MP3, WAV, FLAC : ce que chaque conversion détruit réellement

Trois formats, trois choses différentes stockées

Un fichier WAV est une liste de nombres précédée d'un court en-tête. Chaque nombre est la position de la membrane d'un haut-parleur à un instant donné, mesurée un nombre fixe de fois par seconde ; l'en-tête indique combien de fois par seconde, combien de bits par nombre, et combien de canaux sont entrelacés. C'est tout le format. L'en-tête que cet outil écrit fait les 44 octets canoniques et déclare l'identifiant de format 1, celui du PCM simple. Rien n'est modélisé, rien n'est prédit, rien n'est jeté — d'où le fait que le WAV soit ce que tout logiciel de montage, tout enregistreur et toute chaîne de traitement veut recevoir, et aussi qu'il soit énorme.

Le FLAC stocke les mêmes nombres, mais il cherche d'abord une structure : il ajuste un court polynôme à chaque bloc d'échantillons, en stocke les coefficients, puis ne stocke que l'écart entre la prédiction et la réalité, codé de façon que les petits écarts coûtent peu. Quand même cela n'aiderait pas — sur du bruit pur, par exemple — il retombe sur un bloc verbatim et écrit simplement les échantillons non encodés, mécanisme qui garantit qu'un FLAC n'est jamais sensiblement plus gros que son entrée. De combien il rétrécit n'est pas une propriété du format, et le projet refuse délibérément de promettre un chiffre : sa propre FAQ dit que le débit « est à peu près proportionnel à la quantité d'information du signal d'origine », allant d'environ 100 % de l'entrée sur du bruit à presque rien sur du silence. Un enregistrement acoustique aéré se comprime bien. Un mastering moderne écrasé contre le plafond ne se comprime presque pas. Les deux se décodent exactement en ce qui est entré.

Le MP3 et l'AAC ne stockent ni les échantillons ni une transformation réversible de ceux-ci. Ils stockent une description du son tel qu'un modèle de l'audition le perçoit, et tout ce que ce modèle juge inaudible — une partie faible masquée par une partie forte voisine, du détail au-delà de la fréquence où le budget de bits s'est épuisé — n'est tout simplement pas encodé. Le décodeur ne le récupère pas ; il synthétise quelque chose de plausible à la place. Pour l'écoute, c'est un triomphe, et à 192 kbit/s la plupart des gens ne le distinguent pas de l'original dans un test honnête. Pour tout traitement ultérieur, c'est un piège, car les outils en aval traiteront la partie synthétisée comme s'il s'agissait de signal.

La seule formule de taille à retenir

Octets = fréquence d'échantillonnage × (profondeur en bits ÷ 8) × canaux × secondes, plus 44 pour l'en-tête. Chaque terme se lit sur le fichier, et il n'y a aucune compression à deviner. Un morceau de trois minutes et demie aux réglages du CD fait 44 100 × 2 × 2 × 210 = 37 044 000 octets, soit 37,04 Mo. Le même morceau en MP3 à 190 kbit/s fait 4,99 Mo, et le rapport entre les deux — 1411,2 divisé par 190, environ 7,4 — est exactement la compression qu'achète l'encodage avec perte et que l'encodage sans perte n'achète pas.

Les deux paramètres de cette formule sont aussi les deux que le convertisseur laisse changer, et chacun a un sens physique qu'il vaut mieux connaître avant d'y toucher. La fréquence d'échantillonnage fixe un plafond strict sur les fréquences représentables, exactement à sa moitié : 44,1 kHz contient tout jusqu'à 22 050 Hz, confortablement au-delà du sommet de l'audition humaine, tandis que 22,05 kHz coupe à 11 025 Hz, ce qui retire cymbales et sifflantes mais laisse la parole parfaitement intelligible. La profondeur en bits fixe l'écart entre le plus fort et le plus faible que le fichier peut contenir, à environ 6 dB par bit : seize bits donnent environ 98 dB de dynamique, plus que l'écart entre un chuchotement et un cri dans n'importe quelle pièce où tu aies mis les pieds.

