opus, « inconnue (AAC ou ALAC) » pour m4a. Jusqu’au 20 octobre 2026, FLAC et AIFF affichaient « avec perte » par erreur. Les mêmes échantillons arrondis à 8 bits s’affichent toujours 16/24, elle ne dit donc rien des échantillons.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas lue dans les échantillons, et pas une lecture de l’en-tête.

Format Validé

file.format

ProvenanceBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré Le format de conteneur tel que le déclare l’appelant.

Comment la lire wav, mp3, m4a, etc.

Pourquoi Le conteneur ne dit rien de ce qui s’est passé avant lui ; la mesure de bande passante, si.

Testé contre Lu dans le conteneur.

Comment ça marche Traitement du signal classique.

Taille du fichier Validé

file.sizeKb

Provenance

Ce qui est mesuré La taille sur disque, en kilo-octets.

Comment la lire À comparer à la durée pour en déduire le débit.

Pourquoi Un contrôle de bon sens peu coûteux : un petit fichier de longue durée a été fortement compressé.

Testé contre La taille en octets.

Comment ça marche Traitement du signal classique.

Empreinte d’entrée Validé

file.inputHash

ProvenanceQA de datasetQC de boucles et de packs de samples

Ce qui est mesuré Le SHA-256 des octets du fichier, quand l’appelant l’a fourni. Null sinon.

Comment la lire Mêmes octets, même empreinte, quel que soit le nom du fichier. Le moteur ne peut pas la calculer à partir du PCM ; c’est le décodeur ou l’hôte qui la renseigne.

Pourquoi C’est la clé qui permet de mesurer une bibliothèque de 178 000 fichiers une seule fois, sans jamais recommencer, et un renommage ne peut pas la casser.

Testé contre SHA-256 des octets, identique pour un tampon et pour un chemin de fichier.

Comment ça marche Traitement du signal classique.

À quel point c’est fort selon les normes que les plateformes appliquent réellement.

Loudness intégrée Validé

loudness.integrated

Voix & podcastMix & masterQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré La loudness sur l’ensemble du fichier, avec porte selon la BS.1770-4.

Comment la lire Les cibles du streaming se situent près de −14 LUFS, la diffusion près de −23, les podcasts près de −16.

Pourquoi Le nombre unique que les plateformes utilisent pour monter ou baisser votre audio, il décide donc de la façon dont vous êtes entendu.

Testé contre EBU Tech 3341 cas 1 et 2 plus les cas de porte absolue et relative, tolérance ±0,1 LU (benchmark de loudness, publié sur /api). Sur des enregistrements réels : les 32 pistes de locuteurs de l’échantillon public Open Yap 1K (CC BY 4.0, pistes de conversation en 48 kHz), mesurées le 20 octobre 2026, concordent avec la loudness que publie le jeu de données à 0,05 LU près sur les 32 (plus grand écart 0,045 LU), et avec ffmpeg ebur128 à 0,055 LU près (ffmpeg affiche une décimale).

Marge ±0.1 LU. La tolérance de l’EBU Tech 3341, tenue par le benchmark de loudness à chaque build.

Comment ça marche Traitement du signal classique.

Maximum à court terme Validé

loudness.shortTermMax

Mix & masterBroadcast & post-production film

Ce qui est mesuré La fenêtre de 3 secondes la plus forte.

Comment la lire Bien au-dessus de la valeur intégrée, un seul passage domine.

Pourquoi Trouve le moment qui fera tendre la main vers le volume.

Testé contre Parité avec ffmpeg ebur128.

Comment ça marche Traitement du signal classique.

Non validé Ne fait pas partie de la table de cas de l’EBU.

Plage de loudness Validé

loudness.range

Mix & masterVoix & podcastBroadcast & post-production film

Ce qui est mesuré L’écart entre les parties calmes et fortes, selon l’EBU 3342.

Comment la lire Sous 3 LU, c’est très régulier ; au-dessus de 15 LU, c’est un morceau à grande dynamique.

Pourquoi Prédit si les parties calmes survivent en voiture ou sur un téléphone.

Testé contre EBU Tech 3342 cas 1, tolérance ±1 LU (benchmark de loudness, publié sur /api).

Marge ±1 LU. La tolérance de l’EBU Tech 3342, tenue par le benchmark de loudness à chaque build.

Comment ça marche Traitement du signal classique.

True peak Validé

loudness.truePeak

Mix & masterQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré La crête de la forme d’onde reconstruite, suréchantillonnée 4×.

Comment la lire Au-dessus de −1 dBTP, un encodeur avec perte peut écrêter ce qui semblait propre.

Pourquoi La crête d’échantillon peut sembler correcte alors que le signal restitué distord ; c’est ce nombre qui le détecte.

Testé contre True peak selon BS.1770 : une tonalité de 997 Hz et un cas de crête inter-échantillons, +0,2 / -0,4 dB ; parité avec ffmpeg sur du matériel à hautes fréquences. Sur des enregistrements réels : les 32 pistes de locuteurs de l’échantillon public Open Yap 1K (CC BY 4.0), mesurées le 20 octobre 2026, concordent avec le true peak que publie le jeu de données à 0,012 dB près sur les 32.

Marge +0.2 / -0.4 dB. La tolérance d’un true-peak mètre dans l’ITU-R BS.1770, tenue par le benchmark de loudness à chaque build.

Comment ça marche Traitement du signal classique.

Maximum momentané Validé

loudness.momentaryMax

Mix & masterBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré La fenêtre de 400 ms la plus forte (« M » de l’EBU Tech 3341).

Comment la lire Elle se situe par définition au-dessus du maximum à court terme ; un écart de plus de 6 LU environ signifie qu’un coup ou une syllabe pointe.

Pourquoi Les spécifications de livraison en diffusion la plafonnent séparément, et elle attrape le coup isolé qu’une fenêtre de 3 secondes moyenne.

Testé contre Parité avec ffmpeg ebur128, et elle lit une fenêtre de 400 ms.

Comment ça marche Traitement du signal classique.

Non validé Ne fait pas partie de la table de cas de l’EBU.

Crêtes, moyennes et l’écart entre les deux.

Crête Validé

level.peak

Mix & masterQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré La valeur d’échantillon la plus haute.

Comment la lire 0 dBFS est le plafond ; à 0 exactement, le fichier est probablement déjà abîmé.

Pourquoi Le contrôle de marge le plus rudimentaire qui soit, et pourtant le premier à faire.

Testé contre Une sinusoïde d’amplitude connue, et parité avec ffmpeg.

Comment ça marche Traitement du signal classique.

Niveau RMS Validé

level.rms

Mix & masterQA de dataset

Ce qui est mesuré L’énergie moyenne sur le fichier.

Comment la lire Plus proche du niveau perçu que la crête, mais aveugle à la pondération en fréquence.

Pourquoi La base du facteur de crête, et la lecture la plus rapide pour savoir si « c’est trop faible ».

Testé contre Une sinusoïde d’amplitude connue, et parité avec ffmpeg.

Comment ça marche Traitement du signal classique.

Facteur de crête Validé

level.crest

Mix & masterQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré L’écart entre la crête et la moyenne.

Comment la lire Au-dessus de 14 dB, ça respire ; sous 8 dB, un compresseur ou un limiteur l’a aplati.

Pourquoi Dit si la vie a été masterisée hors du son, indépendamment de son volume.

Testé contre Une sinusoïde indique environ 3 dB.

Comment ça marche Traitement du signal classique.

Ce qui subsiste quand quelqu’un écoute sur une seule enceinte.

Corrélation stéréo Validé

stereo.correlation

Mix & masterBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré À quel point les canaux gauche et droit se ressemblent, de −1 à +1.

Comment la lire +1, c’est du mono ; autour de +0,5, un mix large normal ; sous 0, les canaux se battent entre eux.

Pourquoi Une corrélation négative se creuse ou disparaît quand quelqu’un écoute en mono, comme le font la plupart des téléphones et des enceintes.

Testé contre Des canaux identiques indiquent environ 1, des canaux de bruit se décorrèlent.

Comment ça marche Traitement du signal classique.

Largeur stéréo Validé

stereo.width

Mix & master

Ce qui est mesuré La part d’énergie qui se trouve dans le signal latéral plutôt qu’au milieu.

Comment la lire 0 est entièrement mono ; au-dessus de 0,4 environ, c’est une image volontairement large.

Pourquoi Dit combien du mix vous perdez dès qu’il est replié en mono.

Testé contre Le mono indique 0, l’opposition de phase 1, un bruit indépendant de même niveau 2/3 (à 0,03 près) et un canal à demi-niveau 2/9 (à 0,01 près), comme le donne la définition latéral/médian.

Comment ça marche Traitement du signal classique.

Compatible mono Proxy

stereo.monoCompatible

Mix & masterBroadcast & post-production film

Ce qui est mesuré Si le mix survit à un repli en mono.

Comment la lire False signifie une annulation audible.

Pourquoi Un seul booléen qui évite à un auditeur de se demander pourquoi la voix a disparu sur une enceinte de cuisine.

Testé contre Dérivée de la corrélation des basses et de la corrélation large bande.

Comment ça marche Traitement du signal classique.

Balance gauche/droite Validé

stereo.balance

Mix & masterVoix & podcastBroadcast & post-production film

Ce qui est mesuré Le RMS du canal gauche moins le droit, en dB. Positif signifie que la gauche est plus forte.

Comment la lire À moins de 1 dB, c’est centré. Au-delà de 3 dB, l’image penche ; au-delà de 20 dB, un canal ne joue en pratique pas.

Pourquoi Un export déséquilibré est invisible sur une seule enceinte et évident pour tous les auditeurs au casque.

Testé contre Zéro sur un fichier centré, signée sur un fichier penchant d’un côté.

Comment ça marche Traitement du signal classique.

Configuration des canaux Validé

stereo.layout

Mix & masterVoix & podcastQA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré Le type de fichier stéréo dont il s’agit : mono, dual-mono, one-sided, stereo ou silent.

Comment la lire dual-mono signifie deux canaux identiques, donc un fichier deux fois plus gros pour rien. one-sided signifie un canal mort.

Pourquoi Nomme l’erreur d’export au lieu de laisser deux nombres au lecteur pour les combiner, et c’est le défaut classique des podcasts : la voix seulement à gauche.

Testé contre Cinq formes stéréo, chacune nommée correctement.

Comment ça marche Traitement du signal classique.

Compatibilité mono des basses Validé

stereo.bassCorrelation

Mix & masterQC de boucles et de packs de samples

Ce qui est mesuré La corrélation entre les canaux sous 120 Hz, après un passe-bas du 4e ordre. Null sur du mono ou sans énergie à cet endroit.

Comment la lire Au-dessus de 0,5, le grave se somme proprement. En dessous, il s’amincit en mono, et sous 0 il s’annule.

Pourquoi La corrélation large bande est dominée par l’énergie des médiums et des aigus, si bien qu’une basse totalement en opposition de phase s’y cache. Les clubs et la gravure vinyle posent cette question séparément, le moteur la mesure donc séparément.

Testé contre Un grave en opposition de phase et un grave réellement mono.

Comment ça marche Traitement du signal classique.

Où se situe l’énergie sur l’échelle des fréquences.

Spectre Validé

spectrum.curve

Mix & masterProvenanceEnvironnement

Ce qui est mesuré L’énergie moyenne par fréquence sur le fichier.

Comment la lire Lisez la pente : une bosse est une résonance, une falaise dans les aigus est un codec.

Pourquoi L’empreinte tonale de l’enregistrement en une seule image.

Testé contre Suit la forme large bande : un matériau plat est plat à 12 pour cent près d’une octave à l’autre, un matériau rose (moins 3 dB par octave) à 7 pour cent près, un matériau qui s’arrête à 4 kHz tombe sous 2 pour cent au-dessus, et une bosse large entre 900 et 1100 Hz place le maximum de la courbe à l’intérieur.

Comment ça marche Traitement du signal classique.

Non validé Un pic étroit peut tomber entre deux des 128 points espacés en échelle logarithmique et passer inaperçu. La courbe est faite pour la forme d’un matériau large bande.

Centroïde spectral Validé

spectrum.centroid

Mix & masterEnvironnementQC de boucles et de packs de samples

Ce qui est mesuré L’endroit où se situe le poids du spectre.

Comment la lire La parole se place grosso modo entre 500 et 2000 Hz ; les cymbales et la sibilance le poussent bien plus haut.

Pourquoi Un nombre pour « brillant ou sombre », comparable d’une prise et d’un microphone à l’autre.

Testé contre Une sinusoïde indique sa propre fréquence à 1 pour cent près ; deux sinusoïdes égales à 500 et 2000 Hz indiquent le point médian à 2 pour cent près.

Comment ça marche Traitement du signal classique.

Rolloff spectral Validé

spectrum.rolloff

Mix & master

Ce qui est mesuré La fréquence sous laquelle se trouve 85 % de la magnitude spectrale cumulée.

Comment la lire Elle suit la brillance mais réagit moins à une seule haute fréquence forte.

Pourquoi Une mesure de brillance plus stable que le centroïde quand le fichier contient des percussions.

Testé contre Sur un spectre plat de 100 à 4000 Hz, le point à 85 pour cent tombe à 3415 Hz à 3 pour cent près, et une sinusoïde indique sa propre fréquence à deux bins FFT près. Elle additionne l’amplitude, pas la puissance.

Comment ça marche Traitement du signal classique.

Platitude spectrale Validé

spectrum.flatness

EnvironnementProvenance

Ce qui est mesuré À quel point le spectre ressemble à du bruit, de 0 à 1.

Comment la lire Près de 0, c’est une hauteur nette ; près de 1, c’est du bruit large bande.

Pourquoi Sépare une tonalité d’un souffle sans avoir besoin de savoir ce qu’est l’un ou l’autre.

Testé contre Un bruit large bande indique plus de 0,9 et une tonalité pure moins de 0,01.

Comment ça marche Traitement du signal classique.

Équilibre tonal Validé

spectrum.bands

Mix & master

Ce qui est mesuré L’énergie dans sept bandes nommées, du sub à l’air.

Comment la lire Comparez les barres entre elles, pas à une valeur absolue.

Pourquoi Transforme « ça sonne maigre » en la bande qui manque réellement.

Testé contre Du bruit dans une seule bande met cette bande à 1 et toutes les autres sous 0,08 ; testé pour les basses, les médiums, la présence et l’air.

Comment ça marche Traitement du signal classique.

Les deux plaintes que les auditeurs formulent sans savoir pourquoi.

Dureté Proxy

issue.harshness

Mix & masterVoix & podcast

Ce qui est mesuré Un excès d’énergie dans la plage 2 à 5 kHz, où l’oreille est la plus sensible.

Comment la lire Élevé signifie fatigant au bout de quelques minutes.

Pourquoi Attrape ce que les auditeurs décrivent comme fatigant sans pouvoir le situer.

Testé contre Une bosse à 3,2 kHz la fait passer de 0,04 à 0,86.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Seuils choisis à la main.

Empâtement Proxy

issue.muddiness

Mix & masterVoix & podcast

Ce qui est mesuré L’accumulation autour de 200 à 500 Hz.

Comment la lire Élevé signifie que le mix manque de définition.

Pourquoi Le problème le plus courant des enregistrements autoproduits, et le plus facile à corriger une fois nommé.

Testé contre Direction seulement : une bosse de 12 dB entre 200 et 400 Hz élève le score de plus de 0,3 par rapport à un spectre plat. Les seuils ont été choisis à la main.

Comment ça marche Traitement du signal classique.

Non validé Les vrais mix que des auditeurs ont jugés empâtés ou clairs.

Ce que ce n’est pas Pas un verdict d’auditeur sur un mixage.

La parole, le rythme, les niveaux, et ce qu’il y a derrière.

Taux de parole Proxy

voice.speechRatio

Voix & podcastQA de datasetBroadcast & post-production film

Ce qui est mesuré La part du fichier où quelqu’un parle.

Comment la lire Près de 1, c’est de la parole de bout en bout ; près de 0, c’est surtout du silence ou du bruit.

Pourquoi Fixe à quoi sert le fichier. Un taux de 0,2 dans une prise de jeu de données est généralement un enregistrement raté.

Testé contre Mesuré par rapport à des alignements de mots (LibriSpeech dev-clean, 40 enregistrements lus, 17 conditions de bruit). Sur de l’audio propre, le détecteur de parole trouve les trames de parole avec un F1 de 0,92, mais il ne compte que les parties les plus fortes des phrases : les débuts et fins de mots faibles comptent comme pause, si bien que le taux se lit environ 12 points sous la vraie part (erreur absolue moyenne 0,125). Avec un bruit stable, il garde un F1 de 0,90 ou mieux jusqu’à 20 dB de rapport signal/bruit, de 0,79 à 0,90 à 10 dB, et il n’est pas fiable à 5 dB et en dessous. Une seconde version du détecteur (K2 : une phrase se prolonge tant que l’enveloppe reste au-dessus de 0,3 du seuil, au plus 100 ms de chaque côté) a été testée une seule fois le 13 octobre 2026 sur LibriSpeech test-clean (40 nouveaux locuteurs, 17 conditions de bruit, 680 mélanges ; les bruits étaient les mêmes qu’au développement) : sur de l’audio propre et du bruit à 20 et 10 dB, le F1 des trames de parole est passé de 0,878 à 0,941, la pureté des trames classées en pause de 0,608 à 0,756 et l’erreur absolue moyenne du taux de parole de 0,170 à 0,082 ; à 5 dB, le F1 de 0,637 à 0,773 et l’erreur de 0,389 à 0,258. Elle a satisfait ses critères préenregistrés, mais pas la barre d’origine (pureté 0,95, erreur 0,04). Le site utilise K2 désormais, l’API l’offre sous la forme speechDetector k2 et le renvoie par défaut à partir du 15 janvier 2027 ; le taux de parole se lit alors environ 5 à 14 points plus haut, selon le bruit. Tout ce qui est calculé à partir des trames de parole ou des pauses bouge avec lui, comme le disent les autres mesures ; la brillance, le risque de sibilance, le bruit de fond et la crête, non.

Comment ça marche Traitement du signal classique.

Non validé Les autres langues, l’audio en bande téléphonique, la musique ou la télévision derrière la voix, les salles réverbérantes, les vraies conversations. K2 a été testé sur de nouveaux locuteurs mais avec les quatre mêmes enregistrements de bruit que pendant le développement.

Ce que ce n’est pas Pas la part du temps où quelqu’un parle : il se lit trop bas, car les débuts et fins de mots faibles comptent comme pause.

Durée de parole Proxy

voice.speechSec

Voix & podcastQA de dataset

Ce qui est mesuré Le temps voisé total.

Comment la lire Les secondes de parole réelle.

Pourquoi Ce pour quoi vous payez un transcripteur ou un moteur de reconnaissance.

Testé contre Découle du détecteur de parole, mesuré par rapport à des alignements de mots : il ne compte que les parties les plus fortes des phrases, si bien que sur de la parole lue propre, elle se lit environ 12 pour cent de la durée trop bas (voir Taux de parole). Fiable seulement sur de l’audio propre et un bruit stable jusqu’à 20 dB de rapport signal/bruit. Avec le détecteur K2 (voir Taux de parole), elle se lit 2,6 à 6,9 secondes plus haut sur des enregistrements de test d’environ 50 secondes.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas le temps pendant lequel quelqu’un parle : les débuts et fins de mots faibles comptent comme pause.

Durée de silence Proxy

voice.silenceSec

Voix & podcastQA de dataset

Ce qui est mesuré Le temps non voisé total.

Comment la lire Les secondes entre les phrases et autour d’elles.

Pourquoi L’endroit où toute mesure de fond doit être prise, ce qui borne leur fiabilité.

Testé contre Découle du détecteur de parole (durée moins secondes de parole), mesuré par rapport à des alignements de mots : sur de la parole lue propre, elle se lit environ 12 pour cent de la durée trop haut, parce que la parole faible compte comme silence (voir Taux de parole). Avec le détecteur K2, elle se lit en proportion plus bas (2,6 à 6,9 secondes sur des enregistrements de test d’environ 50 secondes).

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas du silence : environ un tiers de ce que le détecteur appelle pause est de la parole faible.

Segments de parole Proxy

voice.segments

Voix & podcastQA de dataset

Ce qui est mesuré Le début et la fin de chaque phrase détectée.

Comment la lire Une ligne par phrase.

Pourquoi L’unité à laquelle tout ce qui est par phrase se rattache, et ce sur quoi un monteur clique réellement.

Testé contre Limites de phrases issues du détecteur de parole, mesurées par rapport à des alignements de mots : il trouve les parties les plus fortes des phrases, coupe souvent une phrase en plusieurs segments, et termine les segments trop tôt parce que les fins de mots faibles tombent sous son seuil. Avec le détecteur K2, les segments englobent les débuts et fins de mots faibles, de 100 ms au plus de chaque côté, si bien que des segments voisins fusionnent parfois en segments moins nombreux et plus longs.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas De l’activité vocale, pas des tours de parole : elle dit quand, pas qui.

Salves de parole par seconde Proxy

voice.syllableRate

Voix & podcast

Ce qui est mesuré À peu près le nombre de salves de parole distinctes par seconde, comptées à partir des creux de l’enveloppe.

