Pourquoi ta coupe vidéo tombe deux secondes trop tôt

La plupart des images sont des différences, pas des images

La compression vidéo fonctionne parce que des images consécutives sont presque identiques. Les stocker toutes en entier gaspillerait presque tout : un codec stocke donc une image complète, puis décrit les quelques dizaines suivantes comme des écarts par rapport à elle — ce bloc s'est déplacé ici, cette zone s'est éclaircie, le reste est identique. L'image complète est l'image-clé, et la suite qui en dépend forme un groupe d'images. La lecture depuis le début n'en souffre pas — le décodeur construit chaque image à partir de la précédente — mais entrer au milieu, si, car une différence n'a rien par rapport à quoi être une différence.

L'intervalle entre images-clés est fixé par ce qui a enregistré

Il n'existe pas de valeur standard, et c'est pourquoi la même demande se comporte différemment sur deux fichiers. Une caméra de téléphone garde les images-clés rapprochées, environ toutes les deux secondes, parce qu'elle s'attend à ce qu'on parcoure et monte les rushes. Un export de logiciel de montage les espace souvent bien davantage pour économiser de la place, parce qu'il s'attend à ce qu'on regarde depuis le début ; dix secondes entre images-clés n'a rien d'exceptionnel dans un film livré. Les enregistreurs d'écran se situent entre les deux. Les ré-encodages de diffusion tendent à aligner les images-clés sur les frontières de segments, ce qui les place à intervalles réguliers de quelques secondes.

La règle pratique en découle : le pire cas pour ta coupe est un intervalle entre images-clés, et tu peux l'estimer d'après ce qui a produit le fichier plutôt que d'après quoi que ce soit de visible dedans. Un décalage de deux secondes sur un clip de téléphone est normal et généralement invisible. Un décalage de dix secondes sur un film exporté est normal aussi, et très visible — d'où l'impression que le même outil est précis sur un fichier et cassé sur un autre.

Ce que tu gagnes en acceptant le décalage

De la vitesse et de la qualité, toutes deux entières. Une copie de flux lit des octets et les réécrit : elle ne décode jamais une image, ne lance jamais l'encodeur, et se termine à peu près dans le temps qu'il faut pour lire le fichier. Découper un enregistrement de deux gigaoctets prend quelques secondes plutôt que les longues minutes d'un encodage sur la même machine, et le résultat est bit pour bit la même vidéo, simplement plus courte. Ré-encoder pour tomber sur une image exacte jette cela deux fois : le temps, et une génération de compression qu'aucun réglage n'évite entièrement.

Quand le décalage compte vraiment

Rarement, et il vaut la peine de préciser quand. Un extrait envoyé dans un message, un passage d'une conférence enregistrée, un extrait pour une diapositive : une seconde ou deux d'amorce en trop est au pire inélégant et au mieux du contexte utile. Là où cela compte, c'est quand la coupe est une frontière et non un début — retirer un nom ou un visage du début d'un extrait, découper un enregistrement en parties qui doivent se raccorder sans couture, ou couper sur un temps musical. Dans ces cas le décalage n'est pas cosmétique : il peut laisser précisément ce que tu voulais retirer.

Le contrôle est celui sur lequel finit chaque article de cette série : regarde le résultat avant d'envoyer. Lis les deux premières secondes. Si ce que tu voulais couper est encore là, tu viens d'apprendre l'intervalle entre images-clés de ce fichier, et tu sais désormais qu'une coupe exacte demande un ré-encodage et non une nouvelle tentative de la même opération.

Questions fréquentes

Puis-je forcer une coupe exacte ?

Seulement en ré-encodant, ce qui décode chaque image depuis la dernière image-clé et en écrit de nouvelles, si bien que la coupe peut commencer où tu le demandes. Cela coûte un temps proportionnel à la durée de l'extrait et une génération de compression. Voilà tout le menu : il n'existe pas de troisième option où une coupe exacte serait aussi gratuite, car l'image sur laquelle tu veux commencer n'existe pas comme image complète tant que rien ne la construit.

Pourquoi la fin de mon extrait est-elle exacte mais pas le début ?

Parce que les deux extrémités ne sont pas symétriques. Le début doit être un point d'où un décodeur peut démarrer, donc une image-clé. La fin est simplement l'endroit où la copie s'arrête, et elle peut s'arrêter après n'importe quelle image : elle tombe donc là où tu l'as demandé. Cette asymétrie est un bon diagnostic : si ta coupe est juste à la fin et en avance au début, l'outil copie les flux et se comporte exactement comme prévu.

La première seconde de mon extrait est figée ou noire. Pourquoi ?

C'est le même problème sous un autre chapeau : la copie a démarré sur une image qui n'était pas une image-clé, si bien que le décodeur n'avait rien pour construire les premières images et a affiché ce qu'il pouvait jusqu'à la suivante. Certains outils l'évitent en reculant jusqu'à l'image-clé, ce qui produit la coupe anticipée décrite ici ; d'autres non, ce qui produit ceci. Dans les deux cas le remède est le même — accepter l'image-clé antérieure, ou ré-encoder.

Le découpage réduit-il le poids proportionnellement ?

À peu près, et pas exactement, car le débit n'est pas constant sur une vidéo. Une minute de plan fixe sur un visage pèse bien moins qu'une minute de mouvement : couper la moitié calme d'un enregistrement retire donc moins de la moitié des octets. Si tu découpes pour respecter une limite de poids plutôt que pour choisir un passage, attends-toi à devoir compresser aussi, et fais le découpage d'abord pour que la compression ait moins à traiter.

L'audio est-il coupé au même endroit que la vidéo ?

Proche, mais pas nécessairement à l'image près. L'audio est stocké en paquets bien plus courts qu'un groupe d'images : la coupe audio peut donc tomber plus près de l'instant demandé que la coupe vidéo. En pratique, un découpage par copie peut commencer par une fraction de seconde de son avant que l'image ne s'établisse. C'est rarement perceptible sur de la parole et peut s'entendre sur de la musique — une raison de plus de ré-encoder quand la coupe est musicale.