Le sens est tout

Entre deux formats sans perte, la conversion est gratuite dans les deux sens et seule la taille change. FLAC vers WAV n'apporte rien d'audible et coûte environ le double d'espace disque : ne le fais que si un programme devant te refuse le FLAC — et beaucoup le refusent, en particulier les vieux logiciels de montage et les échantillonneurs matériels. WAV vers FLAC est le même marché à l'envers et c'est la bonne façon d'archiver quoi que ce soit, car le fichier qui ressort est bit pour bit identique à celui qui est entré, et tu peux le vérifier par une somme de contrôle.

Passer d'un fichier avec perte à un fichier sans perte est la conversion dont on attend le plus et dont on tire le moins. Décoder un MP3 à 190 kbit/s reproduit un flux PCM complet à 1411,2 kbit/s — les échantillons reviennent à plein débit, ce sont simplement les mauvais échantillons, ceux que le décodeur a synthétisés. Stocke cela en FLAC et tu obtiens un fichier environ quatre fois plus gros que le MP3 et qui sonne exactement comme le MP3. Rien n'a été réparé ; tu as seulement empêché les dégâts d'empirer, ce qui est parfois la bonne décision si le MP3 est la seule copie existante et que tu vas le monter. Sinon, c'est un coût pur.

Et avec perte vers avec perte est à éviter complètement. Chaque passe encode les artefacts de l'encodeur précédent comme s'il s'agissait de musique, dépensant des bits à préserver du bruit pendant que le contenu réel perd une couche de plus. D'où l'habitude professionnelle énoncée en une règle : ne passe en compression avec perte qu'une seule fois, tout à la fin, sur l'objet fini. Chaque montage, chaque raccord, chaque changement de niveau, chaque normalisation se fait sur la copie sans perte, et le MP3 ou l'AAC est produit en dernier, depuis le master, en une passe — jamais depuis un autre MP3.

Ce qu'est ce convertisseur, et ce qu'il n'est délibérément pas

C'est une porte à sens unique vers le WAV. Il lit tout ce que ton navigateur sait décoder — MP3, M4A, AAC, OGG, FLAC et WAV figurent tous sur la liste acceptée — et il écrit exactement une chose : du PCM 16 bits dans un conteneur WAV, avec un changement facultatif du nombre de canaux et de la fréquence d'échantillonnage au passage. Il ne produira pas de MP3, ni de FLAC. C'est une vraie limite, à énoncer clairement plutôt qu'à découvrir : si ce qu'il te faut est un MP3 à partir d'un fichier audio, rien sur ce site n'en fabriquera un. L'outil d'extraction audio fabrique du MP3, mais seulement depuis une vidéo.

Deux conséquences découlent des 16 bits. Si ta source est un FLAC 24 bits ou un enregistrement 24 bits issu d'une interface, le WAV qui sort a huit bits de dynamique en moins — 98 dB au lieu d'environ 146 — et la conversion est sans dither, si bien que l'erreur de troncature apparaît comme un plancher de bruit très faible au lieu d'être étalée. Sur un morceau mixé et masterisé, personne ne l'entendra. Sur un enregistrement de terrain calme que tu comptes remonter de 30 dB, si. Et si ta source est un fichier 32 bits flottant issu d'un enregistreur moderne, l'écrêtage à plus ou moins un n'est pas une formalité : tout ce qui dépassait le plein niveau dans le domaine flottant — précisément ce que l'enregistrement en 32 bits flottant existe pour permettre — est aplati au plafond ici au lieu d'être d'abord ramené.