Comment la lire Seuls les trous assez profonds pour se lire comme du silence sont comptés : elle suit donc le rythme des mots et des phrases plutôt que chaque syllabe. Sur douze lectures de référence, elle se situe entre 2 et 5.

Pourquoi Le rythme est la première chose dont se plaignent les auditeurs, et le locuteur ne l’entend jamais.

Testé contre Compte des salves de parole construites, séparées par de profonds silences, à 2,5 et 4 par seconde à 0,5 près. Sur douze lectures de référence, elle se situe entre 2 et 5.

Comment ça marche Traitement du signal classique.

Non validé La parole réelle face à un texte compté.

Ce que ce n’est pas Pas un comptage de syllabes.

Débit de parole Proxy

voice.speakingRate

Voix & podcast

Ce qui est mesuré Le débit syllabique en un mot.

Comment la lire Slow, Normal, Fast ou Very fast.

Pourquoi Une étiquette voyage plus loin qu’un nombre dans un rapport que quelqu’un d’autre lit.

Testé contre Les étiquettes changent avec le tempo sur un signal construit.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Dérivé du proxy du rythme syllabique ; pas de la reconnaissance vocale.

Pauses longues Proxy

voice.longSilences

Voix & podcast

Ce qui est mesuré Le nombre de trous de plus de 1,5 seconde.

Comment la lire Un compte, pas un jugement.

Pourquoi Dirige un monteur droit vers les coupes qui valent la peine.

Testé contre Compte les pauses de plus de 1,5 s entre segments. Par rapport à des alignements de mots (40 enregistrements avec des pauses de 0,8 à 2,2 s), le compte était exact dans 68 à 80 pour cent des enregistrements sur de l’audio propre et avec un bruit à 20 dB (à une unité près dans 97,5 à 100 pour cent), et dans 38 à 58 pour cent avec un bruit à 10 dB. Avec le détecteur K2, elle compte 0,15 à 0,73 pause longue de moins par enregistrement sur 680 mélanges de test ; la justesse du compte n’a pas été testée pour K2.

Comment ça marche Traitement du signal classique.

Crête de la voix Validé

voice.peak

Voix & podcastQA de dataset

Ce qui est mesuré L’échantillon le plus fort de l’enregistrement.

Comment la lire Au-dessus de −1 dBFS, la prise est en danger.

Pourquoi Le contrôle de niveau d’enregistrement, avant que quoi que ce soit d’autre puisse être cru.

Testé contre Correspond au true peak d’un enregistrement propre.

Comment ça marche Traitement du signal classique.

Niveau de parole Validé

voice.speechLevel

Voix & podcastQA de datasetBroadcast & post-production film

Ce qui est mesuré Le niveau moyen pendant la parole uniquement.

Comment la lire Une prise confortable se situe près de −20 dBFS ; sous −35, le micro était trop loin ou trop faible.

Pourquoi Contrairement à la moyenne du fichier, il n’est pas tiré vers le bas par le silence entre les phrases.

Testé contre Correspond au RMS d’une tonalité connue (-9,07 contre -9,03 dB) et suit une baisse de 12 dB. C’est la moyenne sur les trames que le détecteur de parole classe en parole, si bien qu’un détecteur qui compte davantage de débuts et fins de mots faibles la baisse : avec le détecteur K2 (voir Taux de parole), elle se lit 0,5 dB plus bas sur de l’audio propre et jusqu’à 1,4 dB plus bas dans le bruit (136 mélanges de test).

Comment ça marche Traitement du signal classique.

Non validé Les enregistrements très faibles. À un niveau de parole actif de -60 dBFS, le détecteur de parole K2 conserve environ 9 pour cent des secondes de parole (médiane 0,45 s sur 4,5 s ; 24 phrases lues, 15 octobre 2026, V03-ENG), le niveau n’est donc que la moyenne des parties les plus fortes : comparé aux mêmes phrases à -26 dBFS, il se lit 5,4 dB trop haut (médiane sur les 22 enregistrements qui ont un niveau ; 2,9 à 10,5 dB), et 6,6 dB trop haut avec le détecteur par défaut. Dans 2 des 24 enregistrements, il n’a trouvé aucune parole et n’a donné aucun niveau. À -50 dBFS, le détecteur K2 en conserve 97 pour cent et le niveau suit le gain à 0,2 dB près (médiane ; pire cas sur 24 : 2,2 dB).

Bruit de fond Validé

voice.noiseFloor

Voix & podcastQA de datasetEnvironnementBroadcast & post-production film

Ce qui est mesuré Le niveau des parties les plus calmes.

Comment la lire Plus bas, c’est plus calme. Une salle traitée se situe bien en dessous d’une salle normale, et une marche vers le haut signifie que quelque chose s’est allumé.

Pourquoi Tout ce que vous ne pouvez pas retirer plus tard se trouve ici.

Testé contre Monte quand on ajoute du bruit ; les bruits de fond tombent sur le vrai niveau d’un bruit synthétique stationnaire. Sur 40 enregistrements lus avec un vrai bruit de fond (SNR-1, 12 octobre 2026), elle se situe 1 à 8 dB sous le niveau moyen de ce bruit, parce qu’elle lit le dixième le plus faible des trames.

Comment ça marche Traitement du signal classique.

Rapport signal/bruit Validé

voice.snr

Voix & podcastQA de datasetBroadcast & post-production film

Ce qui est mesuré Le niveau de parole par rapport au bruit de fond, mesuré globalement.

Comment la lire Au-dessus de 30 dB, il se lit comme propre ; sous 15 dB, comme bruité. Ne l’utilisez pas pour prédire la précision de la reconnaissance vocale : dans notre propre test, il ne l’a pas fait (voir son statut).

Pourquoi Le nombre phare, même si la version segmentale ci-dessous est la plus honnête.

Testé contre Un ajout de bruit de 12 dB se lit 14 dB, à 6 dB près. Sur 40 enregistrements lus avec un vrai bruit de fond ajouté à des rapports connus (SNR-1, 12 octobre 2026) : à 6 dB près dans 90 pour cent des cas quand le vrai rapport est de 10 à 30 dB avec un bruit stable (cuisine, salon, couloir) ou du brouhaha à 20 dB. Elle se lit trop haut quand le vrai rapport est plus bas : environ 3 à 7 dB trop haut à 10 dB, 6 à 9 dB à 5 dB, 5 à 12 dB à 0 dB. Sur un enregistrement très propre, elle se lit environ 2 dB trop bas. Un second test (SNR-2 sur les fichiers SC-1, 13 octobre 2026, 1 344 fichiers : 48 énoncés synthétiques dans neuf environnements DEMAND, dont six nouveaux, à 20, 10 et 5 dB, plus des témoins propres) l’a confirmée avec d’autre parole et des environnements pour la plupart nouveaux : en moyenne 1,6 dB trop haut à 20 dB, 3,2 dB à 10 dB et 5,6 dB à 5 dB. Un estimateur hybride qui bascule vers une statistique du minimum quand la première estimation est sous 16 dB a ramené l’erreur à 5 dB à 2,5 dB (90e percentile, contre 7,1 dB) mais a surcorrigé à 10 dB (6,2 dB contre la barre de 6,0 dB), il n’a donc pas été adopté et la mesure reste telle quelle. Avec le détecteur K2 (voir Taux de parole), elle se lit 0,5 dB plus bas sur de l’audio propre et 0,6 dB plus bas à 20 dB, le même décalage que le niveau de parole puisqu’elle est ce niveau moins le bruit de fond, et sous 16 dB elle est corrigée (SNR-3, 13 octobre 2026) : une combinaison de cette première lecture et d’une seconde issue de la statistique du minimum de la puissance lissée, ajustée sur les deux premiers tests avec validation croisée et testée une seule fois sur 520 mélanges de 40 nouveaux locuteurs dans trois environnements absents de tout jeu antérieur (une place de ville, la circulation routière, un métro). Elle a satisfait ses quatre critères préenregistrés : à 5 dB l’erreur moyenne est passée de +5,95 à +1,87 dB (90e percentile de 7,44 à 2,98 dB, différence appariée de 4,08 dB avec un intervalle de 3,93 à 4,21), à 10 dB de +3,52 à -0,18 dB (90e percentile de 5,28 à 2,01 dB), et à 20 dB et sur de l’audio propre rien n’a changé. Face au détecteur par défaut, le 90e percentile à 5 dB passe de 8,23 à 2,98 dB et à 10 dB de 6,10 à 2,01 dB. Sur les 680 mélanges de bruits connus (cuisine, salon, couloir, cafétéria), il est passé de 8,26 à 4,37 dB à 5 dB et est resté à 6,25 dB à 10 dB. Non résolu : à 0 dB elle se lit encore 5,6 dB trop haut (90e percentile 6,7 dB), un enregistrement propre se lit 0,7 dB moins bien au 90e percentile qu’avec le détecteur par défaut, et le métro est l’environnement le plus difficile (90e percentile 7,3 dB à 10 dB, car 7 de ses 40 fichiers ont une première lecture au-dessus de 16 dB et échappent à la correction). Les coefficients appartiennent au masque K2 et ne s’appliquent qu’avec lui.

Marge ±6 dB. Tient pour de la parole lue avec un bruit de fond constant à un vrai rapport de 10 à 30 dB (90 pour cent des cas). Sous 10 dB, il se lit trop haut, de 3 dB ou plus. Avec le détecteur K2, il tient dès 5 dB pour une place de ville et pour la circulation d’une rue, et regroupé sur cuisine, salon, couloir et cafétéria (90e percentile 4,4 dB à 5 dB) ; à 10 dB, la valeur regroupée sur ces quatre est 6,25 dB et un métro atteint 7,3 dB ; à 0 dB, il se lit encore environ 6 dB trop haut.

Comment ça marche Traitement du signal classique.

Non validé Prédire les erreurs de reconnaissance vocale : dans notre propre test du 10 octobre 2026 : 16 signalements de citoyens néerlandais inventés (rue et numéro, ville, nom de famille, téléphone, e-mail), lus par 3 voix de synthèse dans 13 conditions (propre, bande téléphonique, bruit de rue et brouhaha à 10 et 5 dB, télévision, quatre temps de réverbération mesurés, combinaisons) : 624 enregistrements, 1 248 transcriptions par Whisper small et large-v3-turbo, 48 par condition et par modèle, marge d’environ 13 points. Elle n’a pas prédit les erreurs sur la rue, le numéro et la ville (AUC 0,52 à 0,55 ; 0,50, c’est un pile ou face). Voix de synthèse, Whisper uniquement, bande téléphonique simulée, texte néerlandais ; les vrais locuteurs, les autres moteurs de reconnaissance et les autres langues ne sont pas testés.

Ce que ce n’est pas Pas un prédicteur de la précision de la reconnaissance vocale.

SNR segmental Validé

voice.segmentalSnr

Voix & podcastQA de dataset

Ce qui est mesuré Chaque phrase mesurée par rapport au bruit qui l’entoure immédiatement, puis prise en médiane.

Comment la lire Même échelle que le SNR global, mais il ne flatte pas une prise dont le fond change.

Pourquoi Une seule moyenne globale cache exactement ce qui compte : une télévision qui s’allume à mi-parcours, une voiture qui passe, quelqu’un qui parle à côté.

Testé contre Se situe près du vrai rapport entre salves et fond, et révèle un fond qui devient plus fort. Avec le détecteur K2 (voir Taux de parole), les phrases englobent leurs bords faibles, et la valeur se décale d’environ 1 dB au plus dans un sens ou dans l’autre par enregistrement (136 mélanges de test).

Comment ça marche Traitement du signal classique.

Non validé Prédire les erreurs de reconnaissance vocale : dans notre propre test du 10 octobre 2026 : 16 signalements de citoyens néerlandais inventés (rue et numéro, ville, nom de famille, téléphone, e-mail), lus par 3 voix de synthèse dans 13 conditions (propre, bande téléphonique, bruit de rue et brouhaha à 10 et 5 dB, télévision, quatre temps de réverbération mesurés, combinaisons) : 624 enregistrements, 1 248 transcriptions par Whisper small et large-v3-turbo, 48 par condition et par modèle, marge d’environ 13 points. Elle n’a pas prédit les erreurs sur la rue, le numéro et la ville (AUC 0,52 à 0,55 ; 0,50, c’est un pile ou face). Voix de synthèse, Whisper uniquement, bande téléphonique simulée, texte néerlandais ; les vrais locuteurs, les autres moteurs de reconnaissance et les autres langues ne sont pas testés.

Ce que ce n’est pas Pas un prédicteur de la précision de la reconnaissance vocale.

Dispersion du SNR Validé

voice.segmentalSnrSpread

Voix & podcastQA de dataset

Ce qui est mesuré La différence entre les meilleures et les pires phrases (p90 moins p10).

Comment la lire Petite, c’est un fond régulier ; grande, il a changé pendant la prise.

Pourquoi Décide si la solution est un seul filtre pour le fichier ou une chasse aux phrases individuelles.

Testé contre Révèle un fond de bruit qui change à mi-parcours.

Comment ça marche Traitement du signal classique.

SNR par phrase Validé

voice.segmentSnr

Voix & podcastQA de dataset

Ce qui est mesuré Le SNR segmental de chaque phrase séparément.

Comment la lire Aligné sur la liste de segments ; null là où la phrase était trop courte pour être mesurée.

Pourquoi Transforme une plainte au niveau du fichier en un horodatage où l’on peut aller.

Testé contre Diffère de 12,03 dB pour des phrases séparées de 12,04 dB.

Comment ça marche Traitement du signal classique.

Échantillons écrêtés Validé

voice.clipping

Voix & podcastQA de dataset

Ce qui est mesuré Les échantillons collés à la crête du fichier, en séquences d’au moins trois de suite.

Comment la lire Tout compte au-dessus d’une poignée est un dommage audible. Les crêtes isolées ne comptent pas, un écrêtage léger se lit donc bas.

Pourquoi Le seul défaut qu’aucun traitement ne peut défaire. Cela veut dire réenregistrer, pas réparer.

Testé contre Voit 3 pour cent d’échantillons bloqués, et aucun sur un enregistrement propre normalisé.

Comment ça marche Traitement du signal classique.

Non validé L’écrêtage léger, où il se lit bas : elle ne compte les échantillons collés à la crête du fichier qu’en séquences d’au moins trois de suite, les crêtes isolées ne comptent donc pas. Le 15 octobre 2026 (V03-ENG), sur 72 enregistrements avec 0 à 36 pour cent des échantillons écrêtés (24 phrases lues à trois gains), elle a trouvé tous les enregistrements qui avaient une telle séquence et aucun des 96 enregistrements sans écrêtage. Elle lisait environ 0,68 des échantillons à pleine échelle quand jusqu’à 1 pour cent étaient écrêtés (médiane) et 0,91 à 0,93 d’entre eux au-dessus de 1 pour cent.

Niveau dans les pauses Proxy

voice.gapLevel

Voix & podcastQA de datasetEnvironnement

Ce qui est mesuré À quel point le « silence » entre les phrases est réellement fort : le niveau des trames que le détecteur de parole appelle une pause. La queue du dernier mot et la décroissance de la salle en font partie.

Comment la lire Lisez-le par rapport au niveau de parole. Plus la distance est petite, plus le fond fait concurrence ; une prise confortable laisse un grand écart.

Pourquoi La salle n’est calme que si vous l’avez mesurée, et ceci la mesure là où le locuteur ne parle pas.

Testé contre Sur des enregistrements construits avec des salves de parole nettes et un fond de bruit blanc à moins 55 et moins 40 dBFS, elle lit le fond à 2,5 dB près. Elle fait la moyenne de tout ce que le détecteur de parole appelle pause, si bien que sur de la vraie parole, la queue du dernier mot et la décroissance de la salle comptent comme fond. Les pauses viennent du détecteur de parole. Mesuré par rapport à des alignements de mots (40 enregistrements lus, 17 conditions de bruit), environ 95 pour cent des trames utilisées comme pause sont vraiment sans parole sur de l’audio propre et avec un bruit stable à 20 dB, et 80 à 91 pour cent à 10 dB ; de la parole faible qui s’y glisse relève d’environ 3 dB le niveau d’un fond très calme. Avec le détecteur K2 (voir Taux de parole), les queues faibles des phrases ne comptent plus comme pause et le niveau se lit plus bas : de 0,4 à 2,6 dB sur les mélanges de test, et de 1 à 15 dB sur les 12 enregistrements d’exemple du site (voix synthétiques avec un silence numérique entre les phrases), où elle est aussi vide quand il ne reste aucune trame de pause.

Comment ça marche Traitement du signal classique.

Non validé Les vrais enregistrements avec un niveau de fond connu.

Rythme de parole en arrière-plan Proxy

voice.gapModulation

Voix & podcastQA de datasetEnvironnement

Ce qui est mesuré La part de l’énergie dans les pauses qui bouge à 2 à 8 Hz, le rythme des syllabes.

Comment la lire Élevée signifie que quelque chose en arrière-plan a la cadence de la parole.

Pourquoi Une télévision ou une seconde personne dans la pièce se lit comme du bruit ordinaire sur tous les indicateurs de niveau, mais pas sur celui-ci.

Testé contre Sépare un bruit plat d’un fond rythmé.

Comment ça marche Traitement du signal classique.

Cliquetis en arrière-plan Proxy

voice.gapModulationHigh

Voix & podcastEnvironnement

Ce qui est mesuré La part du mouvement dans les pauses qui se situe entre 8 et 16 Hz, sur 0,5 à 16 Hz. Seules les pauses d’au moins 1,4 s sont mesurées.

Comment la lire Plus élevée signifie un mouvement plus rapide dans les pauses, comme avec des claviers, des couverts ou des pas. Un bruit plat se lit déjà à environ 0,5 : comparez donc des fichiers plutôt que de la lire à partir de zéro. Les pauses plus courtes ne sont pas mesurées et se lisent 0.

Pourquoi Garde la mesure ci-dessus. Le cliquetis est rapide et la parole ne l’est pas, la paire permet donc de les distinguer.

Testé contre Direction seulement : un fond qui vibre à 12 Hz se lit à plus de 0,3 au-dessus d’un bruit plat. Un bruit plat se lit déjà environ 0,48, pas 0. Seules les pauses d’au moins 1,4 s sont mesurées (les pauses plus courtes se lisent 0) et seulement le mouvement jusqu’à 16 Hz. Les pauses viennent du détecteur de parole. Mesuré par rapport à des alignements de mots (40 enregistrements lus, 17 conditions de bruit), environ 95 pour cent des trames utilisées comme pause sont vraiment sans parole sur de l’audio propre et avec un bruit stable à 20 dB, et 80 à 91 pour cent à 10 dB ; de la parole faible qui s’y glisse relève d’environ 3 dB le niveau d’un fond très calme.

Comment ça marche Traitement du signal classique.

Non validé Les enregistrements de claviers, de couverts ou de pas.

Cadence de l’arrière-plan Proxy

voice.gapPeriodicity

Voix & podcastEnvironnement

Ce qui est mesuré À quel point l’énergie des pauses se répète régulièrement à l’espacement des syllabes.

Comment la lire Élevée signifie un rythme régulier plutôt que des salves aléatoires. Faible à elle seule : la queue de souffle du locuteur lui-même est plus périodique qu’une télévision lointaine, et la compression de diffusion rend la radio presque apériodique.

Pourquoi Gardée comme nombre d’appui plutôt que comme test. Mesurée sur un corpus, elle ne sépare pas à elle seule la parole en arrière-plan ; elle ne mérite sa place qu’en combinaison avec les niveaux qui l’entourent.

Testé contre Sépare un fond continu d’un claquement isolé.

Comment ça marche Traitement du signal classique.

Énergie dans les pauses après la parole Retiré

voice.roomEcho

Voix & podcastQA de dataset

Ce qui est mesuré La queue de 60 à 420 ms après chaque phrase, par rapport à la phrase elle-même. Bruit ou réverbération : ce nombre ne sépare pas les deux.

Comment la lire Elle monte avec le bruit de fond aussi volontiers qu’avec une salle vivante, lisez-la donc comme « ce qu’il reste dans les pauses », pas comme un verdict sur la salle.

Pourquoi Ce n’est pas une mesure de réverbération : sur 24 réponses de salle mesurées sans bruit, elle a suivi le RT60 mesuré à Spearman 0,06, et une salle de 1,71 s a obtenu un score inférieur à celui d’une cabine de 0,18 s. Elle reste parce que l’énergie qui reste dans les pauses vaut la peine d’être vue ; l’affirmation sur la salle a été retirée le 27 septembre 2026, jusqu’à ce qu’une mesure validée passe son contrôle.

Testé contre Testé le 27 septembre 2026 sur 24 salles avec des temps de réverbération mesurés : Spearman 0,06, AUC 0,52, et elle monte avec le bruit.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas une mesure de réverbération. L’étiquette a été retirée du moteur, des applications, de l’API et du serveur MCP.

À quoi ressemble le matériau actif Proxy

voice.activeKind

Voix & podcastQA de dataset

Ce qui est mesuré voice, music, noise ou mixed : les étiquettes de trame de tout ce qui est au-dessus de la porte de silence, en un seul mot.

Comment la lire Lisez les nombres de voix comme des nombres sur le matériau plutôt que sur une voix dès que ce n’est pas « voice ». « mixed » signifie une voix ET autre chose, ce qui est la réponse honnête quand aucun des deux côtés n’est proche de dominer.

