Supprimer la voix d’une chanson sans abîmer la musique

01

Comment enlever la voix d’une musique en quatre étapes

Il vous faut un navigateur récent et la chanson sous forme de fichier, par exemple un MP3 de votre bibliothèque ou une vidéo que vous avez filmée. Pas de compte, pas d’installation.

1. Choisir la chanson

   Déposez le fichier dans la zone prévue ou sélectionnez-le avec le bouton. MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF et la piste audio de la plupart des vidéos sont acceptés, jusqu’à 10 minutes et 300 Mo.

2. Lancer la séparation

   La première fois, la page télécharge une seule fois le modèle d’IA (171 Mo) et le garde dans le navigateur. Elle traite ensuite la chanson par tranches d’environ huit secondes ; l’affichage indique combien de parties sont terminées et le temps restant approximatif.

3. Écouter le résultat

   Une fois la séparation terminée, c’est l’instrumental qui est sélectionné. Parcourez la chanson et écoutez surtout les passages calmes, là où les restes s’entendent le plus.

4. Télécharger l’instrumental

   Enregistrez l’instrumental : vous obtenez un fichier WAV stéréo en 44,1 kHz et 16 bits, de la même durée que l’original. La voix seule et chaque piste séparée se téléchargent aussi.

02

Pourquoi l’ancienne astuce karaoké sonnait creux

Avant l’IA, on supprimait la voix par annulation de phase. Dans presque tous les mixages, la voix principale est placée au centre, donc identique à gauche et à droite. En inversant la phase d’un canal puis en additionnant les deux, tout ce qui est au centre s’annule.

Le souci, c’est que la voix n’est pas seule au centre. La grosse caisse, la caisse claire et la basse y sont souvent aussi, et elles disparaissent ou s’affaiblissent avec le chanteur. La réverbération de la voix, elle, est répartie sur toute la largeur stéréo et reste comme un écho fantôme. Le résultat est pratiquement mono, d’où ce son maigre des vieilles versions karaoké.

Une IA procède autrement. Le Vocal Remover utilise Hybrid Transformer Demucs (htdemucs), un modèle open source issu de la recherche de Meta, entraîné sur de nombreux morceaux dont on connaissait les pistes séparées. Il écoute le mixage entier et reconstruit quatre pistes, appelées stems : voix, batterie, basse et autres instruments. L’instrumental est simplement la somme de la batterie, de la basse et des autres instruments, si bien que la rythmique garde son poids et l’image stéréo reste intacte.

03

Quel fichier donne l’instrumental le plus propre ?

Le modèle ne peut travailler qu’avec ce que contient le fichier. Une forte compression, du bruit ou beaucoup d’acoustique de salle compliquent la séparation. En résumé :

04

On entend encore la voix : d’où viennent les restes ?

Toute séparation a ses limites, avec ou sans IA. Voici les cas où un peu de voix risque de subsister, et comment vous y prendre :

• Réverbération et écho sur la voix : la voix sèche disparaît, mais une partie de la queue de réverbération peut rester comme un léger voile, en général masqué à volume normal.
• Chœurs et harmonies empilées : mixés comme une nappe, ils peuvent en partie atterrir dans les autres instruments. Écoutez cette piste seule pour vérifier.
• Instruments dans le registre de la voix : un synthé lead, un violon ou un saxophone peut glisser en partie dans la piste voix ; l’instrumental en perd alors un peu.
• Si un reste vous gêne, jouez avec les curseurs : batterie, basse et autres instruments à 100 %, puis choisissez entre un léger reste de voix et un instrument un peu plus discret.

05

Supprimer la voix d’un MP3, d’une vidéo ou d’un mémo vocal

Le Vocal Remover accepte tout ce que votre navigateur sait décoder, vous n’avez donc presque jamais besoin de convertir. Un MP3 fonctionne directement, tout comme les vidéos MP4, MOV, WebM ou MKV : la page lit uniquement leur piste audio et vous rend des fichiers WAV, pas une nouvelle vidéo.

Pour remettre l’instrumental sous une vidéo, placez le WAV dans votre logiciel de montage au tout début du clip. Comme le fichier a exactement la durée du son d’origine, tout reste synchronisé tant que les deux démarrent au même point.

Si le navigateur ne parvient pas à lire le son d’un fichier, la page vous le signale. Exportez alors un MP3, un WAV ou un M4A depuis le logiciel qui a créé le fichier, puis réessayez. Au-delà de 10 minutes, il faut d’abord raccourcir le morceau.

06

Combien de temps faut-il, et où va ma chanson ?

Tout dépend de l’appareil. Dans Chrome avec WebGPU, le navigateur calcule sur la puce graphique : lors de notre mesure sur un PC de bureau, un extrait de 27 secondes a été séparé en 6,6 secondes, et une chanson de trois minutes prend nettement moins d’une minute. Sans WebGPU, le modèle tourne sur le processeur et il faut plusieurs minutes par chanson. La page vous prévient dans ce cas.

Votre chanson n’est jamais envoyée. Le navigateur la lit, le modèle la sépare sur votre appareil et les téléchargements y sont créés. Seuls le modèle et le moteur ONNX Runtime qui l’exécute viennent d’internet ; après la première fois, le modèle est conservé dans le navigateur et l’outil fonctionne même hors ligne.

07

Que pouvez-vous faire de l’instrumental ?

Retirer la voix ne change rien à la propriété de la chanson. Pour votre propre soirée karaoké, pour répéter ou pour étudier un morceau, l’instrumental convient très bien. Le publier, c’est autre chose : un remix, une version d’accompagnement sur une plateforme ou une vidéo avec la musique demandent les droits sur l’enregistrement et sur l’œuvre.

La FAQ de la SACEM rappelle que l’auteur a le droit exclusif d’autoriser la reproduction de son œuvre, y compris son adaptation ou son arrangement, ainsi que sa communication au public. Ce guide ne constitue pas un conseil juridique ; en cas de doute, renseignez-vous auprès des ayants droit avant de mettre quoi que ce soit en ligne.