La fréquence affichée est celle de tes haut-parleurs, pas celle de ton fichier

Charge un fichier et l'outil affiche une ligne du type « Source : 48000 Hz · Stéréo ». On lit facilement cela comme un fait sur le fichier. Ce n'en est pas un, ou du moins pas de façon fiable, et la raison est inscrite dans la spécification Web Audio : le décodage prend le résultat et le ré-échantillonne « à la fréquence du BaseAudioContext si elle diffère de celle des données audio ». Le contexte est créé ici sans options, et un contexte ainsi créé utilise la fréquence du périphérique de sortie par défaut. Le nombre affiché est donc la fréquence à laquelle tourne la sortie audio de ta machine — couramment 48 000 Hz sur un portable, parfois 44 100, occasionnellement 96 000 si tu as une interface professionnelle réglée ainsi.

Les conséquences pratiques sont petites mais précises. « Conserver » conserve la fréquence décodée, pas la fréquence d'origine du fichier : une piste d'album à 44,1 kHz ouverte sur une machine tournant à 48 kHz sort en WAV 48 kHz, environ 8,8 % plus gros et ré-échantillonné une fois. Demander explicitement 44 100 ne défait rien — cela ré-échantillonne une seconde fois, à la baisse. Aucune des deux passes n'est audible au sens ordinaire ; ce sont des interpolations effectuées par le ré-échantillonneur du navigateur, et le résultat est une bonne approximation plutôt que les nombres d'origine. Donc : s'il te faut du PCM au bit près depuis une source sans perte — pour une somme de contrôle, une comparaison légale, une chaîne de mastering — ce n'est pas le bon outil, et aucun outil de navigateur bâti sur cette API ne peut l'être. S'il te faut un WAV qui se lise correctement et sonne juste, ce dont presque tout le monde a besoin, c'est exactement le bon outil, et la fréquence affichée peut très bien être ignorée.

Choisir le mono, et choisir une fréquence, sans se raconter d'histoires

Le mono divise le fichier par deux et c'est la bonne réponse plus souvent qu'on ne croit, car une grande part du matériau enregistré ne contient aucune information stéréo : une voix seule dans un seul micro, un mémo téléphonique, une conférence, un entretien. Replier cela en mono retire un doublon, pas une dimension. C'est la mauvaise réponse pour tout ce qui a une image stéréo à laquelle tu tiens — musique, ambiance, tout ce qui est enregistré avec deux micros écartés — et ce n'est pas réversible : une fois les deux canaux additionnés, aucune étape ultérieure ne les sépare. La bonne habitude est de garder une copie stéréo de l'original et de faire du mono un export.

Sur la fréquence, la position honnête est que 44,1 kHz et 48 kHz sont interchangeables à l'écoute et que le choix ne dépend que de l'aval : le travail vidéo est conventionnellement à 48 kHz parce que c'est ce qu'utilisent les conteneurs et la chaîne de diffusion, la distribution musicale est conventionnellement à 44,1 kHz parce que c'est ce qu'utilisait le disque compact, et passer de l'une à l'autre est un ré-échantillonnage, pas un changement d'étiquette. Faites-le quand une destination l'exige, pas par souci de rangement. L'option 22,05 kHz est d'une autre nature : c'est une coupure de bande délibérée à 11 025 Hz, elle rend un fichier de parole 4,35 fois plus petit qu'un fichier stéréo à 48 kHz une fois combinée au mono, et elle est exactement juste pour un envoi de transcription et exactement fausse pour tout ce que quelqu'un écoutera pour le plaisir.

Questions fréquentes

Convertir ma collection de MP3 en FLAC améliore-t-il le son ?

Non, et l'arithmétique montre pourquoi. Décoder un MP3 à 190 kbit/s redonne un flux PCM à plein débit, 1411,2 kbit/s, mais ces échantillons sont la reconstruction du décodeur, pas l'enregistrement d'origine. Le FLAC comprime ensuite cette reconstruction à la perfection — et c'est bien le problème : il préserve avec une fidélité totale exactement le signal abîmé qu'on lui a donné. Tu obtiens un fichier environ quatre fois plus gros que le MP3 et indiscernable du MP3 en test à l'aveugle, parce que c'est le MP3, simplement écrit autrement. Le seul gain est qu'aucune génération supplémentaire ne s'ajoutera à ce que tu feras ensuite, ce qui vaut quelque chose si tu vas monter et rien du tout si tu vas écouter.