Pourquoi Le contrôle qualité de la voix suppose une entrée de parole, et sur un mix musical ou un bruit constant, cette hypothèse est fausse alors que chaque nombre ressemble encore à une mesure de voix. Ce sont les mêmes étiquettes que celles dont la ligne de temps est construite, les labs ne peuvent donc pas être en désaccord à ce sujet.

Testé contre Une voix rythmée garde l’étiquette voix ; un bruit stable n’en reçoit aucune (testé). Testé le 12 octobre 2026 sur 600 extraits de 20 secondes de MUSAN (200 parole, 200 musique, 200 bruit ; une exécution, rien de réglé) : rappel de la parole 0,91 et précision 0,53, rappel de la musique 0,59 et précision 0,55, rappel du bruit 0,015 (3 sur 200). Elle n’a pas satisfait son critère préenregistré (rappel et précision de 0,80 ou plus pour les trois classes), pour aucune classe. La parole de livres audio (LibriVox) est appelée voix sur les 100 extraits, la parole du gouvernement américain sur 81 sur 100. La musique est appelée voix sur 69 extraits sur 200 et bruit sur 92 sur 200. Sur 500 mélanges construits de parole lue et de musique instrumentale (MX-1, 12 octobre 2026), elle a classé comme parole avec musique une parole mélangée à une musique 6 dB plus faible dans 16 cas sur 100, et avec une musique de même niveau dans 18 cas sur 100 ; de la parole avec une musique douce se lit surtout voix, et la parole pure et la musique pure ont été à tort classées comme mélangées dans 6 pour cent des cas.

Comment ça marche Traitement du signal classique.

Non validé Le bruit : l’étiquette touche 3 sur 200 sur ces données. Le bruit MUSAN est varié (son environnemental, machines, tonalités, effets), ce qui est plus large que le bruit constant sur lequel la règle a été testée, une partie de l’échec est donc une différence dans ce que bruit veut dire. La parole sur de la musique n’a été testée que sur des mélanges construits (MX-1), pas sur de vrais enregistrements de gens qui parlent sur de la musique. Non testés non plus : les langues autres que l’anglais, les enregistrements téléphoniques et de conférence.

Ce que ce n’est pas Un classifieur de trames, pas une vérité terrain. Une étiquette voix sur de la parole lue propre tient la route ; l’étiquette bruit, non. Bruit désigne un bruit de fond stable (ronflement, souffle, climatisation, foule), pas tout son sans parole ni musique.

Part de voix dans le matériau actif Proxy

voice.activeVoiceShare

Voix & podcastQA de dataset

Ce qui est mesuré La part des trames actives étiquetées voice, de 0 à 1.

Comment la lire Près de 1, c’est de la parole, près de 0, de la musique ou du bruit, et le milieu est honnête sur un matériau qui est les deux.

Pourquoi Un seul mot doit choisir. Une musique avec voix est réellement les deux, et une part le dit.

Testé contre Même classifieur de trames.

Comment ça marche Traitement du signal classique.

Brillance de la voix Proxy

voice.brightness

Voix & podcast

Ce qui est mesuré Le centre spectral moyen de chaque trame non silencieuse, divisé par 2500 Hz et plafonné à 1. Les pauses qui contiennent un peu de bruit comptent aussi.

Comment la lire Bas signifie étouffé ou hors axe ; haut signifie mince ou trop près d’un micro brillant. Un bruit de fond au-dessus de -80 dBFS environ tire le nombre vers le haut, parce que les pauses font partie de la moyenne.

Pourquoi Attrape un microphone mal placé que tous les indicateurs de niveau trouvent parfait.

Testé contre Direction testée : peu d’aigus contre beaucoup se lit 0,08 contre 1,00. Avec des pauses en silence numérique, elle suit le centre spectral moyen par trame divisé par 2500 Hz à 0,06 près. Chaque trame au-dessus de 1e-4 RMS compte, pauses comprises, si bien qu’un vrai bruit de fond la tire vers le haut : un bruit blanc à moins 55 dBFS entre les salves fait lire 1 à une parole à 1250 Hz.

Comment ça marche Traitement du signal classique.

Non validé La vraie parole avec un bruit de fond, et face à des auditeurs.

Ce que ce n’est pas Une mesure de centroïde spectral de chaque trame non silencieuse, pas un verdict de qualité.

Risque de sibilance Proxy

voice.sibilance

Voix & podcast

Ce qui est mesuré La concentration d’énergie dans la plage 5 à 9 kHz.

Comment la lire Low, Medium ou High.

Pourquoi Les S durs survivent à toutes les étapes de traitement suivantes et rendent l’écoute longue pénible.

Testé contre Direction testée : de l’énergie autour de 7 kHz fait passer de Faible à Élevé.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Une étiquette de risque, pas une mesure de sibilance en dB.

Coupé au début Validé

voice.startsInSpeech

Voix & podcastQA de datasetBroadcast & post-production film

Ce qui est mesuré Si la parole est déjà en cours dès la toute première trame.

Comment la lire True signifie que l’enregistrement a démarré trop tard.

Pourquoi Un premier mot manquant est invisible dans toute vue de forme d’onde et fatal dans un jeu de données.

Testé contre Repère un fichier qui commence en pleine parole.

Comment ça marche Traitement du signal classique.

Non validé Une coupe peu profonde. Le 15 octobre 2026 (V03-ENG), 24 phrases lues coupées de 100, 250 et 500 ms dans la parole ont été signalées 13, 18 et 20 fois sur 24 (12, 15 et 18 avec le détecteur par défaut), et aucun des 24 enregistrements non coupés ne l’a été. Le niveau au bord (voir Niveau au début) séparait mieux les 72 débuts coupés des 24 non coupés (AUC 0,96).

Coupé à la fin Validé

voice.endsInSpeech

Voix & podcastQA de datasetBroadcast & post-production film

Ce qui est mesuré Si la parole est encore en cours sur la dernière trame.

Comment la lire True signifie que l’enregistrement s’est arrêté trop tôt.

Pourquoi Comme ci-dessus, à l’autre bout, et tout aussi facile à manquer.

Testé contre Repère un fichier qui s’arrête en pleine parole.

Comment ça marche Traitement du signal classique.

Non validé Une coupe peu profonde. Le 15 octobre 2026 (V03-ENG), 24 phrases lues coupées de 250 ms dans la parole ont été signalées 17 fois sur 24 (12 avec le détecteur par défaut), et aucun des 24 enregistrements non coupés ne l’a été. Le niveau au bord (voir Niveau à la fin) les séparait mieux (AUC 0,97).

Niveau au début Validé

voice.edgeStartDb

QA de datasetBroadcast & post-production film

Ce qui est mesuré Le niveau d’enveloppe sur les premières trames.

Comment la lire Fort signifie une coupe franche ; faible signifie un début naturel.

Pourquoi Sépare une prise tronquée d’une prise qui commence simplement doucement.

Testé contre Une tonalité à moins 15,05 dBFS RMS au début se lit à ce niveau à 1 dB près au début et sous moins 80 dBFS à la fin. Lue aussi sur 24 phrases lues coupées 100, 250 et 500 ms après le début de la parole, contre 24 non coupées (15 octobre 2026, V03-ENG, exploratoire) : elle a séparé les 72 débuts coupés des non coupés avec une AUC de 0,96 (médiane -29, -27 et -24 dBFS contre -59 dBFS).

Comment ça marche Traitement du signal classique.

Niveau à la fin Validé

voice.edgeEndDb

QA de datasetBroadcast & post-production film

Ce qui est mesuré Le niveau d’enveloppe sur les dernières trames.

Comment la lire Fort signifie une coupe franche ; faible signifie un fondu de sortie.

Pourquoi La contrepartie à la fin, même raisonnement.

Testé contre Une tonalité à moins 15,05 dBFS RMS à la fin se lit à ce niveau à 1 dB près à la fin et sous moins 80 dBFS au début. Lue aussi sur 24 phrases lues coupées 250 ms après le début de la parole, contre 24 non coupées (15 octobre 2026, V03-ENG, exploratoire) : elle a séparé les fins coupées des non coupées avec une AUC de 0,97 (médiane -32 dBFS contre -57 dBFS).

Comment ça marche Traitement du signal classique.

La hauteur d’une voix, la part de l’enregistrement qui est voisée et la part du son qui est harmonique. Le jitter et le shimmer sont encore en test et ne sont pas proposés.

Hauteur tonale Validé

pitch.f0Hz

Hauteur tonale et qualité de voix

Ce qui est mesuré La fréquence fondamentale médiane des parties voisées, en Hz : où se situe la voix. Chaque trame compte avec son énergie, un ronflement périodique bien sous la voix ne compte donc pas.

Comment la lire Entre 70 et 600 Hz. Environ 85 à 180 Hz pour un homme et 165 à 255 Hz pour une femme, plus haut pour un enfant. Null quand moins de 0,2 s de l’enregistrement est voisé.

Pourquoi Distingue les voix par registre, montre qu’un enregistrement a été transposé ou joué à la mauvaise vitesse, et c’est le point de départ de toute lecture qui dépend de la hauteur.

Testé contre Voix construites de hauteur connue (un train d’impulsions à travers cinq voyelles, 1 092 enregistrements dans sept conditions, construits pour le test avec les critères fixés au préalable : scripts/validatie/pitch/PREREG-PITCH.md et RESULT-PITCH.md). Aucune erreur grossière (plus de 20 pour cent d’écart) sur des enregistrements propres à 16 et 48 kHz, aucune sous un bruit à 20 et 10 dB et au plus 1,9 pour cent sur une ligne téléphonique (8 kHz, 300 à 3 400 Hz). La médiane d’un enregistrement entier s’écartait d’une médiane de 0,31 pour cent sur des phrases et de 0,07 pour cent sur des voyelles tenues (90e percentile 2,2 et 0,34 pour cent), y compris sous un bruit à 20 dB et sur la bande téléphonique. Les trackers que nous avions déjà (l’accordeur de TuneLab et le coach de chant du site) faisaient 2,9 à 3,8 pour cent d’erreurs grossières sur les mêmes phrases et voyelles là où celui-ci n’en faisait aucune. Sur 40 lectures de vraie parole (LibriSpeech test-clean, 30 s chacune), 98,0 pour cent des trames que ce tracker et un tracker indépendant (YIN) appellent toutes deux voisées concordent à 20 pour cent près, et la médiane d’une lecture diffère d’une médiane de 0,69 pour cent (90e percentile 3,2 pour cent).

Marge ±3 percent. Contre les voix construites, l’erreur médiane de la hauteur médiane était de 0,07 à 0,33 pour cent et le 90e percentile de 0,34 pour cent sur des voyelles tenues et de 2,2 à 2,6 pour cent sur des phrases (le pire sur une ligne téléphonique).

Comment ça marche Traitement du signal classique.

Non validé Une voix contre un laryngographe (aucune telle donnée ici), le chant et les instruments (la plage s’arrête à 600 Hz), les voix craquantes ou très irrégulières, et les voix différentes des cinq voyelles du générateur. Sur de la vraie parole, 2,9 pour cent des trames voisées se situent au-dessus de 1,8 fois la médiane de leur lecture, probablement un harmonique plus haut dans une voyelle forte : la médiane y résiste, l’extrémité haute de l’étendue moins.

Ce que ce n’est pas Pas une note et pas une mesure de l’âge ou du sexe du locuteur : la médiane sur tout l’enregistrement.

Hauteur tonale, extrémité basse Proxy

pitch.f0LowHz

Hauteur tonale et qualité de voix

Ce qui est mesuré Le 10e percentile de la fréquence fondamentale sur les parties voisées, pondéré par l’énergie.

Comment la lire En Hz. Avec l’extrémité haute, il donne l’étendue que la voix a utilisée dans cet enregistrement.

Pourquoi Le plancher de la voix : un locuteur qui descend au bas de son registre se lit différemment de celui qui reste à plat.

Testé contre Un percentile (le 10e, pondéré par l’énergie) de la hauteur suivie, si bien que la qualité du tracker la porte (voir pitch.f0Hz). Pas testée seule contre une vérité. Sur de la vraie parole, 2,9 pour cent des trames voisées se situent au-dessus de 1,8 fois la médiane de leur lecture, probablement un harmonique plus haut ; le 10e percentile est l’extrémité la plus stable de l’étendue.

Comment ça marche Traitement du signal classique.

Hauteur tonale, extrémité haute Proxy

pitch.f0HighHz

Hauteur tonale et qualité de voix

Ce qui est mesuré Le 90e percentile de la fréquence fondamentale sur les parties voisées, pondéré par l’énergie.

Comment la lire En Hz. Un suiveur qui glisse vers un harmonique plus haut dans une voyelle forte tire cette extrémité vers le haut avant de bouger la médiane.

Pourquoi Le haut de la voix : l’accentuation, une question et l’excitation apparaissent ici, tout comme une voix forcée.

Testé contre Un percentile (le 90e, pondéré par l’énergie) de la hauteur suivie, si bien que la qualité du tracker la porte (voir pitch.f0Hz). Pas testée seule contre une vérité. Sur de la vraie parole, 2,9 pour cent des trames voisées se situent au-dessus de 1,8 fois la médiane de leur lecture, probablement un harmonique plus haut dans une voyelle forte, et c’est cela qui tire d’abord cette extrémité vers le haut.

Comment ça marche Traitement du signal classique.

Variation de hauteur Proxy

pitch.f0VariationSemitones

Hauteur tonale et qualité de voix

Ce qui est mesuré À quel point la hauteur bouge : l’écart type de la hauteur autour de sa médiane, en demi-tons.

Comment la lire La parole lue se situait entre 2,2 et 4,3 demi-tons (10e au 90e percentile de 40 lectures). Sous 1,5 environ, elle se lit comme monotone, au-dessus de 5 comme animée.

Pourquoi Le premier nombre de la prosodie : une diction plate perd un auditoire et une hauteur qui oscille peut être de la nervosité ou de l’émotion.

Testé contre Dérivée de la hauteur suivie (voir pitch.f0Hz) et pas testée seule contre une vérité. Sur de la vraie parole lue, elle s’est lue 2,2 / 3,3 / 4,3 demi-tons (10e percentile / médiane / 90e percentile de 40 lectures). Un décrochage vers un harmonique plus haut la gonfle.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas un verdict sur l’expressivité d’un locuteur : le même nombre peut être une voix vivante ou un tracker qui a décroché.

Part voisée Proxy

pitch.voicedShare

Hauteur tonale et qualité de voix

Ce qui est mesuré La part des trames avec son qui portent une hauteur, de 0 à 1.

Comment la lire La parole lue se situait entre 0,49 et 0,76. Les consonnes et le souffle ne sont pas voisés. Un bruit constant contenant une tonalité compte comme voisé, et un enregistrement bien plus calme ou plus fort que d’habitude se lit différemment (voir le statut).

Pourquoi Quelle part du son est de la voix : un chuchotement, un enregistrement fait surtout de pauses et un enregistrement fait surtout de voyelles se lisent différemment.

Testé contre Compte les trames avec du son (à 35 dB du 95e percentile des trames) qui portent une hauteur. Elle dépend du niveau de l’enregistrement et du bruit : par rapport à la version propre des mêmes enregistrements synthétiques, elle s’est déplacée entre plus 13 et moins 28 points sur 32 situations de bruit, de réverbération et de niveau (un enregistrement 30 dB plus faible se lisait 24 points plus bas), et un bruit stable contenant une tonalité est compté comme voisé. Sur de la vraie parole lue 0,49 / 0,66 / 0,76 (10e percentile / médiane / 90e percentile de 40 lectures).

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas la part de parole : un enregistrement de bruit stable contenant une tonalité se lit voisé.

Rapport harmoniques/bruit Validé

pitch.hnrDb

Hauteur tonale et qualité de voix

Ce qui est mesuré À quel point le son voisé se répète d’une période à la suivante, en énergie de la partie périodique sur l’énergie du reste, en dB. Médiane sur les trames voisées, pondérée par l’énergie.

Comment la lire La parole lue se situait entre 8 et 16 dB. Le souffle de la voix, l’enrouement, le bruit de fond et un mauvais enregistrement l’abaissent, tout comme le jitter et le shimmer, parce qu’une voix irrégulière n’est pas périodique. Il peut se lire trop bas au-dessus de 28 dB environ (22 dB environ sur une ligne téléphonique).

Pourquoi Un nombre pour dire à quel point la voix est propre : une salle bruyante, un micro soufflant et une voix usée y apparaissent tous.

Testé contre Voix construites exactement périodiques avec un bruit blanc ajouté à un rapport connu, 36 enregistrements par condition, construits pour le test avec les critères fixés au préalable (scripts/validatie/pitch/PREREG-PITCH.md et RESULT-PITCH.md). À 16 kHz, 18 enregistrements sur 19 avec un vrai rapport de 8 à 28 dB se lisent à 1,5 dB de celui-ci (erreur médiane -0,3 dB) et l’ordre par rapport à la vérité concordait à Spearman 0,97 ; sur une ligne téléphonique (8 kHz, 300 à 3 400 Hz), 5 enregistrements sur 5 avec 8 à 20 dB se lisent à 2 dB près. Sur de la vraie parole lue, la mesure s’est lue 8,4 / 11,3 / 15,8 dB (10e percentile / médiane / 90e percentile de 40 lectures).

Comment ça marche Traitement du signal classique.

Non validé Les voix avec jitter et shimmer (la lecture est alors plus basse que le bruit ajouté seul, d’environ 5 dB pour des voyelles tenues et 8 dB pour des phrases, parce qu’une voix irrégulière n’est pas non plus périodique), les vraies voix soufflées ou enrouées face à une évaluation clinique, et les rapports au-dessus de 28 dB environ, ou au-dessus de 22 dB environ sur une ligne téléphonique, où il peut se lire trop bas (jusqu’à 7 dB et jusqu’à 18 dB).

Ce que ce n’est pas Pas le bruit de fond seul : elle compte tout ce qui ne se répète pas d’une période à l’autre, jitter et shimmer compris. Pas le HNR de Praat à la décimale : la même définition sur un autre tracker, en médiane sur les trames voisées pondérées par l’énergie.

Jitter Bêta

pitch.jitterLocal

Hauteur tonale et qualité de voix

Ce qui est mesuré Le jitter local : de combien des périodes voisines de la voix diffèrent en longueur, en pourcentage de la période.

Comment la lire En pourcentage. Donné seulement quand l’enregistrement est assez calme (au moins 30 dB entre les trames fortes et calmes) et contient 20 paires de cycles, sinon null. La norme clinique d’environ 1 pour cent vaut pour une voyelle tenue ; en parole continue, le nombre se lit deux à trois fois plus.

Pourquoi La rugosité de la voix au niveau de cycles isolés : les voix enrouées et fatiguées se lisent haut.

Statut Testé le 13 octobre 2026 sur des données sur lesquelles elle n’avait pas été développée, avec des critères fixés au préalable (scripts/validatie/pitch/PREREG-PITCH.md et RESULT-PITCH.md). Sur des voyelles tenues construites à 16 kHz et sur une ligne téléphonique, elle s’est lue 1,2 fois la vérité avec une erreur médiane de 0,14 à 0,15 point, mais l’ordre par rapport à la vérité ne concordait qu’à Spearman 0,74 (critère 0,75). Dans de la parole continue construite, elle s’est lue 1,34 et 1,47 fois la vérité, à Spearman 0,70 et 0,61 (critère 0,7). Sous un bruit à 20 dB, elle n’a donné aucune valeur pour aucune voyelle et s’est lue 1,5 fois trop haut pour les phrases. Elle reste en bêta et n’est pas offerte par l’API ni par le serveur MCP tant qu’un test ultérieur sur de nouvelles données n’aura pas satisfait les critères.

Comment ça marche Traitement du signal classique.

Non validé Une vraie voix avec une perturbation connue, une évaluation clinique, et le bégaiement (le jitter n’en dit rien). Un enregistrement qui n’est pas calme (moins de 30 dB entre les trames fortes et calmes) n’obtient aucune valeur. Sur de la vraie parole lue, la mesure a lu 1,6 / 2,3 / 2,7 pour cent (10e / médiane / 90e percentile des 35 lectures sur 40 qui ont obtenu une valeur), deux à trois fois la norme clinique d’environ 1 pour cent, qui vaut pour une voyelle tenue.

Ce que ce n’est pas Pas une mesure du bégaiement et pas un jugement clinique.

Shimmer Bêta

pitch.shimmerLocal

Hauteur tonale et qualité de voix

Ce qui est mesuré Le shimmer local : de combien des cycles voisins de la voix diffèrent en amplitude, en pourcentage de l’amplitude.

Comment la lire En pourcentage. Donné seulement quand l’enregistrement est assez calme (au moins 30 dB entre les trames fortes et calmes) et contient 20 paires de cycles, sinon null. La norme clinique d’environ 4 pour cent vaut pour une voyelle tenue ; en parole continue, le nombre se lit environ deux fois plus.

Pourquoi L’instabilité de la voix au niveau de cycles isolés : une voix soufflée ou forcée se lit haut.

