Niveau et écrêtage : ce qu’AudioLab lit, et ce que cela coûte

Ce que cela coûte à un moteur de reconnaissance : rien que nous ayons pu montrer. Aucune des six conditions n’a fait de différence nette pour l’un ou l’autre modèle, pas même avec un quart des échantillons écrêtés (une lecture nettement pire exige un intervalle au-dessus de zéro et une variation d’au moins 2 points). Whisper met lui-même l’enregistrement au bon niveau, et l’écrêtage est ici numérique : un écrêtage dur à pleine échelle.

Ce qu’AudioLab lit : l’écrêtage, et le niveau jusqu’à un certain point. L’écrêtage a été trouvé dans 22 enregistrements sur 24 à +12 dB, 24 sur 24 à +20 dB et 24 sur 24 à +30 dB, et dans aucun des 96 enregistrements sans écrêtage. Les deux qu’il n’a pas signalés à +12 dB ne contiennent aucune suite d’échantillons écrêtés : l’un n’a aucun échantillon à pleine échelle et l’autre seulement deux isolés, et la mesure compte les suites d’au moins trois d’affilée. Sur les 72 fichiers écrêtés, le comptage suit la vraie proportion avec une corrélation de rang de 0,96. Un écrêtage léger se lit bas pour la même raison : avec jusqu’à 1 pour cent des échantillons écrêtés, la mesure a compté environ 0,7 pour cent des échantillons à pleine échelle (médiane). Le nombre de zones écrêtées n’est pas une mesure de l’ampleur de l’écrêtage : la médiane était de 20 zones avec 5 pour cent des échantillons écrêtés et de 12 avec 25 pour cent, parce qu’un écrêtage fort fait fusionner les tronçons.

La crête, le niveau RMS et le facteur de crête concordent avec notre propre comptage des échantillons (écart maximal de 0,000 dB). Le niveau de la parole suit le gain : pour une baisse de 14 dB, il a lu une variation de 14,0 dB et pour 24 dB, 23,8 dB (médiane). À -60 dBFS, le détecteur de parole ne garde qu’environ 9 pour cent de la parole, et dans 2 enregistrements sur 24 aucune, si bien que le niveau est la moyenne des seules parties les plus fortes et se lit 5,4 dB trop haut (médiane sur les 22 enregistrements qui en ont une).

Donc : AudioLab voit l’écrêtage et, jusqu’à -50 dBFS, le niveau, et les deux moteurs de reconnaissance n’en ont souffert ni l’un ni l’autre. Les mesures servent à trouver les dégâts dans vos enregistrements, pas à prédire ce qu’ils coûtent à votre moteur de reconnaissance. La plupart des défauts audio que nous mesurons ne coûtent rien à ces deux modèles ; ce qui compte, c’est de le savoir pour le vôtre, et c’est à cela que sert le test de résistance.

De la parole lue en anglais, 24 phrases par condition, Whisper small et large-v3-turbo sur un CPU, donc les intervalles sont larges : une variation inférieure à environ 2 points ne se distingue pas d’une absence de variation. Les niveaux sont un simple gain appliqué à des enregistrements propres, et l’écrêtage est un écrêtage dur à pleine échelle d’enregistrements propres montés en niveau.

• Les moteurs de reconnaissance en flux continu et les agents vocaux qui écoutent en direct : ils peuvent réagir différemment au niveau.
• D’autres moteurs de reconnaissance que les deux ouverts, et d’autres langues.
• L’écrêtage à un micro ou dans un étage analogique, l’écrêtage doux et les compresseurs.
• Les enregistrements faibles parce que le micro est loin : davantage de bruit s’y ajoute.
• Nous avions consigné à l’avance que l’écrêtage le plus fort coûterait nettement à un moteur de reconnaissance. Ce n’a pas été le cas.