Le 48 kHz est-il meilleur que le 44,1 kHz ?

En rien d'audible. Une fréquence d'échantillonnage fixe la plus haute fréquence transportable, exactement à sa moitié : 44,1 kHz atteint 22 050 Hz et 48 kHz atteint 24 000 Hz — les deux confortablement au-dessus du sommet de l'audition humaine, qui en pratique s'arrête bien avant 20 000 Hz et décline avec l'âge. Les deux nombres existent pour des raisons historiques et industrielles, pas acoustiques : 44,1 vient du disque compact, 48 de la vidéo professionnelle et de la diffusion. Prends celui qu'attend ta destination, et ne convertis que si quelque chose dans la chaîne l'exige, car convertir est un ré-échantillonnage avec ses propres petites imperfections, pas un changement d'étiquette gratuit.

L'outil annonce 48 000 Hz alors que je sais que c'est un rip à 44,1 kHz. Lequel a raison ?

Tu as raison sur le fichier ; l'outil a raison sur ce qu'il a en mémoire. L'étape de décodage Web Audio ré-échantillonne l'audio décodé à la fréquence du contexte audio, et le contexte est créé sans fréquence spécifiée : il prend donc celle de ton périphérique de sortie par défaut. L'affichage te dit à quelle fréquence tournent tes haut-parleurs, et l'audio décodé a réellement été converti à cette fréquence avant même que l'outil ne le voie. S'il te faut la fréquence déclarée du fichier, lis-la dans un lecteur multimédia ou un outil d'inspection. S'il te faut juste un WAV utilisable, cela ne change rien de perceptible — mais c'est la raison pour laquelle un fichier peut sortir un peu plus gros que ne le prédisait le calcul sur sa fréquence d'origine.

Puis-je obtenir un MP3 avec cet outil ?

Non. Il écrit du WAV et rien que du WAV, parce qu'il repose sur le décodage audio du navigateur et non sur un encodeur embarqué : le navigateur décodera un MP3 pour lui, mais il n'en encodera pas. Cette asymétrie n'est pas un oubli, c'est le fonctionnement de la plateforme. Si ta source est une vidéo plutôt qu'un fichier audio, l'outil d'extraction audio dispose bien d'un encodeur MP3 — une compilation WebAssembly de LAME — et t'en donnera un directement. Si ta source est déjà de l'audio et qu'il te faut un MP3, il faudra quelque chose hors de ce site pour cette dernière étape. Ce qui, vu la règle du passage unique en compression avec perte à la fin, est de toute façon l'étape à faire en dernier.

Mon FLAC ne s'ouvre pas du tout dans le convertisseur. Pourquoi ?

Parce que le décodage est celui du navigateur, pas celui de l'outil : ce qui s'ouvre dépend des codecs livrés avec ton navigateur. Le FLAC est décodable depuis des années dans les principaux navigateurs de bureau, mais un fichier haute résolution peut échouer pour une autre raison : le format autorise des fréquences allant jusqu'à un peu plus d'un mégahertz et des profondeurs de 4 à 32 bits, et le décodeur d'un navigateur n'est pas tenu d'accepter toute la plage. Si un fichier 192 kHz ou 24 bits refuse, essaie un autre navigateur avant de conclure que le fichier est cassé, et vérifie qu'il se lit ailleurs. L'inverse vaut pour des formats comme Opus ou les vieux fichiers Windows Media : la liste des formats acceptés est un sur-ensemble de ce qu'un navigateur donné sait réellement lire.