Statut Testé le 13 octobre 2026 sur des données sur lesquelles elle n’avait pas été développée, avec des critères fixés au préalable (scripts/validatie/pitch/PREREG-PITCH.md et RESULT-PITCH.md). Sur des voyelles tenues construites à 16 kHz et sur une ligne téléphonique, elle s’est lue 1,04 et 1,07 fois la vérité à Spearman 0,90, mais avec une erreur médiane de 0,66 et 0,75 point (critère 0,6). Dans de la parole continue construite, elle s’est lue 1,35 et 1,46 fois la vérité avec une erreur médiane de 1,6 et 2,0 points (critère 2 points) à Spearman 0,94 et 0,88. Sous un bruit à 20 dB, elle n’a donné aucune valeur pour aucune voyelle et s’est lue 1,3 fois trop haut pour les phrases. Elle reste en bêta et n’est pas offerte par l’API ni par le serveur MCP tant qu’un test ultérieur sur de nouvelles données n’aura pas satisfait les critères.

Comment ça marche Traitement du signal classique.

Non validé Une vraie voix avec une perturbation connue, une évaluation clinique, et le bégaiement (le shimmer n’en dit rien). Un enregistrement qui n’est pas calme (moins de 30 dB entre les trames fortes et calmes) n’obtient aucune valeur. Sur de la vraie parole lue, la mesure a lu 6,8 / 8,2 / 9,9 pour cent (10e / médiane / 90e percentile des 35 lectures sur 40 qui ont obtenu une valeur), environ deux fois la norme clinique d’environ 4 pour cent, qui vaut pour une voyelle tenue.

Ce que ce n’est pas Pas une mesure du bégaiement et pas un jugement clinique.

Hauteur tonale dans le temps Proxy

pitch.f0Track

Hauteur tonale et qualité de voix

Ce qui est mesuré La hauteur toutes les 10 ms à partir du temps 0, en Hz, null là où la trame est non voisée.

Comment la lire Une valeur toutes les 10 ms. Une série : omise d’un résumé.

Pourquoi Le contour : où la voix monte et descend, pour les tracés, pour l’intonation et pour le coach de chant.

Testé contre Les trames du tracker derrière pitch.f0Hz, jugées trame par trame contre la construction : aucune erreur grossière sur des enregistrements propres, une erreur fine de 8 à 9 cents sur des voix avec jitter, aucune trame voisée manquée et aucune fausse sur des enregistrements propres. Sous bruit, 6 à 19 pour cent des trames sans voix se lisent comme voisées (un ronflement est périodique lui aussi).

Comment ça marche Traitement du signal classique.

Ce qui remplit les pauses (une machine, un programme, rien) et si l’on peut encore suivre la voix au premier plan. Le chiffre d’intelligibilité est un proxy et le dit.

Ce qui remplit les pauses Proxy

scene.background

Voix & podcastEnvironnementQA de dataset

Ce qui est mesuré Un mot pour le fond, lu dans les pauses de parole après les 0,4 premières secondes de chacune : quiet, stationary, program ou unsteady.

Comment la lire Stationary est un niveau et un spectre qui bougent à peine : un ronflement ou un souffle constant, ou une foule dense ; les machines qui changent de vitesse ou tournent par cycles se lisent unsteady. Program est un niveau qui bouge à la cadence de la parole : une télévision, une radio, une seconde personne, aussi de la musique avec un rythme. Unsteady bouge sans cadence : circulation, cliquetis. Null quand il reste moins d’une seconde de pause à lire.

Pourquoi Un preneur de son doit savoir s’il faut éteindre la télévision ou la ventilation avant la prise suivante, et un indicateur de niveau ne peut pas distinguer les deux.

Testé contre Scènes synthétiques : le calme et la ventilation se lisent stationnaires, une télévision se lit programme. Sur de vrais enregistrements d’environnements (SC-1, 12 octobre 2026), les environnements à machines se lisent surtout instables (lave-linge 41 sur 48, voiture 39 sur 48 à 20 dB), le brouhaha et un salon se lisent souvent programme, et le calme n’est apparu dans aucun environnement.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Stationnaire signifie un niveau et un spectre constants, pas une machine. Pas une lecture fiable de ce qu’est le fond.

Programme en arrière-plan Proxy

scene.programScore

Voix & podcastEnvironnementQA de dataset

Ce qui est mesuré À quel point les pauses portent un programme : le mouvement du niveau multiplié soit par la cadence de 2 à 8 Hz de la parole, soit par une hauteur (une seconde voix, de la musique), de 0 à 1.

Comment la lire Un souffle constant obtient 0 : son niveau ne bouge pas. Le souffle du locuteur lui-même bouge mais n’a ni cadence au-dessus du plancher du bruit plat ni hauteur, il reste donc bas. Au-dessus de 0,5, l’étiquette se lit program.

Pourquoi C’est le nombre qui dit « il y a une télévision allumée », ce qu’aucun bruit de fond en dB ne peut dire.

Testé contre Scènes synthétiques.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas testé sur de vrais enregistrements.

Voix ou notes dans les pauses Proxy

scene.gapHarmonicShare

Voix & podcastEnvironnementQA de dataset

Ce qui est mesuré La part des trames de pause de 40 ms avec une hauteur nette et mobile entre 70 et 400 Hz, lue dans l’autocorrélation normalisée après les 0,4 premières secondes de chaque pause.

Comment la lire Le souffle, le murmure d’un public et la ventilation n’ont pas de hauteur ; une seconde voix en a une, et la musique à notes nettes aussi. Au-dessus de 0,35 environ, le score de programme la lit comme un programme. Une musique dense ou riche en basses peut rester basse ici et se lire à la place comme un fond constant : mesuré 0,07 sur un morceau de club à 18 dB sous une conférence, que l’étiquette a alors appelé stationary. Une hauteur qui ne bouge pas est une tonalité, pas une voix, et elle est rapportée séparément.

Pourquoi Sur de vrais enregistrements, la cadence de modulation seule séparait à peine une télévision des résidus du locuteur lui-même ; une hauteur mobile dans les pauses, si.

Testé contre Trouve une seconde voix grâce à sa hauteur dans les pauses, dans des scènes synthétiques.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Dit qu’une voix ou de la musique est présente, pas à qui elle est.

Mouvement spectral dans les pauses Proxy

scene.gapSpectralFlux

Voix & podcastEnvironnement

Ce qui est mesuré À quel point la forme du spectre des pauses change d’une fenêtre de 0,4 s à la suivante, de 0 à 1 : huit bandes logarithmiques de 60 Hz à 4 kHz, moyennées d’abord pour que le scintillement d’un bruit constant s’annule.

Comment la lire Sous 0,06, la forme reste immobile (un ventilateur, un frigo, un souffle) ; au-dessus de 0,2, elle ne cesse de changer (musique, parole, circulation). Stationary exige à la fois un niveau immobile et une forme immobile ; un morceau de club à 18 dB sous une conférence a tenu son niveau à 1,7 dB près et s’est lu comme une machine, jusqu’à ce que ce nombre dise le contraire.

Pourquoi Le niveau seul ne peut pas distinguer une ligne de basse constante d’un compresseur constant ; la forme du spectre, si.

Testé contre La musique contre une machine, dans des scènes synthétiques.

Comment ça marche Traitement du signal classique.

Tonalité stable dans les pauses Proxy

scene.gapTone

Voix & podcastEnvironnement

Ce qui est mesuré Une hauteur fixe qui remplit les pauses : plus de 80 % des trames de pause avec hauteur à moins de 4 % d’une même fréquence.

Comment la lire Une pale de ventilateur, un transformateur, un compresseur. Null quand les pauses ne portent aucune hauteur ou une hauteur mobile. Lisez-la avec la mesure du ronflement secteur : 50 ou 60 Hz et leurs harmoniques sont du ronflement, tout le reste est une machine.

Pourquoi Une tonalité fixe a une hauteur comme une voix, et sans cette séparation, une conférence avec un ventilateur à 120 Hz derrière elle se lisait comme un programme en arrière-plan.

Testé contre Une tonalité fixe de 180 Hz dans les pauses est trouvée à 4 pour cent près, et un bruit seul donne null. Fonds construits uniquement. Les pauses viennent du détecteur de parole. Mesuré par rapport à des alignements de mots (40 enregistrements lus, 17 conditions de bruit), environ 95 pour cent des trames utilisées comme pause sont vraiment sans parole sur de l’audio propre et avec un bruit stable à 20 dB, et 80 à 91 pour cent à 10 dB ; de la parole faible qui s’y glisse relève d’environ 3 dB le niveau d’un fond très calme.

Comment ça marche Traitement du signal classique.

Non validé Les vraies machines (ventilateurs, transformateurs, compresseurs) enregistrées derrière de la parole.

Bruit de fond constant Proxy

scene.stationaryScore

Voix & podcastEnvironnementQA de dataset

Ce qui est mesuré À quel point le niveau des pauses reste immobile, de 0 à 1 : 1 quand il varie de moins de 0,75 dB, 0 au-dessus de 3,5 dB.

Comment la lire Lisez-le avec la part de basses : un fond constant dont la plus grande partie de la puissance est sous 500 Hz gronde (un ronflement, une ventilation) ; un fond sans cela grésille (souffle, foule dense). Il ne peut pas distinguer une machine d’une foule : une machine à laver ou une voiture qui change de vitesse obtient un score bas.

Pourquoi Le bruit stationnaire est le seul qu’un débruiteur retire bien et qu’un auditeur cesse d’entendre ; savoir qu’il est stationnaire change ce qu’on en fait.

Testé contre Scènes synthétiques. Testé sur de vrais enregistrements d’environnements (SC-1, 12 octobre 2026, une exécution, 1 344 fichiers) : il mesure si le niveau et le spectre dans les pauses restent immobiles, pas si une machine tourne. De vrais enregistrements de machines (lave-linge, voiture) se lisent 0,10 à 0,35, un brouhaha dense (restaurant, gare) 0,5 à 0,7 et le bruit blanc 0,996 ; machine contre brouhaha a atteint une AUC de 0,23 à 20 dB et de 0,27 à 10 dB là où la barre était de 0,80, il fonctionne donc à l’envers.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas un détecteur de machine. Lisez-le comme un fond constant (un ronflement ou un souffle stable, ou une foule dense), pas comme une machine.

Grondement dans les pauses Proxy

scene.gapLowBandShare

Voix & podcastEnvironnement

Ce qui est mesuré La part de la puissance des pauses sous 500 Hz.

Comment la lire Au-dessus de 0,5, le fond est surtout du grondement : ventilation, circulation, compresseur. La parole et la plupart des télévisions se situent plus haut.

Pourquoi L’endroit où le fond se situe en fréquence décide si un filtre passe-haut aide ou détruit la voix.

Testé contre Le bruit blanc se lit 0,02 (500 sur 24000 Hz) à 0,03 près et un fond sous 250 Hz se lit au-dessus de 0,9. Fonds construits uniquement. Les pauses viennent du détecteur de parole. Mesuré par rapport à des alignements de mots (40 enregistrements lus, 17 conditions de bruit), environ 95 pour cent des trames utilisées comme pause sont vraiment sans parole sur de l’audio propre et avec un bruit stable à 20 dB, et 80 à 91 pour cent à 10 dB ; de la parole faible qui s’y glisse relève d’environ 3 dB le niveau d’un fond très calme. Testé sur de vrais enregistrements d’environnements (SC-1, 12 octobre 2026, une exécution, 1 344 fichiers : neuf environnements DEMAND avec de la parole synthétique mélangée à 20, 10 et 5 dB) : voiture contre brouhaha, AUC 0,81 à 20 dB (borne inférieure 0,74) et 0,92 à 10 dB (0,87). Avec le détecteur K2 (voir Taux de parole), le même test donne 0,90 à 20 dB (0,85) et 0,97 à 10 dB (0,93).

Comment ça marche Traitement du signal classique.

Non validé Le vrai grondement (ventilation, circulation, compresseur) derrière de la vraie parole ou de la télévision ; SC-1 a utilisé de la parole de synthèse.

Ce que ce n’est pas Une mesure de classement pour des groupes d’environnements, pas un verdict sur un enregistrement.

Bande de la parole dans les pauses Proxy

scene.gapSpeechBandShare

Voix & podcastEnvironnement

Ce qui est mesuré La part de la puissance des pauses entre 300 et 3400 Hz, là où la parole porte ses mots.

Comment la lire Élevée avec un score de programme signifie que le fond parle dans la même bande que le premier plan et le masquera ; élevée avec un score stationnaire signifie un souffle large bande.

Pourquoi Un fond dans la bande de la parole coûte de l’intelligibilité à un niveau bien plus bas qu’un grondement.

Testé contre Un fond de 1 à 3 kHz se lit au-dessus de 0,9, le bruit blanc 0,13 (3100 sur 24000 Hz) à 0,05 près, et un fond sous 250 Hz se lit sous 0,05. Fonds construits uniquement. Les pauses viennent du détecteur de parole. Mesuré par rapport à des alignements de mots (40 enregistrements lus, 17 conditions de bruit), environ 95 pour cent des trames utilisées comme pause sont vraiment sans parole sur de l’audio propre et avec un bruit stable à 20 dB, et 80 à 91 pour cent à 10 dB ; de la parole faible qui s’y glisse relève d’environ 3 dB le niveau d’un fond très calme. Testé sur de vrais enregistrements d’environnements (SC-1, 12 octobre 2026, une exécution, 1 344 fichiers : neuf environnements DEMAND avec de la parole synthétique mélangée à 20, 10 et 5 dB) : le brouhaha (restaurant, cafétéria) a dans les pauses une part plus élevée dans la bande de la parole que le bruit de machine (lave-linge, voiture), AUC 0,80 à 20 dB (borne inférieure 0,74) et 0,87 à 10 dB (0,80). Avec le détecteur K2 (voir Taux de parole), le même test donne 0,88 à 20 dB (0,81) et 0,94 à 10 dB (0,90).

Comment ça marche Traitement du signal classique.

Non validé La vraie parole ou la télévision derrière un locuteur ; SC-1 a utilisé de la parole de synthèse, sans télévision ni musique.

Ce que ce n’est pas Une mesure de classement pour des groupes d’environnements, pas un verdict sur un enregistrement.

Dispersion du niveau des pauses Proxy

scene.gapStabilityDb

Voix & podcastEnvironnement

Ce qui est mesuré L’écart type, en dB, de la moitié la plus calme des trames de pause (20 ms chacune).

Comment la lire Sous 1 dB environ, le fond reste immobile ; au-dessus de 3,5 dB, il bouge. Les scores stationnaire et programme sont construits sur ce nombre.

Pourquoi C’est la mesure brute derrière l’étiquette, gardée visible pour que l’étiquette puisse être vérifiée contre elle.

Testé contre Un fond plat se lit sous 0,5 dB. Un fond qui oscille de 6 dB vers le haut et vers le bas se lit 1,85 dB à 0,6 près, la valeur que donne la définition pour la moitié la plus calme des trames de pause. Les limites de 1 dB et 3,5 dB du guide de lecture ont été choisies à la main. Les pauses viennent du détecteur de parole. Mesuré par rapport à des alignements de mots (40 enregistrements lus, 17 conditions de bruit), environ 95 pour cent des trames utilisées comme pause sont vraiment sans parole sur de l’audio propre et avec un bruit stable à 20 dB, et 80 à 91 pour cent à 10 dB ; de la parole faible qui s’y glisse relève d’environ 3 dB le niveau d’un fond très calme.

Comment ça marche Traitement du signal classique.

Non validé Les vrais fonds, et si les limites séparent un fond immobile d’un fond mobile.

Parole au-dessus du fond Proxy

scene.speechToBackground

Voix & podcastEnvironnementQA de dataset

Ce qui est mesuré Le niveau moyen de parole moins le niveau moyen des pauses, en dB.

Comment la lire Au-dessus de 45 dB, les pauses comptent comme calmes quoi qu’elles contiennent d’autre. Vers 20 dB, un auditeur doit fournir un effort ; vers 10 dB, il rate des mots.

Pourquoi Le nombre honnête le plus simple pour « à quelle distance devant se trouve la voix », et celui à citer quand le SNR segmental est trop fin pour le lecteur.

Testé contre Niveau de parole moins niveau des pauses se lit à 2 dB près sur des enregistrements construits (35 dB avec un fond à moins 55 dBFS, 10 dB à moins 30). Les pauses viennent du détecteur de parole. Mesuré par rapport à des alignements de mots (40 enregistrements lus, 17 conditions de bruit), environ 95 pour cent des trames utilisées comme pause sont vraiment sans parole sur de l’audio propre et avec un bruit stable à 20 dB, et 80 à 91 pour cent à 10 dB ; de la parole faible qui s’y glisse relève d’environ 3 dB le niveau d’un fond très calme. Par rapport au rapport signal/bruit ajouté à de la vraie parole lue, elle est biaisée : environ 1 à 3 dB trop bas à 20 dB, proche à 10 dB avec un bruit stable, 2 à 8 dB trop haut à 5 et 0 dB, et environ 7 dB trop bas sur un fond très calme. Avec le détecteur K2 (voir Taux de parole), la lecture se décale de +1,9 dB sur de l’audio propre, +0,2 dB à 20 dB, et de 0,8 à 1,4 dB vers le bas à 10 dB de bruit et en dessous (décalage moyen sur 680 mélanges de test ; le biais par rapport au rapport ajouté n’a pas été mesuré pour K2). Sur les 12 enregistrements d’exemple du site (voix synthétiques avec un silence numérique entre les phrases), elle se lit 6 à 47 dB plus haut, et elle est vide pour 2 d’entre eux parce qu’il ne reste aucune trame de pause.

Comment ça marche Traitement du signal classique.

Non validé Les vrais enregistrements avec une différence de niveau connue.

Ce que ce n’est pas Un écart de niveau, pas l’intelligibilité.

Intelligibilité (proxy) Proxy

scene.intelligibility

Voix & podcastEnvironnementQA de datasetBroadcast & post-production film

Ce qui est mesuré Clear, borderline ou buried : si la parole au premier plan sera probablement comprise, lue à partir de l’enregistrement lui-même.

Comment la lire Un proxy, pas un Speech Transmission Index : celui-ci demande un signal de test. La plus faible de deux lectures, le pire dixième du SNR par phrase et le niveau de parole sur le niveau moyen des pauses (3 dB se lit 0, 18 dB se lit 1 sur les deux), puis réduite pour une salle réverbérante et pour l’écrêtage. Aucune pénalité pour une bande étroite : la parole téléphonique est compréhensible. Null sous deux phrases mesurables.

Pourquoi La question derrière un message vocal dans une pièce bruyante est de savoir s’il reste compréhensible ; ceci y répond autant qu’un enregistrement le peut, et dit que c’est un proxy.

Testé contre Scènes synthétiques : enfouie quand une télévision est presque aussi forte.

Comment ça marche Traitement du signal classique.

Non validé La précision de la reconnaissance vocale, et les auditeurs humains. Dans notre propre test du 10 octobre 2026 : 16 signalements de citoyens néerlandais inventés (rue et numéro, ville, nom de famille, téléphone, e-mail), lus par 3 voix de synthèse dans 13 conditions (propre, bande téléphonique, bruit de rue et brouhaha à 10 et 5 dB, télévision, quatre temps de réverbération mesurés, combinaisons) : 624 enregistrements, 1 248 transcriptions par Whisper small et large-v3-turbo, 48 par condition et par modèle, marge d’environ 13 points, elle a signalé not clear (borderline ou buried) sur 100 % des enregistrements avec bruit de rue à 10 et 5 dB et sur 94 à 100 % avec brouhaha, alors que Whisper small trouvait encore le lieu correct dans 58 à 67 % des cas (propre 69) et large-v3-turbo dans 71 à 85 % (propre 81). Sur l’ensemble des enregistrements, elle en a signalé 58 % ; parmi les signalements, 47 % (small) ou 25 % (large) comportaient une vraie erreur de lieu. Voix de synthèse, Whisper uniquement, bande téléphonique simulée, texte néerlandais ; les vrais locuteurs, les autres moteurs de reconnaissance et les autres langues ne sont pas testés.

Ce que ce n’est pas Pas un prédicteur de la précision de la reconnaissance vocale, et pas un STI. Un proxy construit à partir de niveaux pour estimer à quel point un auditeur pourrait suivre la voix ; lui-même n’est pas testé auprès d’auditeurs.

Score d’intelligibilité (proxy) Proxy

scene.intelligibilityScore

Voix & podcastQA de dataset

Ce qui est mesuré Le proxy d’intelligibilité sous forme de nombre, de 0 à 1.

Comment la lire 0,65 et plus se lit clear, 0,35 à 0,65 borderline, en dessous buried. Mêmes entrées que l’étiquette.

Pourquoi Permet de trier un jeu de données selon la facilité à suivre sa parole, plutôt que selon un bruit de fond qui ne sait pas où est la voix.

Testé contre Même proxy.

Comment ça marche Traitement du signal classique.

Non validé La précision de la reconnaissance vocale, et les auditeurs humains. Dans notre propre test du 10 octobre 2026 : 16 signalements de citoyens néerlandais inventés (rue et numéro, ville, nom de famille, téléphone, e-mail), lus par 3 voix de synthèse dans 13 conditions (propre, bande téléphonique, bruit de rue et brouhaha à 10 et 5 dB, télévision, quatre temps de réverbération mesurés, combinaisons) : 624 enregistrements, 1 248 transcriptions par Whisper small et large-v3-turbo, 48 par condition et par modèle, marge d’environ 13 points, elle a signalé not clear (borderline ou buried) sur 100 % des enregistrements avec bruit de rue à 10 et 5 dB et sur 94 à 100 % avec brouhaha, alors que Whisper small trouvait encore le lieu correct dans 58 à 67 % des cas (propre 69) et large-v3-turbo dans 71 à 85 % (propre 81). Sur l’ensemble des enregistrements, elle en a signalé 58 % ; parmi les signalements, 47 % (small) ou 25 % (large) comportaient une vraie erreur de lieu. Voix de synthèse, Whisper uniquement, bande téléphonique simulée, texte néerlandais ; les vrais locuteurs, les autres moteurs de reconnaissance et les autres langues ne sont pas testés.

Ce que ce n’est pas Pas un prédicteur de la précision de la reconnaissance vocale, et pas un STI. Un proxy construit à partir de niveaux pour estimer à quel point un auditeur pourrait suivre la voix ; lui-même n’est pas testé auprès d’auditeurs.

SNR des pires phrases Validé

scene.worstPhraseSnr

Voix & podcastQA de dataset

Ce qui est mesuré Le dixième percentile du SNR par phrase : ce que mesurent les phrases les plus faibles par rapport au bruit à côté d’elles.

Comment la lire La médiane vous renseigne sur la prise ; ceci vous renseigne sur la phrase qui se perd. Sous 8 dB, un auditeur y rate des mots.

Pourquoi Une seule phrase inaudible suffit à rater un message : le proxy est donc construit sur les phrases faibles et non sur la moyenne.

Testé contre Découle du SNR par phrase.

Comment ça marche Traitement du signal classique.

Non validé Prédire les erreurs de reconnaissance vocale : dans notre propre test du 10 octobre 2026 : 16 signalements de citoyens néerlandais inventés (rue et numéro, ville, nom de famille, téléphone, e-mail), lus par 3 voix de synthèse dans 13 conditions (propre, bande téléphonique, bruit de rue et brouhaha à 10 et 5 dB, télévision, quatre temps de réverbération mesurés, combinaisons) : 624 enregistrements, 1 248 transcriptions par Whisper small et large-v3-turbo, 48 par condition et par modèle, marge d’environ 13 points. Elle n’a pas prédit les erreurs sur la rue, le numéro et la ville (AUC 0,52 à 0,55 ; 0,50, c’est un pile ou face). Voix de synthèse, Whisper uniquement, bande téléphonique simulée, texte néerlandais ; les vrais locuteurs, les autres moteurs de reconnaissance et les autres langues ne sont pas testés.

Ce que ce n’est pas Pas un prédicteur de la précision de la reconnaissance vocale.

Les mêmes questions, posées une phrase à la fois.

Niveau de la phrase Validé

segment.level

Voix & podcastQA de dataset

Ce qui est mesuré Le niveau de parole de cette phrase seule.

Comment la lire Comparez les phrases entre elles pour repérer un locuteur qui s’éloigne du microphone.

Pourquoi Une prise peut avoir une moyenne parfaite alors que la moitié des phrases sont trop faibles.

Testé contre Correspond au RMS calculé par phrase.

Comment ça marche Traitement du signal classique.

Écrêtage de la phrase Validé

segment.clipFraction

Voix & podcastQA de dataset

Ce qui est mesuré La part d’échantillons écrêtés dans cette phrase.

Comment la lire Tout ce qui est au-dessus de zéro désigne la phrase à réenregistrer.

Pourquoi Réduit « ce fichier écrête » à la phrase concernée.

Testé contre Désigne l’unique phrase écrêtée sur trois.

Comment ça marche Traitement du signal classique.

Non validé L’écrêtage léger : elle se lit bas pour la même raison que la mesure des échantillons écrêtés, parce qu’elle ne compte que les séquences d’au moins trois échantillons à la crête du fichier.

Énergie après cette phrase Proxy

segment.decayScore

Voix & podcastQA de dataset

Ce qui est mesuré Combien d’énergie persiste après cette phrase, par rapport à la phrase elle-même. Bruit ou réverbération, non séparés.

Comment la lire Null quand rien d’utilisable ne suit, ce qui est honnête plutôt que zéro.

Pourquoi La version par phrase du nombre au niveau du fichier, et elle porte la même limite : elle monte avec une pause bruyante comme avec une salle vivante. Utile pour trouver la phrase qui diffère des autres, pas pour juger la salle.

Testé contre Monte avec la réverbération derrière la phrase dans un test synthétique. Testée le 12 octobre 2026 sur 24 salles réelles avec des temps de réverbération mesurés (0,18 à 1,71 s ; 120 phrases propres, voix synthétiques diffusées à travers des réponses impulsionnelles de salle mesurées, sans bruit ; une exécution, rien de réglé) : corrélation de rang de Spearman avec le temps de réverbération 0,30 (intervalle à 95 % de -0,20 à 0,71). Un lien avec le temps de réverbération n’est pas démontré.

Comment ça marche Traitement du signal classique.

Non validé Le bruit (une pause bruyante la fait monter aussi bien qu’une salle vivante), les vrais locuteurs (les phrases sont synthétiques) et l’usage par phrase. 24 salles, c’est peu pour une corrélation de rang, ce qui explique que l’intervalle soit large.

Ce que ce n’est pas Pas un temps de réverbération et pas une mesure de la salle : lisez-la comme l’énergie après cette phrase. Même famille que le score de réverbération retiré (corrélation de rang 0,06 sur le même jeu).

Pente de décroissance Proxy

segment.tailDecay

Voix & podcastQA de dataset

Ce qui est mesuré La vitesse à laquelle le son s’éteint après cette phrase, en dB par seconde.

Comment la lire Plus raide, c’est plus sec ; moins raide, ça résonne. Elle demande un trou calme derrière la phrase, ce que sur un corpus une phrase sur dix environ seulement a ; lisez-la comme un échantillon, pas comme une moyenne. Par phrase, elle se disperse largement (dans la plus sèche des 24 salles de test, des phrases isolées allaient d’environ -146 à -30 dB/s, du 10e au 90e percentile, et seulement 48 pour cent des fins de phrase y ont donné une valeur), utilisez donc la médiane sur de nombreuses phrases, pas une seule.

Pourquoi Une pente en dB par seconde derrière la phrase. Elle classe grosso modo les salles selon leur résonance, et n’est pas étalonnée sur un temps de réverbération : voir son statut pour les chiffres.

Testé contre Une pente avec réverbération, null sans queue. Testée le 12 octobre 2026 sur 24 salles réelles avec des temps de réverbération mesurés (0,18 à 1,71 s ; 120 phrases propres, voix synthétiques diffusées à travers des réponses impulsionnelles de salle mesurées, sans bruit ; une exécution, rien de réglé) : corrélation de rang de Spearman avec le temps de réverbération 0,56 (intervalle à 95 % de 0,12 à 0,81) et une valeur pour 119 des 120 fichiers. Elle n’a pas satisfait son critère préenregistré (corrélation de 0,70 ou plus avec une borne inférieure de 0,50 ou plus).

Comment ça marche Traitement du signal classique.

Non validé Le bruit, les vrais locuteurs, et les fichiers où la pause derrière une phrase est courte ou bruyante : sur de vrais enregistrements, seule une phrase sur dix environ a un trou utilisable. 24 salles, c’est peu pour une corrélation de rang, ce qui explique que l’intervalle soit large.

Ce que ce n’est pas Classe grossièrement les salles selon leur réverbération mais n’est pas calibrée sur le RT60. La pente mesurée divisée par la pente théorique -60/RT60 vaut 0,20 à 0,18 s, 0,41 à 0,26 s, 0,73 à 0,70 s et 0,87 à 1,71 s : les salles sèches se lisent donc beaucoup trop plates et les salles entre 0,5 et 1,0 s se chevauchent.

Nature du fond Proxy

segment.flankFlatness

Voix & podcastQA de datasetEnvironnement

Ce qui est mesuré La platitude spectrale des pauses autour de cette phrase.

Comment la lire Élevée, c’est du bruit de salle large bande ; basse, quelque chose de tonal joue en dessous.

Pourquoi Deux phrases avec le même mauvais SNR demandent des corrections différentes, et ceci dit laquelle est laquelle.

Testé contre Sépare un bruit de salle de quelque chose de tonal en dessous.

Comment ça marche Traitement du signal classique.

La crête rapportée à la sonie que l’on entend, qui survit à la normalisation là où le facteur de crête ne le fait pas.

Rapport crête/loudness Validé

dynamics.plr

Mix & masterBroadcast & post-production film

Ce qui est mesuré Le true peak moins la loudness intégrée.

Comment la lire Au-dessus de 12 LU, c’est dynamique ; sous 8 LU, c’est fortement limité. Contrairement au facteur de crête, elle utilise la loudness que les gens entendent.

Pourquoi Elle survit à la normalisation : une plateforme déplace les deux nombres ensemble, le PLR est donc ce qu’il reste à l’auditeur.

Testé contre Exactement l’écart qu’elle annonce.

Comment ça marche Traitement du signal classique.

Rapport crête/court terme Validé

dynamics.psr

Mix & master

Ce qui est mesuré Le true peak moins la fenêtre de 3 secondes la plus forte.

Comment la lire Lit le passage le plus fort plutôt que tout le fichier, elle est donc plus basse que le PLR et plus proche de ce qu’un limiteur a fait.

Pourquoi Le nombre que les ingénieurs de mastering surveillent en limitant, parce que la moyenne cache la section qui a été écrasée.

Testé contre Exactement l’écart qu’elle annonce.

Comment ça marche Traitement du signal classique.

Ce que chaque plateforme fait au fichier, et si la crête reste sous le plafond ensuite.

Normalisation par plateforme Validé

platform.normalisation

Mix & master

Ce qui est mesuré Par plateforme : le gain qu’elle appliquera, le true peak qui en résulte, et si celui-ci passe sous le plafond.

Comment la lire Lisez le true peak APRÈS le gain, pas celui qui a été mesuré. Un master faible est remonté et emmène sa crête avec lui.

Pourquoi L’erreur courante est de comparer la crête mesurée au plafond, ce qui laisse passer un fichier qui écrêtera dès que la plateforme le normalisera.

Testé contre Reproduit l’exemple publié par Spotify lui-même ; ne dit rien là où une plateforme ne publie pas son comportement ; chaque cible porte une source.

Comment ça marche Traitement du signal classique.

Est-ce que ça claque au bouclage, est-ce sur la grille, est-ce un nombre entier de mesures musicales.

Rapport de raccord Validé

loop.seamRatio

QC de boucles et de packs de samplesQA de dataset

Ce qui est mesuré Le saut entre le dernier et le premier échantillon, divisé par l’écart moyen entre échantillons consécutifs dans le fichier. Pire canal.

Comment la lire En dessous de 3 environ, on n’entend rien au bouclage ; au-dessus de 10, c’est un tic audible. Null sous trois échantillons.

Pourquoi Le saut brut est inutilisable (0,03 est du silence dans du bruit et un pas ordinaire dans une basse tonale) ; le rapport a repéré quatre vrais clics sur soixante boucles, qu’il fallait vingt répétitions pour entendre.

Testé contre Proche de zéro sur une boucle qui se termine là où elle a commencé, un clic sur la même boucle coupée trop tôt.

Comment ça marche Traitement du signal classique.

Silence au début Validé

loop.edgeSilenceStartMs

QC de boucles et de packs de samplesQA de datasetBroadcast & post-production film

Ce qui est mesuré Les millisecondes sous -60 dBFS avant le premier son.

Comment la lire Un nombre, pas un verdict : un charleston sur le contretemps ou un effet inversé est fait pour démarrer doucement.

Pourquoi Un silence au début décale une boucle de la grille dès qu’on la dépose dans une station de travail audio, et il est invisible dans une forme d’onde affichée en entier.

Testé contre 120 ms de silence initial, à l’échantillon près.

Comment ça marche Traitement du signal classique.

Silence à la fin Validé

loop.edgeSilenceEndMs

QC de boucles et de packs de samplesQA de datasetBroadcast & post-production film

Ce qui est mesuré Les millisecondes sous -60 dBFS après le dernier son.

Comment la lire Un silence à la fin d’une boucle est un trou à chaque répétition ; dans un fichier de diffusion, c’est du temps mort.

Pourquoi L’erreur d’export classique est une mesure de rien laissée à la fin, et tous les lecteurs la joueront.

Testé contre 120 ms de silence final, à l’échantillon près.

Comment ça marche Traitement du signal classique.

Calage sur la grille rythmique Prévu

loop.barFit

QC de boucles et de packs de samples

Ce qui est mesuré Si la durée correspond à un nombre entier de mesures au BPM détecté ou fourni.

Comment la lire on-grid à 5 ms près ; off-grid avec l’écart ; unknown quand le tempo n’est pas fiable.

Pourquoi C’était la seule preuve qui comptait quand on a demandé à soixante boucles si elles sont ce qu’elles prétendent être.

Testé contre Dans le registre, comme prévu.

Comment ça marche Traitement du signal classique.

Ce fichier est-il ce qu’il prétend être : le mur qu’un codec laisse, les bits réellement utilisés, une source rééchantillonnée, un raccord.

Bande passante Validé

provenance.bandwidthHz

ProvenanceQA de datasetMix & master

Ce qui est mesuré L’endroit où le spectre se referme, en médiane sur les blocs d’une demi-seconde non silencieux du fichier.

Comment la lire Un enregistrement propre à 44,1 kHz atteint 19 à 20 kHz. Un mur bien en dessous est un codec, un rééchantillonneur ou une source sombre ; les mesures ci-dessous disent lequel.

Pourquoi Ce seul nombre porte l’essentiel de l’histoire de la provenance, et il vient de la même fonction que la grille dessine comme une piste ; l’index lit jusqu’à Nyquist là où la grille s’arrête à 20 kHz.

Testé contre Fixtures avec une coupure connue. Lue aussi, à titre exploratoire et non comme test préenregistré, sur 168 enregistrements de parole lue passés dans sept codecs vocaux (15 octobre 2026, 24 phrases chacun, V03-ENG) : à travers les codecs 8 kHz (A-law, AMR bande étroite à 4,75 et 12,2 kbit/s, GSM) et Opus à 8 kbit/s, elle indique 3,8 à 4,9 kHz ; à travers AMR large bande et Opus à 16 kbit/s, 6,1 à 8,0 kHz ; et 6,3 à 8,0 kHz sur les phrases non codées. Les groupes bande étroite et large bande ne se chevauchent donc pas.

Comment ça marche Traitement du signal classique.

Non validé Le matériau tonal et les fichiers très courts. Les vraies communications téléphoniques : les lectures de codec ont utilisé un seul jeu de phrases anglaises lues, et un codec en dehors de ces sept n’est pas testé.

Source avec perte Validé

provenance.lossySource

ProvenanceQA de datasetMix & masterBroadcast & post-production film

Ce qui est mesuré Si le spectre porte le mur que laisse un encodeur avec perte : lossless, lossy ~64k, ~128k, ~256k, ou unknown.

Comment la lire Il faut un mur de briques (de -30 à -60 dB à moins de 3 % de la fréquence) à une position de codec entre 10 kHz et 0,9 de Nyquist, sur un matériau large bande d’au moins une seconde. Un roll-off large est lossless quelle que soit sa bande passante ; un roll-off en forme de filtre est unknown, car un rééchantillonneur et un très faible débit se ressemblent. Une collision est impossible à corriger : un mur à 64 kbit/s (11,2 kHz) et une source 22,05 kHz fortement rééchantillonnée (11,1 kHz) se lisent pareil, et tous deux reçoivent unknown.

Pourquoi Un WAV qui était un MP3 est le mensonge le plus courant dans une livraison, et le conteneur ne peut pas vous le dire.

Testé contre Une fixture par étiquette (MP3 de 64k à 256k), et un PCM propre est lu comme sans perte.

Comment ça marche Traitement du signal classique.

Non validé La parole en bande téléphonique et les codecs vocaux. Vérifié le 10 octobre 2026 avec un échantillon généré passé dans G.711, Opus (16 kHz) et MP3 (8 kHz) : tous lisent lossless, parce que le mur de codec qu’elle cherche se situe entre 10 kHz et 0,9 de Nyquist. Revérifié le 15 octobre 2026 (V03-ENG) sur 168 enregistrements de parole lue passés dans sept codecs vocaux (A-law, AMR bande étroite à 4,75 et 12,2 kbit/s, AMR large bande, GSM, Opus à 8 et 16 kbit/s ; 24 phrases chacun) : aucun ne lit lossy, 141 lisent lossless et 27 unknown. Lossless signifie ici qu’aucun mur de ce type n’a été trouvé, pas qu’aucun codec n’a été utilisé.

Profondeur de bits effective Validé

provenance.effectiveBitDepth

ProvenanceQA de datasetBroadcast & post-production film

Ce qui est mesuré Les bits réellement utilisés : 24 moins le plus petit nombre de zéros de fin dans la forme entière 24 bits des échantillons.

Comment la lire 16 dans un conteneur 24 bits signifie rembourré, pas remasterisé. 24 signifie que les échantillons n’ont jamais été posés sur une grille d’entiers : un rendu en virgule flottante, ou un fichier avec perte décodé à la volée ; un fichier avec perte rendu en PCM 16 bits lit 16 comme tout autre PCM, utilisez donc la mesure de source avec perte pour cela. Un hôte qui rééchantillonne au décodage (un navigateur à la fréquence de l’appareil) lit aussi 24. Null sous mille échantillons non silencieux.

Pourquoi Le conteneur déclare une profondeur de bits ; les échantillons en prouvent une. Quand elles diffèrent, le fichier a été rempaqueté, et mieux vaut le savoir avant que quiconque paie pour les bits en plus.

Testé contre 16 pour des échantillons de 16 bits et 24 pour des échantillons de 24 bits, quoi que dise le conteneur.

Comment ça marche Traitement du signal classique.

Non validé Si l’audio est passé par un codec. La sortie d’un codec vocal décodée en PCM 16 bits lit 16, comme tout autre fichier 16 bits : les 168 enregistrements d’une lecture du 15 octobre 2026 (V03-ENG ; A-law, AMR, GSM et Opus, où l’A-law a 8 bits par échantillon avant décodage) ont lu 16.

Suréchantillonné depuis Validé

provenance.upsampled

ProvenanceQA de dataset

Ce qui est mesuré La fréquence d’échantillonnage d’origine probable quand un roll-off en forme de rééchantillonneur commence à la moitié d’une fréquence standard plus basse. Null sinon.

Comment la lire 22050 sous un conteneur 48 kHz signifie que quelqu’un a rééchantillonné une source 22,05 kHz ; rien au-dessus de 11 kHz n’y a jamais été. Lu à partir de l’endroit où le roll-off commence, par rapport au niveau juste en dessous, pour que la pente du matériau ne le déplace pas. Un mur de briques à une demi-fréquence reste unknown (ce peut être un codec à 64 kbit/s), un large roll-off naturel n’est jamais appelé suréchantillonnage, et un codec à très faible débit (lame 48k, aac 96k) peut encore imiter un rééchantillonneur.

Pourquoi Rééchantillonner vers le haut n’ajoute aucune information, et les métadonnées n’avoueront jamais que cela s’est produit.

Testé contre Retrouve la fréquence d’origine derrière un rééchantillonneur, pour chaque fréquence standard.

Comment ça marche Traitement du signal classique.

Non validé N’a pas signalé un échantillon généré de parole téléphonique 8 kHz suréchantillonnée à 48 kHz (vérifié le 10 octobre 2026). Le 15 octobre 2026 (V03-ENG), sur 96 enregistrements de parole lue passés dans quatre codecs vocaux 8 kHz (A-law, AMR bande étroite à 4,75 et 12,2 kbit/s, GSM) et décodés à 16 kHz, elle a retrouvé l’origine 8 kHz dans 4 d’entre eux, tous en GSM.

Raccords de bande passante Validé

provenance.spliceCount

Provenance

Ce qui est mesuré Le nombre de fois où la bande passante par bloc saute de plus de 3 kHz d’un bloc au suivant et s’y maintient au moins deux secondes.

Comment la lire 0, c’est une source stable. Un compte est un raccord entre des matériaux d’origine différente OU un changement d’arrangement au sein d’un même morceau (un breakdown qui retire les charlestons) ; la piste de bande passante de la grille montre où, et l’oreille tranche.

Pourquoi Deux sources collées ensemble ressemblent à un seul fichier pour tous les outils qui lisent l’en-tête, et c’est le seul nombre qui le remarque.

Testé contre Un raccord entre deux sources de bande passante différente.

Comment ça marche Traitement du signal classique.

Combien de temps une pièce résonne, bande par bande, mesuré à partir d’un claquement de mains, d’un éclatement de ballon, d’une réponse impulsionnelle ou d’un sweep.

Temps de réverbération (médiums) Validé

room.rt60Mid

Acoustique de pièce

Ce qui est mesuré Le temps que met le son dans la salle pour baisser de 60 dB, en médiane des bandes d’octave de 500 Hz, 1 kHz et 2 kHz, lu à partir de l’intégrale inverse de Schroeder d’un claquement de mains, d’un ballon qui éclate ou d’une réponse impulsionnelle (la méthode de l’ISO 3382, T30 quand la décroissance a 45 dB de plage, sinon T20).

Comment la lire En secondes. Une salle de parole se situe autour de 0,4 à 0,8 s, un salon 0,3 à 0,6 s, une église plusieurs secondes. Null quand aucune bande n’avait une décroissance droite avec assez de plage : claquez plus fort ou plus près, ou dans une salle plus calme. Lisez la confiance par bande dans room.rt60Bands : sous 35 dB de décroissance, le nombre est une indication.

Pourquoi C’est le nombre à partir duquel une salle est jugée, et la seule chose que les mesures de voix ne peuvent qu’approcher. Mesuré à partir d’une impulsion, il repose sur la méthode normalisée et non sur la queue d’une phrase parlée.

Testé contre Salles construites avec un temps de réverbération connu par bande (0,3 à 2,0 s) : un enregistrement de claquement indique la valeur des médiums à 12 pour cent près (test/room.test.ts). Testé le 13 octobre 2026 sur 385 vraies réponses impulsionnelles (MIT Reverb Survey et EchoThief, scripts/validatie/room-ir/RESULT.md) : chacune frappée avec un spectre de claquement et un bruit de salle faiblement pondéré et mesurée comme un enregistrement, contre la même méthode sur la réponse impulsionnelle nue. Dans 155 salles, la valeur des médiums s’écartait d’une médiane de 3,9 pour cent (86 pour cent à moins de 10 pour cent, 98 pour cent à moins de 20 pour cent, les mêmes bandes des deux côtés). Les lectures qui se donnaient une grande confiance (au moins 35 dB de décroissance, 278 lectures de bande) s’écartaient d’une médiane de 1,5 pour cent. Face à une implémentation numpy indépendante sur 167 réponses mesurées, la courbe de Schroeder concordait à 5 pour cent près dans les 112 salles avec 35 dB de décroissance ou plus (médiane 0,3 pour cent). La mesure est un portage de l’application RoomLab et lui est exactement égale sur les 385 réponses.

Marge ±10 percent. Sur 278 lectures de bande à confiance élevée, 91 pour cent étaient à moins de 10 pour cent et 97 pour cent à moins de 20 pour cent de la lecture sur la réponse impulsionnelle nue. À faible confiance (sous 35 dB de décroissance), 74 pour cent étaient à moins de 10 pour cent et 90 pour cent à moins de 20 pour cent.

Comment ça marche Traitement du signal classique.

Non validé La parole ou la musique à la place d’un claquement (ce n’est pas l’estimation à partir de la queue d’une phrase parlée), un vrai téléphone et un vrai claquement (le claquement a été simulé avec un spectre de claquement et un bruit de salle), et 125 et 250 Hz à partir d’un claquement, que la mesure refuse. Avec moins de 35 dB de décroissance, la lecture est une indication : 210 lectures de bande à faible confiance étaient en médiane à 5,7 pour cent d’écart, 74 pour cent à moins de 10 pour cent et 90 pour cent à moins de 20 pour cent.

Ce que ce n’est pas Pas un niveau sonore et pas un verdict sur la salle. Pas l’estimation tirée de la queue d’une phrase parlée (segment.tailDecay), qui est une mesure plus faible d’une grandeur voisine.

Temps de réverbération par bande Validé

room.rt60Bands

Acoustique de pièce

Ce qui est mesuré Par bande d’octave de 125 Hz à 4 kHz (les bandes proches de Nyquist sont omises) : le temps de réverbération, le bruit de fond dans cette bande, quel estimateur a donné la valeur (T20 ou T30), quelle plage de décroissance il avait, une confiance et la courbe de décroissance elle-même.

Comment la lire Un claquement donne 500 Hz à 4 kHz ; les bandes plus basses disent « clap does not reach that low » au lieu d’une supposition. Un fichier de réponse impulsionnelle donne toutes les bandes. La confiance « high » signifie au moins 35 dB de plage de décroissance, l’exigence de l’ISO ; « low » signifie une plage plus serrée, lisez-la comme une indication.

Pourquoi La réverbération n’est pas un seul nombre : un plafond nu résonne dans les aigus et un tapis fin ne touche pas les graves, et un chiffre large bande cache cette différence. Quelle bande est longue décide quoi corriger.

Testé contre Comme room.rt60Mid, par bande. À partir d’un claquement, 500 Hz à 4 kHz contre la même méthode sur la réponse impulsionnelle nue de 168 salles réelles, avec une grande confiance : un écart médian de 1,8 pour cent à 500 Hz (13 lectures), 1,0 pour cent à 1 kHz (46), 1,3 pour cent à 2 kHz (89) et 1,9 pour cent à 4 kHz (130) ; avec une faible confiance 10, 6,0, 3,6 et 3,8 pour cent. Une salle construite se lit à 20 pour cent près dans chaque bande à partir de 500 Hz. 125 et 250 Hz à partir d’une réponse impulsionnelle utilisent la même méthode et lisent une salle construite de 0,6 s à 0,15 s près. À partir d’un sweep (chacune des 168 salles réelles convoluée avec le sweep du moteur et enregistrée avec un bruit de salle à -65 dBFS), chaque bande de 125 Hz à 4 kHz s’écartait d’une médiane de 0,0 à 0,2 pour cent de la même méthode sur la réponse nue, 97 à 100 pour cent à moins de 10 pour cent.

Marge ±10 percent. 1 à 4 kHz à confiance élevée : 87 à 97 pour cent des lectures à moins de 10 pour cent. 500 Hz est plus faible : 85 pour cent à moins de 10 pour cent à confiance élevée (13 lectures) et 50 pour cent à faible confiance. Les bandes sous 500 Hz demandent une réponse impulsionnelle.

Comment ça marche Traitement du signal classique.

Non validé 125 et 250 Hz à partir d’une réponse impulsionnelle contre une référence indépendante par bande (seule une référence large bande existe), une réponse impulsionnelle qui s’arrête alors que la salle résonne encore (le bruit de fond est alors lu dans le signal et la coupure tombe trop tôt), un claquement ailleurs que dans une salle calme, et un sweep joué dans un vrai haut-parleur et enregistré avec un vrai microphone (les enregistrements de sweep ont été construits : linéaires, avec un bruit constant). 500 Hz est la bande la plus faible à partir d’un claquement : à faible confiance, 10 pour cent d’écart en médiane et 72 pour cent à moins de 20 pour cent.

Ce que ce n’est pas Pas un niveau sonore. La courbe de décroissance sert à dessiner, pas à calculer.

Intensité de l’écho flottant Proxy

room.flutterStrength

Acoustique de pièce

Ce qui est mesuré À quel point la décroissance au-dessus de 500 Hz se répète à un délai fixe entre 3 et 50 ms, comme le rebond entre deux murs durs parallèles. De 0 à 1.

Comment la lire Un écho flottant construit se lit 0,47 à 0,68 et des salles construites sans aucun écho 0,10 à 0,28. Lisez 0,4 et plus comme un écho flottant, sous 0,3 comme aucun, et entre les deux comme peu clair.

Pourquoi Une salle peut avoir un bon temps de réverbération et pourtant résonner comme un ressort là où deux murs durs parallèles se font face ; aucun nombre de réverbération ne le montre, et un claquement le rend audible comme un tic.

Testé contre Des échos construits entre deux murs (5, 9, 20 et 35 ms) se lisent 0,47 à 0,68, et des salles construites sans écho se lisent 0,10 à 0,28 (test/room.test.ts, test/fixtures/room-parity.json). Les seuils de 0,2 et 0,3 ont été choisis à la main.

Comment ça marche Traitement du signal classique.

Non validé Les vraies salles : 47 des 384 réponses impulsionnelles mesurées rapportent une période d’écho flottant et il n’existe pas de liste de celles qui en ont vraiment un. Une salle construite à décroissance très irrégulière a lu 0,26, et un claquement écrêté 0,28, sans aucun écho.

Ce que ce n’est pas Pas la force sonore ni la gêne de l’écho flottant : l’intensité de la répétition dans l’enveloppe de décroissance au-dessus de 500 Hz.

Période de l’écho flottant Proxy

room.flutterPeriodMs

Acoustique de pièce

Ce qui est mesuré Le délai entre les échos, en millisecondes entières de 3 à 50, quand l’intensité de l’écho flottant dépasse 0,2.

Comment la lire Null quand il n’y a pas d’écho flottant digne de ce nom. La distance entre les murs est 0,343 m par ms fois la période, divisée par deux : 9 ms font environ 1,5 m. Sous une intensité de 0,3, la période n’est pas fiable.

Pourquoi Transforme « il y a un écho flottant » en un où : la période donne la distance entre les deux murs à traiter.

Testé contre Des échos construits de 5, 9, 20 et 35 ms ont été trouvés exactement (test/room.test.ts).

Comment ça marche Traitement du signal classique.

Non validé Les périodes dans de vraies salles. Sous une intensité d’écho flottant de 0,3, la période n’est pas fiable : deux salles construites sans aucun écho ont rapporté 9 et 3 ms à des intensités de 0,26 et 0,28.

Bruit de fond de la salle Validé

room.noiseFloor

Acoustique de pièce

Ce qui est mesuré Le bruit large bande dans le calme avant le claquement (ou dans la queue d’une réponse impulsionnelle) : le niveau médian des trames.

Comment la lire Relatif à la pleine échelle, pas un niveau sonore étalonné. Par bande d’octave, il est dans room.rt60Bands. Au-dessus de -50 dBFS environ, le fond décide de la mesure, et un claquement dedans donne une courte plage de décroissance.

Pourquoi Il décide de la quantité de décroissance à mesurer : une salle bruyante réduit la plage utilisable et la confiance avec elle, et la solution est d’éteindre la source, pas de traiter la salle.

Testé contre Bruit construit d’un niveau connu : un bruit uniforme d’amplitude 0,0005 (RMS -70,8 dBFS) se lit à 0,5 dB près, y compris dans un enregistrement avec un clic peu après le début (test/room.test.ts).

Comment ça marche Traitement du signal classique.

Non validé Un niveau de pression acoustique étalonné : le nombre est relatif à la pleine échelle.

Ce que ce n’est pas Pas un niveau sonore en dB(A) ni en dB SPL.

Position du claquement Validé

room.clapAt

Acoustique de pièce

Ce qui est mesuré L’endroit où le claquement ou l’éclatement a été trouvé dans l’enregistrement.

Comment la lire Null pour un fichier de réponse impulsionnelle. Une position tout au début de l’enregistrement signifie généralement qu’un clic de l’enregistreur a été pris pour le claquement.

Pourquoi Montre sur quoi la mesure s’est accrochée, pour qu’un mauvais accrochage se voie au lieu d’être lu comme un étrange temps de réverbération.

Testé contre Des claquements construits à 1,5 s et 2 s sont trouvés à 0,05 s près, y compris avec un clic 30 ms après le début de l’enregistrement (test/room.test.ts).

Comment ça marche Traitement du signal classique.

Non validé Un vrai claquement sur un vrai téléphone, et une porte ou un tapotement sur le téléphone près du claquement.

Proéminence du claquement Proxy

room.clapProminence

Acoustique de pièce

Ce qui est mesuré À quelle hauteur le claquement s’est dressé au-dessus du calme de l’enregistrement : la trame de 10 ms la plus forte contre le 20e percentile des niveaux de trame.

Comment la lire Au moins 20 dB sont exigés, 30 dB ou plus sont confortables. Null pour un fichier de réponse impulsionnelle.

Pourquoi Un claquement qui dépasse à peine la salle laisse une courte plage de décroissance et un temps à faible confiance ; ceci le dit avant que le temps soit lu.

Testé contre Un claquement construit se lit à plus de 20 dB au-dessus du calme de l’enregistrement (test/room.test.ts) ; la valeur en dB elle-même n’a pas de référence extérieure.

Comment ça marche Traitement du signal classique.

Surcharge sur le claquement Validé

room.clipped

Acoustique de pièce

Ce qui est mesuré Si le microphone a saturé sur le claquement ou l’éclatement : trois échantillons à la pleine échelle ou au-delà.

Comment la lire True marque chaque bande à faible confiance : les premières millisecondes sont distordues et la position du point à -5 dB se déplace.

Pourquoi Un claquement fort près d’un téléphone écrête facilement, et montrer un nombre net à partir d’un claquement écrêté est l’échec à éviter.

Testé contre Un claquement construit à pleine échelle est signalé et des claquements construits à niveau normal ne le sont pas (test/room.test.ts).

Comment ça marche Traitement du signal classique.

Plage de mesure du sweep Proxy

room.sweepRange

Acoustique de pièce

Ce qui est mesuré Pour un enregistrement de sweep : à quelle hauteur le pic de la réponse impulsionnelle déconvoluée se situe au-dessus du bruit, en dB.

Comment la lire Plus, c’est mieux ; un sweep propre dans une salle calme laisse bien plus de 40 dB. Null pour un claquement, un ballon ou un fichier de réponse impulsionnelle. La plage de décroissance par bande, qui est ce qui limite un temps de réverbération, est dans room.rt60Bands.

Pourquoi Dit en un nombre si le sweep a été joué assez fort et la salle assez calme, avant que les résultats par bande soient lus.

Testé contre Un sweep construit propre laisse plus de 40 dB entre la crête et le bruit, et les autres sources donnent null (test/room.test.ts) ; la valeur en dB n’a pas de référence extérieure.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas la plage de décroissance d’une bande : celle-ci est dans room.rt60Bands.

Son direct contre réverbération précoce Proxy

room.directToReverb

Acoustique de pièce

Ce qui est mesuré Pour un enregistrement de sweep : le son direct du haut-parleur contre la réverbération 50 à 150 ms après lui, en dB.

Comment la lire De quelques dB à 20 dB pour un microphone dans la salle à une distance normale ; plus de 30 dB signifie que le microphone était si près du haut-parleur qu’il a mesuré le haut-parleur et non la salle. Null pour les autres sources.

Pourquoi Un téléphone qui joue lui-même le sweep, ou qui est collé au haut-parleur, mesure son propre trajet direct, et la salle se trouve alors bien sous la mesure ; ceci l’attrape.

Testé contre Une salle construite qui résonne se lit sous 30 dB et une salle sèche dans les 150 premières ms se lit au-dessus (test/room.test.ts). Le seuil de 30 dB a été choisi à la main.

Comment ça marche Traitement du signal classique.

Non validé Un vrai haut-parleur et un vrai téléphone à des distances connues.

Microphone trop près du locuteur Proxy

room.tooCloseToSpeaker

Acoustique de pièce

Ce qui est mesuré Pour un enregistrement de sweep : vrai quand le son direct est plus de 30 dB au-dessus de la réverbération précoce.

Comment la lire True signifie qu’il faut mesurer à nouveau avec le microphone plus loin du haut-parleur (et pas dans son faisceau). Null pour les autres sources.

Pourquoi La version en langage clair du nombre direct-sur-réverbération, pour qu’une mesure ratée vienne avec la seule chose à changer.

Testé contre Vrai exactement quand le son direct est à plus de 30 dB au-dessus de la réverbération précoce (test/room.test.ts). Le seuil a été choisi à la main.

Comment ça marche Traitement du signal classique.

Non validé Un vrai haut-parleur et un vrai téléphone à des distances connues.

Méthode de mesure de la salle Validé

room.method

Acoustique de pièce

Ce qui est mesuré Comment la réponse impulsionnelle a été obtenue : clap, balloon, sweep (l’enregistrement contient le sweep exponentiel de ce moteur tel que la salle l’a renvoyé) ou impulse (le fichier est lui-même une réponse impulsionnelle).

Comment la lire Un ballon est plus fort et plus rugueux qu’un claquement et se lit comme tel. Un sweep et un fichier de réponse impulsionnelle mesurent chaque bande que la fréquence d’échantillonnage permet, à partir de 125 Hz ; un claquement donne 500 Hz et au-dessus.

Pourquoi La méthode décide quelles bandes existent et jusqu’où leur faire confiance, la réponse dit donc laquelle de ces lectures vous avez.

Testé contre Renvoie la source que l’appelant a demandée (test/room.test.ts).

Comment ça marche Traitement du signal classique.

Ce qui s’est perdu en chemin vers le fichier : des plages de silence numérique au milieu du son, là où des paquets ont été perdus. Et une copie retardée du son (slapback ou écho), testée sur des copies construites.

Délai du slapback ou de l’écho Validé

chain.slapbackDelayMs

Contrôles de chaîne

Ce qui est mesuré Le délai d’une copie retardée du son dans l’enregistrement, entre 40 et 800 ms : un slapback venant d’un mur dur ou d’un effet de delay (60 à 180 ms) ou un écho d’un appel (200 ms et plus).

Comment la lire En millisecondes, ou null quand aucune copie ne ressort. À partir de l’autocorrélation de l’enregistrement blanchi : une copie ajoute un pic net à son délai, et une copie est présente dans chaque passage avec du son, ce qui la distingue d’une structure périodique ou d’une phrase qui se répète une fois. Un enregistrement de moins de 6 s n’obtient aucune lecture.

Pourquoi Une copie de la voix une fraction de seconde plus tard est l’un des défauts les plus courants d’un enregistrement passé par une salle, un haut-parleur de téléphone ou un appel, et un défaut qu’un nombre de loudness ne montre jamais.

Testé contre Des copies retardées construites de parole, avec un délai et un niveau connus, dans trois tests aux critères fixés au préalable (scripts/validatie/slapback : PREREG.md et RESULT.md le 13 octobre 2026, PREREG-SB2.md et RESULT-SB2.md ainsi que PREREG-SB3.md et RESULT-SB3.md le 14 octobre 2026). Le troisième test, sur des données sur lesquelles elle n’avait pas été développée : 180 nouveaux enregistrements de neuf voix synthétiques en six langues (trois d’entre elles avec la grille de trames de 12,5 ms qui avait causé les fausses alarmes des deux premiers tests), chacun avec et sans copie numérique, et la moitié test du jeu OV (20 enregistrements lus de LibriSpeech test-clean et 32 extraits de quatre autres voix synthétiques, chacun avec une copie simple, avec une copie du son direct dans une vraie salle, et sans). Elle a trouvé 282 des 284 copies construites (les deux manquées sont un extrait de moins de 6 secondes, qui ne donne aucune lecture), le délai à 2 ms près dans chacune trouvée (plus grande erreur 1,1 ms, pour une copie passée par une salle ; 0,00 ms pour les copies simples), et n’a signalé aucune copie dans aucun des 332 enregistrements sans copie, dont 120 de vraie parole lue, parmi lesquels une seconde voix par-dessus la première, une voix qui revient à travers une salle, du brouhaha de cafétéria et de la télévision. Les deux premiers tests avaient signalé une copie dans 27 pour cent et 5 pour cent des enregistrements sans copie, presque tous des voix synthétiques : toutes ces fausses alarmes tombaient sur un multiple de 12,5 ms, une structure périodique de certaines voix synthétiques et non un écho, et le test selon lequel une copie est présente dans chaque bloc de l’enregistrement avec du son les écarte.

Marge ±2 ms. Les 282 copies trouvées dans le troisième test avaient le délai à 2 ms près (plus grande erreur 1,1 ms), pour des délais de 60, 120, 200, 350 et 500 ms.

Comment ça marche Traitement du signal classique.

Non validé Un vrai slapback ou écho dans un vrai enregistrement de délai connu (chaque copie des tests est construite ; dans 283 salles mesurées, l’écho isolé le plus fort se situait 25 à 40 dB sous le son direct), la musique avec une boucle ou un rythme (elle se répète tout du long et se lit comme une copie : 4 clips musicaux sur 40 des jeux de développement ont été rapportés), un écho dont la deuxième répétition atteint la moitié de la première ou plus (il se lit comme une structure périodique et n’est pas rapporté), les locuteurs sur des canaux séparés (les canaux sont mélangés), et tout enregistrement de moins de 6 secondes ou avec moins de 3 blocs d’une seconde de son, qui n’obtient aucune lecture.

Ce que ce n’est pas Pas une mesure de la salle : une copie retardée du son, qu’elle vienne d’un mur, d’un effet de delay ou d’un appel. Pas un comptage d’échos : le délai du plus fort. Pas une copie qui n’est présente qu’à quelques endroits : une phrase répétée une seule fois n’est pas signalée.

Niveau du slapback ou de l’écho Validé

chain.slapbackLevelDb

Contrôles de chaîne

Ce qui est mesuré Le niveau de cette copie par rapport au son qu’elle copie, en dB : -3 est presque aussi fort, -20 est faible.

Comment la lire Relatif à l’enregistrement dans son ensemble, son direct et réverbération ensemble ; un bruit constant sous la parole le fait lire plus bas (environ 1,5 dB à 10 dB de rapport signal/bruit). Null quand il n’y a pas de copie.

Pourquoi Si la copie compte : une copie à -6 dB rend la parole difficile à suivre, une copie à -20 dB s’entend à peine.

Testé contre Testé avec les mêmes données que chain.slapbackDelayMs. Pour des copies numériques simples à -16, -10 et -4 dB, elle s’est lue à 2 dB du vrai niveau dans les 231 copies trouvées au troisième test (180 synthétiques et 51 du jeu OV ; plus grande erreur 0,72 dB). Une copie faite dans une vraie salle (la copie du son direct, réverbérée avec la salle) s’est lue plus bas : entre 0,4 et 3,5 dB sous le niveau par rapport au son direct, une médiane de 1,9 dB, et à moins de 2 dB dans 28 cas sur 51.

Marge ±2 dB. Pour des copies numériques simples à -16 à -4 dB : les 231 à moins de 2 dB. Une copie faite dans une salle se lit 0,4 à 3,5 dB plus bas.

Comment ça marche Traitement du signal classique.

Non validé Une copie passée par une salle (elle est jugée contre le son direct et la réverbération ensemble, elle se lit donc plus bas que le niveau contre le seul son direct), les niveaux au-dessus de -4 dB ou sous -16 dB, et les vrais enregistrements de niveau connu.

Ce que ce n’est pas Pas relatif au son direct seul quand la copie est passée par une salle. Le statut de chain.slapbackDelayMs dit sur quoi la mesure a été testée.

Score du slapback ou de l’écho Validé

chain.slapbackScore

Contrôles de chaîne

Ce qui est mesuré De combien d’écarts types robustes la copie retardée la plus forte se dresse au-dessus de son environnement dans l’autocorrélation. Une copie est rapportée à partir de 12.

Comment la lire La vraie parole, le bruit et le ronflement sans copie sont restés sous 8 dans nos tests, et des copies construites de -16 à -4 dB ont obtenu de 12,2 vers le haut (médiane 57). À partir de 12, une copie est rapportée, en dessous, non. Un pic qui a des égaux ailleurs dans la plage (une structure périodique : la grille de trames de certaines voix de synthèse, une boucle musicale) ou qui ne se trouve qu’à quelques endroits (une phrase qui se répète une fois) n’est pas une copie : le score reste alors sous 12. Null pour un enregistrement de moins de 6 s ou avec moins de 3 secondes de son.

Pourquoi Montre à quel point l’appel est net, et garde un raté de peu visible au lieu de l’arrondir à « none ».

Testé contre Testé avec les mêmes données que chain.slapbackDelayMs. Une copie est signalée à partir d’un score de 12 quand elle est présente d’un bout à l’autre de l’enregistrement. Les copies trouvées au troisième test ont obtenu des scores à partir de 12,2 (médiane 57,5). La vraie parole lue sans copie a obtenu au plus 6,6 (médiane 3,9). Dans 49 des 331 enregistrements jugés sans copie, tous de voix synthétiques, le pic le plus fort a atteint 12 mais a été écarté comme structure périodique ou comme présent à quelques endroits seulement (son score reste alors à 11,9), et aucun n’a été signalé.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas une probabilité. Une musique avec une boucle ou un beat se répète d’un bout à l’autre et peut atteindre la limite (4 extraits sur 40 des jeux de développement l’ont fait). Un pic qui a des égaux ailleurs dans l’autocorrélation, ou qui n’est présent qu’à quelques endroits, n’est pas une copie et son score reste sous 12.

Coupures Validé

chain.dropoutCount

Contrôles de chaîne

Ce qui est mesuré Le nombre de trous abrupts de silence numérique, de 8 à 500 ms, au sein du son : des paquets perdus remplacés par rien.

Comment la lire Un trou qui coupe le son, avec le niveau à moins de 20 dB du niveau actif des deux côtés, compte ; une pause ou une porte, non. Une borne inférieure : une perte dans une pause ou un passage calme ne se distingue pas d’une pause, et une perte que le codec a masquée (répétition, interpolation, bruit de confort) ne laisse aucun trou. Null pour un enregistrement de moins de 2 s.

Pourquoi Les paquets perdus font bégayer la parole et coûtent à un moteur de reconnaissance des chiffres et des noms, et rien d’autre dans ce registre ne les voit : le niveau, le bruit et le spectre sont corrects.

Testé contre Trous construits de silence numérique découpés dans de la parole lue, chacun avec une place et une longueur connues. Développée sur LibriSpeech dev-clean et testée le 13 octobre 2026 sur des données sur lesquelles elle n’avait pas été développée, avec des critères fixés au préalable (scripts/validatie/slapback/PREREG-DROPOUT.md et RESULT.md) : LibriSpeech test-clean avec quatre sortes de bruit de salle, 160 enregistrements avec 8 411 trous créés qui coupent du son. Elle en a trouvé 99,8 pour cent, et 99,9 pour cent des 8 406 trous qu’elle a signalés étaient réels (un trou compte quand son début et sa longueur sont à 2 ms près de ceux du trou créé) ; le compte était à 5 pour cent près, ou à un trou près, dans les 160 enregistrements. Elle n’a signalé aucun trou dans aucun des 1 615 enregistrements qui n’en avaient pas : 40 propres, 40 avec des pauses naturelles de silence numérique, et 1 535 enregistrements de voix synthétiques dans 32 situations (bruit, réverbération, bande téléphonique, écrêtage, parole rapide). Dans la situation avec perte de paquets simulée (paquets de 20 ms mis à zéro, 47 enregistrements), elle a trouvé les 1 539 trous qui coupent du son et chaque trou signalé était réel ; les 1 015 autres des 2 554 trous créés tombaient dans des pauses et des passages calmes et ne sont pas comptés.

Comment ça marche Traitement du signal classique.

Non validé Les vrais enregistrements d’appels avec une quantité connue de perte de paquets, la perte qu’un codec a masquée (répétée, interpolée ou remplie de bruit de confort, ce qui ne laisse aucun trou), et le bruit ajouté après la perte, qui remplit le trou. Le silence qu’un codec met dans les pauses est lu comme des pauses : 48 enregistrements passés dans l’AMR-NB à 4,75 kbit/s contenaient 1 936 séquences de zéros exacts de 8 à 500 ms, aucune avec du son des deux côtés, et aucune n’a été comptée.

Ce que ce n’est pas Pas le nombre de paquets perdus : une perte dans une pause ou un passage calme ne se distingue pas d’une pause, et une perte masquée par le codec ne laisse aucun trou. C’est une borne inférieure : dans le test de perte de paquets, 1 539 des 2 554 trous créés coupaient du son.

Durée des coupures Validé

chain.dropoutSec

Contrôles de chaîne

Ce qui est mesuré La durée totale des coupures, en secondes.

Comment la lire Ajoutez-la à la durée pour voir la part de l’enregistrement perdue là où cela comptait.

Pourquoi Dix trous de 20 ms et un d’un quart de seconde sont des défauts différents ; le compte seul ne les distingue pas.

Testé contre La longueur totale des trous comptés par chain.dropoutCount, dont chacun avait son début et sa longueur à 2 ms près de ceux du trou créé dans 99,9 pour cent de 8 406 trous signalés (le test y est décrit).

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas la part de l’enregistrement qui a été perdue : seuls les trous qui coupent du son sont additionnés, et une perte dans une pause ou un passage calme ne compte pas.

Plus longue coupure Validé

chain.dropoutMaxMs

Contrôles de chaîne

Ce qui est mesuré La longueur de la plus longue coupure, en ms ; null quand il n’y en a pas.

Comment la lire Un paquet perdu fait généralement 20 ms ; 60 ms ou plus, c’est plusieurs à la suite.

Pourquoi Une rafale de pertes est pire que la même perte étalée, et c’est le nombre qui montre une rafale.

Testé contre La longueur du plus long trou compté par chain.dropoutCount, qui était à 2 ms près de celle du trou créé dans 99,9 pour cent de 8 406 trous signalés (le test y est décrit). Sur du bruit construit, la longueur est exacte à 0,1 ms (test/chain.test.ts).

Marge ±2 ms. Par trou, tel que testé : 99,9 pour cent de 8 406 trous rapportés avaient un début et une longueur à 2 ms près du trou fabriqué. Trous de 8 à 500 ms seulement.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas la plus longue perte de l’appel : une longue perte dans une pause ou un passage calme ne compte pas, et un trou de plus d’une demi-seconde est lu comme une pause ou un montage.

Un pic par rapport au bruit qui l’entoure, selon les termes de l’ISO 1996-2. Relatif, jamais en dB(A).

Proéminence tonale Validé

tone.prominenceDb

EnvironnementQA de datasetProvenance

Ce qui est mesuré La tonalité la plus proéminente par rapport au bruit de masquage dans sa bande critique, selon l’ISO 1996-2 annexe C, à partir d’un spectre à 1 Hz de tout le fichier.

Comment la lire En dessous de 4 dB, elle n’est pas entendue comme une tonalité ; au-dessus de 10 dB, elle est proéminente et la plupart des codes de bruit environnemental ajoutent une pénalité. Null sur la parole, où la tonalité est la voix elle-même, et sous 0,17 s. Sur de la musique, elle lit la note tenue, qui est du contenu, pas un défaut.

Pourquoi Une pompe à chaleur, un ventilateur ou un transformateur n’est pas fort, il est tonal, et un niveau large bande ne le montre jamais. C’est le nombre dont porte la plainte.

Testé contre ISO 1996-2 annexe C : 0, 6 et 15 dB au-dessus du niveau de masquage, et les limites des étiquettes.

Comment ça marche Traitement du signal classique.

Fréquence tonale Validé

tone.frequencyHz

Environnement

Ce qui est mesuré L’endroit où se situe cette tonalité la plus proéminente.

Comment la lire 50 ou 100 Hz, c’est le secteur ; quelques centaines de Hz, un moteur ou une pompe ; quelques kHz, une alimentation à découpage ou un sifflement.

Pourquoi La fréquence désigne la source, et la source est ce que quelqu’un peut éteindre.

Testé contre Une tonalité de fréquence connue.

Comment ça marche Traitement du signal classique.

Tonalité Validé

tone.label

EnvironnementQA de dataset

Ce qui est mesuré La proéminence dans les mots de la norme : none, audible, prominent.

Comment la lire Limites à 4 et 10 dB au-dessus du niveau de masquage.

Pourquoi Les rapports et les codes de bruit parlent avec ces trois mots ; la valeur en dB qui se cache derrière est pour l’ingénieur.

Testé contre Les limites des étiquettes de l’ISO 1996-2 annexe C.

Comment ça marche Traitement du signal classique.

50 ou 60 Hz et leurs harmoniques, mesurés uniquement là où la voix fait une pause.

Ronflement secteur Validé

hum.levelDb

Voix & podcastBroadcast & post-production filmQA de dataset

Ce qui est mesuré L’énergie à 50 ou 60 Hz et leurs harmoniques jusqu’à 500 Hz, mesurée seulement dans les pauses de parole, en dB au-dessus du bruit de fond de la bande 30 à 600 Hz.

Comment la lire En dessous de 6 dB, il n’y a pas de structure secteur qui mérite d’être nommée. Null quand aucune fenêtre de 0,34 s ne tient dans une pause : ce n’est pas mesuré, pas absent.

Pourquoi « Il y a un ronflement à 50 Hz, 18 dB au-dessus de votre bruit de fond » est quelque chose sur lequel un preneur de son peut agir ; un bruit de fond large bande, non.

Testé contre 6 dB de ronflement en plus se lisent 6 dB de plus ; null quand aucune fenêtre ne tient dans une pause.

Comment ça marche Traitement du signal classique.

Fréquence du secteur Validé

hum.mainsHz

Voix & podcastBroadcast & post-production film

Ce qui est mesuré 50 ou 60, selon la série d’harmoniques que portent les pauses, ou null quand le ronflement reste sous 6 dB.

Comment la lire 50 Hz, c’est l’Europe, la plus grande partie de l’Asie et de l’Afrique ; 60 Hz, ce sont les Amériques et une partie du Japon.

Pourquoi Indique quel filtre coupe-bande prendre, et parfois où un enregistrement a été fait.

Testé contre Indique 50 ou 60 Hz pour une série d’harmoniques dans les pauses, et se tait quand il n’y en a pas.

Comment ça marche Traitement du signal classique.

De quel type d’audio il s’agit, et avec quelle fermeté nous l’affirmons.

Type de contenu Proxy

signal.contentType

Voix & podcastMix & masterProvenanceQA de datasetEnvironnementQC de boucles et de packs de samples

Ce qui est mesuré Si c’est de la voix, de la musique, un mélange, du bruit ou du silence.

Comment la lire « Unknown » est une vraie réponse : les éléments de preuve ne concordaient pas. Le bruit est un bruit de fond constant (ronflement, souffle, climatisation, une foule), pas tout son sans parole ni musique. Mixed signifie qu’une partie du fichier se lit comme de la parole et une partie comme de la musique.

Pourquoi Décide lesquelles des autres mesures ont un sens pour ce fichier.

Testé contre Deux modèles donnent le verdict du fichier. Le premier (v1) est ce que l’API renvoie jusqu’au 15 janvier 2027 : un classifieur de trames avec un verdict de fichier : une voix sur un beat se lit mixte, jamais plus de 0,85 de confiance. Un petit modèle appris (régression logistique multinomiale sur huit caractéristiques, 27 nombres) fait partie du verdict de fichier. Il a été entraîné sur 57 fichiers étiquetés (30 parole, 15 musique, 12 bruit) et concordait avec les étiquettes à 96 pour cent en leave-one-out, contre 77 pour cent pour la règle seule. Il ne parle que là où la règle s’abstient ou choisit bruit, et apparaît comme model:v1 dans les éléments de preuve. Ces 96 pour cent portent sur ses propres fichiers d’entraînement. Testé le 12 octobre 2026 sur 600 extraits de 20 secondes de MUSAN (200 parole, 200 musique, 200 bruit ; une exécution, rien de réglé) : rappel de la parole 0,82 et précision 0,56, rappel de la musique 0,46 et précision 0,65, rappel du bruit 0,015 (3 sur 200). Il n’a pas satisfait son critère préenregistré (rappel et précision de 0,80 ou plus pour les trois classes), pour aucune classe. La parole de livres audio (LibriVox) est appelée voix sur 98 extraits sur 100, la parole du gouvernement américain sur 66 sur 100. La musique est appelée voix sur 55 extraits sur 200 et bruit sur 75 sur 200. Le second modèle (v2) est un modèle appris en deux étapes sur 25 caractéristiques simples par fenêtre de 10 secondes (voix, musique ou son ; puis bruit stable ou non), entraîné sur des fichiers MUSAN extérieurs au premier test, dix environnements DEMAND, et du brouhaha et du bruit stable synthétiques. Les outils du site l’utilisent désormais, et l’API l’offre sous la forme contentModel v2 et le renvoie par défaut à partir du 15 janvier 2027. Il a été testé sur les mêmes 600 extraits plus 90 extraits de trois environnements qu’il n’avait jamais vus (une place, la circulation routière, le métro ; 12 octobre 2026, une exécution, rien de réglé) : rappel de la parole 0,99 et précision 0,95, musique 0,95 et 0,86, rappel du bruit stable 0,44 (40 sur 90 ; la circulation routière et le métro se lisent surtout inconnu) et précision 1,00. Il satisfait son critère préenregistré pour la parole et la musique, pas pour le bruit.

Comment ça marche Traitement du signal avec un petit modèle appris à l’intérieur.

Non validé Le bruit : v1 a touché 3 des 200 extraits de bruit MUSAN et v2 a trouvé 40 des 90 extraits de trois environnements constants. Le bruit MUSAN est varié (son environnemental, machines, tonalités, effets), plus large qu’un bruit de fond constant, une partie du premier échec est donc une différence dans ce que bruit veut dire. Non testés non plus : la parole et la musique au même moment (l’étiquette mixed de v1 a été testée sur des mélanges construits, MX-1, et v2 ne détecte pas la parole sur de la musique), les langues autres que l’anglais, les enregistrements téléphoniques et de conférence, et les fichiers de moins de 3 secondes (v2 ne donne aucun verdict là et v1 répond). Le matériel d’entraînement de v2 provient des mêmes collections que le matériel de test (d’autres fichiers, d’autres environnements), on ne montre donc pas comment il tient sur d’autres enregistrements. On ignore si des fichiers MUSAN figuraient dans le jeu d’entraînement de v1, car aucun manifeste d’entraînement n’a été conservé.

Ce que ce n’est pas Pas un classifieur sur lequel s’appuyer pour tout enregistrement. Sur le matériel de test, v2 est juste sur la parole et la musique, et ne donne bruit que pour un bruit de fond stable qu’il reconnaît : il en a trouvé 40 sur 90 et a appelé le reste inconnu. Bruit désigne un bruit de fond stable (ronflement, souffle, climatisation, foule), pas tout son sans parole ni musique. Mixte signifie qu’une partie du fichier se lit comme de la parole et une partie comme de la musique ; il ne détecte pas de la parole sur de la musique (sur 500 mélanges construits, v1 a classé comme parole avec musique une parole mélangée à une musique 6 dB plus faible dans 29 cas sur 100, MX-1, 12 octobre 2026).

Confiance sur le contenu Proxy

signal.contentConfidence

QA de datasetProvenance

Ce qui est mesuré À quel point le type de contenu est tenu avec fermeté.

Comment la lire Plafonnée à 0,5 pour les fichiers de moins de trois secondes.

Pourquoi Un verdict sans sa confiance est une supposition déguisée en fait.

Testé contre Plafonnée à 0,85, et à 0,5 sous 3 secondes.

Comment ça marche Traitement du signal avec un petit modèle appris à l’intérieur.

Non validé Fait partie du verdict de fichier qui inclut un petit modèle appris, décrit sous signal.contentType. Sur les 600 extraits MUSAN (12 octobre 2026), la confiance moyenne de v1 était de 0,76 quand le verdict était juste et de 0,62 quand il était faux ou s’abstenait, elle séparait donc à peine les deux ; pour v2, elle était de 0,70 et 0,47, ce qui sépare mieux mais n’est toujours pas une probabilité.

Ce que ce n’est pas Une confiance du classifieur, pas une probabilité.

Éléments de preuve Proxy

signal.contentEvidence

QA de datasetProvenance

Ce qui est mesuré Quels contrôles indépendants étayent le type de contenu.

Comment la lire Une liste de faits courts, comme une grille rythmique ou une image stéréo centrée.

Pourquoi Rend le verdict discutable au lieu d’oraculaire, ce qui est la seule façon pour quelqu’un de lui faire confiance deux fois.

Testé contre Les vérifications indépendantes derrière le verdict.

Comment ça marche Traitement du signal avec un petit modèle appris à l’intérieur.

Non validé Fait partie du verdict de fichier qui inclut un petit modèle appris, décrit sous signal.contentType.

Stabilité du rythme Proxy

signal.beatStability

Mix & masterQA de dataset

Ce qui est mesuré La part de fenêtres de 6 secondes qui s’accordent sur un seul tempo.

Comment la lire Null sous 24 secondes, parce qu’une affirmation demande assez de fenêtres pour valoir la peine d’être faite.

Pourquoi La musique tient une grille et la parole non, ce qui est le séparateur unique le plus fiable que nous ayons trouvé.

Testé contre Une piste de clics à 120 bpm se lit au-dessus de 0,9, des clics irréguliers sous 0,7, et les fichiers de moins de 24 s se lisent null. Clics seulement.

Comment ça marche Traitement du signal classique.

Non validé La musique.

Ce que ce n’est pas Pas démontrée capable de reconnaître un vrai tempo ; il faudrait pour cela de la musique.

Platitude spectrale (début) Validé

signal.tonality

EnvironnementQA de dataset

Ce qui est mesuré À quel point le début du fichier ressemble à du bruit, de 0 à 1.

Comment la lire Près de zéro, c’est une tonalité pure : une alarme, un signal de test, un bip. Près de un, c’est du bruit large bande.

Pourquoi La parole n’est jamais une tonalité pure, une lecture proche de zéro l’exclut donc à elle seule.

Testé contre La platitude spectrale du début du fichier : une tonalité pure se lit sous 0,01 et un bruit au-dessus de 0,9.

Comment ça marche Traitement du signal classique.

Brillance Proxy

signal.brightnessBucket

Mix & master

Ce qui est mesuré La tonalité d’ensemble en un mot.

Comment la lire Dark, Balanced, Bright ou Very bright.

Pourquoi Trier une bibliothèque au ressenti demande des mots, pas des hertz.

Testé contre Une catégorie sur une mesure de centroïde spectral.

Comment ça marche Traitement du signal classique.

Dynamique Proxy

signal.dynamicsBucket

Mix & master

Ce qui est mesuré Le facteur de crête en un mot.

Comment la lire Flat, Compressed, Modern ou Dynamic.

Pourquoi Vous dit d’un coup d’œil si un fichier a déjà été masterisé.

Testé contre Une catégorie sur une mesure de dynamique.

Comment ça marche Traitement du signal classique.

Étiquette de bande approximative Proxy

signal.dominantBand

Mix & masterEnvironnementQC de boucles et de packs de samples

Ce qui est mesuré Une étiquette approximative de l’endroit où se situe le son, tirée du taux de passages par zéro, pas de l’énergie par bande.

Comment la lire Nommée, du sub à l’air. Une basse forte avec un peu de bruit haute fréquence par-dessus peut se lire comme une bande plus haute que celle qui a le plus d’énergie ; la mesure des bandes du spectre donne la vraie distribution.

Pourquoi L’indice le plus court possible de ce à quoi ressemble un fichier, à vérifier contre le spectre.

Testé contre Elle suit le taux de passage par zéro : des tonalités à 100, 1000, 3000 et 8000 Hz se lisent Sub / basses, Médiums, Haut-médiums et Aigus. Ce n’est pas la bande la plus riche en énergie : une basse forte avec une faible tonalité à 5 kHz par-dessus ne se lit pas comme de la basse.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas la bande la plus riche en énergie ; c’est la mesure des bandes du spectre qui la donne.

Score de faux mono Validé

signal.monophonic

ProvenanceQA de dataset

Ce qui est mesuré À quel point les deux canaux se ressemblent : leur corrélation, jamais en dessous de 0.

Comment la lire Près de 1 signifie que le fichier stéréo est du mono déguisé. C’est une corrélation, pas une probabilité.

Pourquoi Un conteneur stéréo ne prouve rien ; ceci attrape un canal mixé vers le haut ou dupliqué.

Testé contre Des canaux identiques se lisent au-dessus de 0,999, un bruit indépendant sous 0,05, l’opposition de phase 0, et des canaux d’une corrélation de 0,5 se lisent 0,5 à 0,05 près.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas une probabilité : c’est la corrélation gauche-droite, jamais sous zéro.

Décalage continu Validé

signal.dcOffset

QA de datasetProvenanceBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré Le décalage constant de la forme d’onde par rapport à zéro.

Comment la lire Tout ce qui est nettement au-dessus de zéro désigne un matériel défectueux.

Pourquoi Coûte de la marge et n’apparaît nulle part ailleurs. Un nombre pour tout le fichier suffit.

Testé contre Une tonalité décalée de +0,05 et de -0,03 indique le décalage avec son signe, à 0,002 près.

Comment ça marche Traitement du signal classique.

Présence d’écrêtage Validé

signal.clipping

QA de datasetMix & masterBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré Si le fichier écrête quelque part.

Comment la lire Un oui ou un non pour le tri.

Pourquoi Le premier filtre pour trier un dossier de centaines de fichiers.

Testé contre Détection des sommets plats : silencieuse sur une sinusoïde à pleine échelle et sur du bruit, trouve l’écrêtage en proportion, le voit encore après que le fichier a été baissé.

Comment ça marche Traitement du signal classique.

Non validé L’écrêtage haute fréquence lui est invisible, par construction.

Régions écrêtées Validé

signal.clippingRegions

QA de datasetMix & masterBroadcast & post-production film

Ce qui est mesuré Combien de passages distincts écrêtent.

Comment la lire Une région est un accident ; vingt, c’est un problème de niveau d’enregistrement.

Pourquoi Distingue un seul moment fort d’une prise enregistrée beaucoup trop chaude.

Testé contre Détection des sommets plats, voir signal.clipping.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas une mesure de la quantité écrêtée. Un fort écrêtage fait fusionner les tronçons : sur 24 phrases lues, la médiane était de 20 régions avec 5 pour cent des échantillons écrêtés et de 12 régions avec 25 pour cent (15 octobre 2026, V03-ENG).

Régions silencieuses Validé

signal.silenceRegions

QA de datasetBroadcast & post-production film

Ce qui est mesuré Combien de passages silencieux distincts il y a.

Comment la lire Un compte.

Pourquoi Beaucoup de silences courts, c’est un montage bégayant ; un seul long, c’est du temps mort.

Testé contre Des silences de 1 s et 0,5 s entre des tronçons de son se lisent comme deux régions ; un son continu se lit zéro région.

Comment ça marche Traitement du signal classique.

Silence total Validé

signal.silenceTotalSec

QA de datasetBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré La part du fichier qui est silencieuse.

Comment la lire En secondes.

Pourquoi Vous dit quelle part de ce que vous stockez et payez n’est rien.

Testé contre Les mêmes deux silences (1,5 s au total) se lisent entre 1,3 et 1,7 s ; un son continu se lit 0.

Comment ça marche Traitement du signal classique.

Régions de la ligne de temps Proxy

signal.regions

Voix & podcastProvenanceQA de datasetEnvironnement

Ce qui est mesuré Le fichier découpé en passages étiquetés voice, silence, music, noise ou clipping.

Comment la lire Chaque région porte sa propre confiance.

Pourquoi La carte avec laquelle on navigue, et ce sur quoi un agent peut agir région par région.

Testé contre Le même classifieur de trames : voix, silence, musique, bruit, écrêtage.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas validées sur un corpus étiqueté de vrais enregistrements.

Tags Proxy

signal.tags

QA de dataset

Ce qui est mesuré De courts mots-clés qui résument le fichier.

Comment la lire Faits pour la recherche, pas pour la lecture.

Pourquoi Rend une bibliothèque trouvable sans rien ouvrir.

Testé contre Tags techniques uniquement (contenu, brillance, dynamique, fréquence d’échantillonnage, canaux, problèmes, indices).

Comment ça marche Traitement du signal avec un petit modèle appris à l’intérieur.

Non validé Fait partie du verdict de fichier qui inclut un petit modèle appris, décrit sous signal.contentType.

Ce que ce n’est pas Aucun attribut de personne : ni genre, ni âge, ni émotion, ni locuteur.

Des valeurs qui évoluent, renvoyées sous forme de courbes.

Spectre en tiers d’octave Validé

series.thirdOctave

EnvironnementMix & masterProvenance

Ce qui est mesuré Le niveau par bande de tiers d’octave selon l’IEC 61260, de 20 Hz à 20 kHz, en dBFS RMS, à partir du même spectre que la mesure de tonalité.

Comment la lire Le bruit blanc monte de 3 dB par octave de bande, le bruit rose se lit à plat, une sinusoïde à pleine échelle indique -3 dBFS dans sa bande. Relatif à la pleine échelle, pas à un microphone étalonné.

Pourquoi Le langage de tous ceux qui travaillent avec un sonomètre, et la base d’un contrôle d’équilibre tonal par rapport à une courbe de référence.

Testé contre IEC 61260 : une sinusoïde à pleine échelle indique -3,01 dBFS dans sa propre bande, le bruit blanc monte de 3 dB par octave, centres nominaux.

Comment ça marche Traitement du signal classique.

Loudness dans le temps Validé

series.shortTermLufs

Mix & masterVoix & podcastBroadcast & post-production film

Ce qui est mesuré La loudness à court terme : une fenêtre de 3 secondes, une valeur toutes les 100 ms.

Comment la lire Plat = niveau régulier ; en dents de scie = le niveau bouge.

Pourquoi Montre d’où vient la plage de loudness au lieu de seulement dire sa taille.

Testé contre Même calcul que le maximum à court terme.

Comment ça marche Traitement du signal classique.

Non validé Aucun test propre.

Forme d’onde Validé

series.waveform

Voix & podcastMix & masterProvenanceQA de datasetEnvironnementBroadcast & post-production filmQC de boucles et de packs de samples

Ce qui est mesuré L’enveloppe du signal, sous-échantillonnée.

Comment la lire La forme familière ; fort = haut.

Pourquoi De l’orientation. Tout le reste se lit plus facilement quand on sait où l’on est.

Testé contre Une tonalité qui passe de 0,2 à 0,8 d’amplitude : chacun des 480 points se situe à moins de 5 pour cent sous la vraie crête de son tronçon et jamais au-dessus.

Comment ça marche Traitement du signal classique.

Enveloppe de la voix Validé

series.rmsEnvelope

Voix & podcast

Ce qui est mesuré Le niveau dans le temps à environ 50 trames par seconde.

Comment la lire La forme de la parole, plus fine que la vue en forme d’onde.

Pourquoi Assez fine pour voir les syllabes individuelles, là où se trouvent le rythme et l’écrêtage.

Testé contre Environ 50 trames par seconde (95 à 105 pour un fichier de 2 s). La valeur est le RMS par trame : des tonalités d’amplitude 0,2 et 0,02 indiquent leur RMS à 3 et 5 pour cent près.

Comment ça marche Traitement du signal classique.

Masque d’activité vocale Proxy

series.voicedMask

Voix & podcastQA de dataset

Ce qui est mesuré Parole ou non, pour chaque trame de l’enveloppe.

Comment la lire Alignée une à une sur l’enveloppe.

Pourquoi Posez-la sur n’importe quelle autre mesure et chaque mesure se scinde en « pendant la parole » et « entre les paroles ».

Testé contre Le masque issu du détecteur de parole, mesuré par rapport à des alignements de mots : F1 par trame 0,92 sur de l’audio propre, mais il ne marque que les parties les plus fortes des phrases, si bien que les débuts et fins de mots faibles ne sont pas masqués. Avec le détecteur K2 (voir Taux de parole), le masque s’étend jusqu’à 100 ms plus loin dans les débuts et fins de mots : F1 par trame 0,941 contre 0,878 sur de l’audio propre et un bruit à 20 et 10 dB (test-clean).

Comment ça marche Traitement du signal classique.

Enveloppe d’énergie Validé

series.energyEnvelope

ProvenanceQA de datasetEnvironnement

Ce qui est mesuré Le niveau dans le temps, à résolution fixe quelle que soit la longueur du fichier.

Comment la lire La forme d’ensemble.

Pourquoi Comparable entre fichiers de longueurs différentes, ce que la forme d’onde n’est pas.

Testé contre Une amplitude quatre fois plus grande se lit quatre fois la valeur, à 8 pour cent près, et la série couvre tout le fichier à 6, 12 et 40 s sans remplissage de zéros. Ce test a mis au jour un bug (la série s’arrêtait après les 480 premières trames et les fichiers courts finissaient par des zéros), corrigé le 11 octobre 2026.

Comment ça marche Traitement du signal classique.

Enveloppe de brillance Validé

series.centroidEnvelope

ProvenanceEnvironnement

Ce qui est mesuré Le taux de passages par zéro dans le temps, une trace approximative de brillance à la même résolution que l’enveloppe d’énergie. Ce n’est pas un centre spectral en Hz.

Comment la lire En hausse, le matériau est devenu plus aigu ou plus brillant. Une sinusoïde se lit 2f/fs.

Pourquoi La brillance bouge là où le niveau ne bouge pas : un changement d’égalisation, un autre microphone, une tout autre source.

Testé contre La valeur est le taux de passage par zéro par trame : une sinusoïde se lit 2f/fs à 8 pour cent près à 500 et 4000 Hz, et elle monte avec la hauteur du son.

Comment ça marche Traitement du signal classique.

Ce que ce n’est pas Pas un centre spectral en Hz ; elle suit le taux de passage par zéro.

Des mesures bloc par bloc que vous pouvez empiler sur un seul axe temporel.

Piste de spectre Validé

grid.terrain

Voix & podcastMix & masterProvenanceQA de datasetEnvironnement

Ce qui est mesuré L’énergie par bande de fréquence dans le temps, 48 bandes espacées en échelle logarithmique.

Comment la lire Brillant = fort. Les bandes verticales sont des coups ; les barres horizontales sont des tonalités tenues.

Pourquoi La forme du son en un coup d’œil, et la couche à laquelle toutes les autres pistes sont lues.

Testé contre Pour une tonalité de 1 kHz, la plus forte des 48 bandes est celle autour de 1 kHz dans chaque bloc (à une bande logarithmique près, 15,5 pour cent), et le maximum se lit 0 dB.

Comment ça marche Traitement du signal classique.

Piste de niveau Validé

grid.level

Voix & podcastMix & masterQA de datasetBroadcast & post-production film

Ce qui est mesuré Le niveau RMS par bloc.

Comment la lire Plus haut, c’est plus fort ; une ligne plate est un matériau compressé ou constant.

Pourquoi Trouve les passages forts et calmes sans parcourir le fichier.

Testé contre Des tonalités d’amplitude 0,5 et 0,05 indiquent leur RMS en dBFS (amplitude divisée par la racine carrée de 2) à 0,1 dB près dans chaque bloc.

Comment ça marche Traitement du signal classique.

Piste de crête Validé

grid.peak

Mix & masterQA de dataset

Ce qui est mesuré L’échantillon le plus haut par bloc.

Comment la lire Toucher 0 dBFS marque les blocs qui écrêtent.

Pourquoi Se couple à la piste de niveau pour donner au facteur de crête ses deux moitiés.

Testé contre Des tonalités d’amplitude 0,5 et 0,05 indiquent leur crête en dBFS à 0,1 dB près dans chaque bloc.

Comment ça marche Traitement du signal classique.

Piste de dynamique Validé

grid.crest

Mix & masterProvenance

Ce qui est mesuré Le facteur de crête par bloc.

Comment la lire Au-dessus de 14 dB, ça respire ; sous 8 dB, c’est écrasé.

Pourquoi Un passage plat dans un fichier par ailleurs dynamique est presque toujours une autre source.

Testé contre Une sinusoïde se lit 3,01 dB à 0,1 près et un signal carré 0 dB à 0,15 près, dans chaque bloc.

Comment ça marche Traitement du signal classique.

Piste de brillance Validé

grid.centroid

Mix & masterProvenanceEnvironnement

Ce qui est mesuré Le centre spectral par bloc.

Comment la lire En hausse, c’est plus brillant ; en baisse, plus sombre ou plus terne.

Pourquoi Suit les changements tonals que la piste de spectre montre mais ne résume pas.

Testé contre Une tonalité indique sa propre fréquence à 2 pour cent près dans chaque bloc, à 1000 et 4000 Hz.

Comment ça marche Traitement du signal classique.

Piste de bande passante Validé

grid.bandwidth

ProvenanceQA de dataset

Ce qui est mesuré L’endroit où le spectre se ferme, bloc par bloc. Null quand c’est trop calme pour être mesuré.

Comment la lire Mesuré : 64 kbit/s se situe près de 11 kHz, 128 près de 16,5, 256 près de 19.

Pourquoi Lit l’histoire du fichier : à quel point il a été compressé, et exactement où deux sources ont été raccordées.

Testé contre Pistes du terrain : les bruits de fond tombent sur le vrai niveau d’un bruit stationnaire, le ronflement se distingue du souffle, le flux culmine à un raccord, la marge ne se lit jamais au-dessus du niveau.

Comment ça marche Traitement du signal classique.

Piste de bruit de fond Validé

grid.noiseFloor

Voix & podcastQA de datasetEnvironnement

Ce qui est mesuré Les trames les plus calmes près de chaque bloc, en 25e percentile sur une fenêtre de ±3 blocs.

Comment la lire Une marche vers le haut signifie que du bruit est arrivé. Le silence numérique se situe près de −120 dB.

Pourquoi Le bruit sous la parole la rend plus difficile à suivre, et ceci le montre à la seconde où il commence. Elle décrit le signal ; elle ne prédit pas les erreurs de reconnaissance vocale.

Testé contre Pistes du terrain : les bruits de fond tombent sur le vrai niveau d’un bruit stationnaire, le ronflement se distingue du souffle, le flux culmine à un raccord, la marge ne se lit jamais au-dessus du niveau.

Comment ça marche Traitement du signal classique.

Piste stéréo Validé

grid.correlation

Mix & master

Ce qui est mesuré Gauche contre droite par bloc, sur une échelle fixe de −1 à +1.

Comment la lire +1, c’est du mono, plus bas c’est plus large, sous 0 les canaux se battent.

Pourquoi Attrape un problème de phase dans un passage que la moyenne au niveau du fichier noie.

Testé contre Des canaux égaux se lisent au-dessus de 0,999, des canaux opposés sous moins 0,999, et un bruit indépendant à 0,05 de zéro.

Comment ça marche Traitement du signal classique.

Piste de largeur Validé

grid.width

Mix & master

Ce qui est mesuré La largeur stéréo par bloc.

Comment la lire Dessinée comme l’aire derrière la ligne de corrélation.

Pourquoi Montre où un mix s’ouvre et où il s’effondre au centre.

Testé contre Le mono se lit 0, l’opposition de phase 1 et un bruit indépendant 2/3 (à 0,04 près), selon la même règle latéral/médian que la largeur stéréo du fichier entier.

Comment ça marche Traitement du signal classique.

Piste de platitude Validé

grid.flatness

EnvironnementProvenance

Ce qui est mesuré À quel point chaque bloc ressemble à du bruit, de 0 à 1.

Comment la lire Bas, c’est une hauteur nette ; haut, c’est large bande.

Pourquoi Sépare un bip d’une voix et un ronflement d’un bruit de salle, dans le temps.

Testé contre Pistes du terrain : les bruits de fond tombent sur le vrai niveau d’un bruit stationnaire, le ronflement se distingue du souffle, le flux culmine à un raccord, la marge ne se lit jamais au-dessus du niveau.

Comment ça marche Traitement du signal classique.

Piste d’écrêtage Validé

grid.clipFraction

Mix & masterQA de datasetBroadcast & post-production film

Ce qui est mesuré La part d’échantillons à la pleine échelle ou au-delà par bloc.

Comment la lire Une barre signifie qu’un écrêtage a eu lieu là.

Pourquoi Un dommage que vous ne pouvez pas défaire, localisé à la seconde.

Testé contre Une sinusoïde de 1,5 écrêtée à 1 indique la part écrêtée des échantillons, 0,54, à 0,02 près dans chaque bloc ; une sinusoïde non écrêtée se lit 0.

Comment ça marche Traitement du signal classique.

Piste de décalage continu Validé

grid.dcOffset

Provenance

Ce qui est mesuré Le décalage de la forme d’onde par rapport à zéro par bloc.

Comment la lire Devrait rester plat à zéro sur tout le fichier.

Pourquoi Une marche signifie que le matériel a changé en cours d’enregistrement, ce que rien d’autre ici ne révélerait.

Testé contre Une tonalité décalée de 0,1 se lit 0,1 à 0,005 près dans chaque bloc.

Comment ça marche Traitement du signal classique.

Des combinaisons des lanes ci-dessus : headroom, nouveauté, changement, caractère du bruit.

Piste de marge Validé

derived.headroom

Voix & podcastQA de datasetEnvironnementBroadcast & post-production film

Ce qui est mesuré La distance entre le contenu et le bruit de fond local, bloc par bloc.

Comment la lire Au-dessus de 30 dB, elle se lit comme propre ; sous 15 dB, comme bruitée. Elle décrit le signal ; elle ne prédit pas les erreurs de reconnaissance vocale.

Pourquoi C’est le nombre qui décide si un audio est exploitable, et pour l’instant il est réparti sur deux pistes que le lecteur doit soustraire à l’œil.

Testé contre Pistes du terrain : les bruits de fond tombent sur le vrai niveau d’un bruit stationnaire, le ronflement se distingue du souffle, le flux culmine à un raccord, la marge ne se lit jamais au-dessus du niveau.

Comment ça marche Traitement du signal classique.

Piste de nouveauté Proxy

derived.novelty

ProvenanceQA de dataset

Ce qui est mesuré À quel point le matériau change à chaque instant, en comparant les deux secondes avant et les deux après sur la bande passante, le bruit de fond, la brillance, la crête et la corrélation stéréo ensemble.

Comment la lire Les pics marquent des frontières. Lisez-les tous, pas seulement le plus haut ; sur une musique dense, le pic le plus haut n’est pas toujours celui que vous cherchiez. Seuls les blocs qui se situent au moins 6 dB au-dessus de leur propre bruit de fond, et au-dessus de -70 dBFS, sont comparés, un fichier à un niveau constant se lit donc 0 partout.

Pourquoi Désigne l’endroit où quelque chose change sans qu’on lui dise quoi chercher. Elle porte la corrélation stéréo, c’est donc elle qui attrape un effondrement de canal ; la piste de changement lit le terrain mono et attrape un raccord à la place. À elles deux, les cinq cas de test sont couverts. Mise à l’échelle pour ne jamais saturer : le haut de la piste reste disponible pour l’exceptionnel.

Testé contre Un matériau identique se lit 0 (sous 0,02 loin du changement) et un changement donne un pic au-dessus de 0,2 à moins de 2 s de lui. Seuls comptent les blocs qui se tiennent au moins 6 dB au-dessus de leur propre bruit de fond et au-dessus de moins 70 dBFS, si bien qu’un fichier à niveau stable se lit 0 partout.

Comment ça marche Traitement du signal classique.

Non validé Les vrais montages et transitions, où le bon pic n’est pas connu à l’avance.

Piste de changement Validé

derived.flux

Mix & masterProvenance

Ce qui est mesuré À quel point le spectre change d’un bloc au suivant.

Comment la lire Les pics sont des attaques, des montages et des transitions.

Pourquoi Le terrain est déjà là et n’a jamais été dérivé, et sa dérivée est l’endroit où vivent les points de montage. Elle a trouvé le raccord à exactement 15,0 s sur le fichier de test que la nouveauté a manqué. Aveugle à un changement stéréo par construction, puisque le terrain est mono.

Testé contre Pistes du terrain : les bruits de fond tombent sur le vrai niveau d’un bruit stationnaire, le ronflement se distingue du souffle, le flux culmine à un raccord, la marge ne se lit jamais au-dessus du niveau.

Comment ça marche Traitement du signal classique.

Piste de nature du bruit Validé

derived.bandFlatness

EnvironnementVoix & podcast

Ce qui est mesuré La tonalité mesurée séparément sous 250 Hz, de 250 Hz à 4 kHz, et au-dessus.

Comment la lire Grave tonal, c’est du ronflement ; aigu plat, du souffle ; médium tonal, de la musique ou une télévision. Trois lignes, une par groupe de bandes.

Pourquoi Un seul nombre de platitude par bloc peut dire combien il y a de bruit mais jamais de quelle sorte, et la correction dépend entièrement de la sorte.

Testé contre Pistes du terrain : les bruits de fond tombent sur le vrai niveau d’un bruit stationnaire, le ronflement se distingue du souffle, le flux culmine à un raccord, la marge ne se lit jamais au-dessus du niveau.

Comment ça marche Traitement du signal classique.