Petit tour des méthodes employées pour réduire la taille des fichiers audio

De nos jours, de plus en plus de médias sont numé­ri­sés (image, son, vidéo…) et stockés ou trans­mis dans un format numé­rique. Cela a plusieurs avan­tages, dont le plus impor­tant est l’ab­sence de perte de qualité du média numé­risé pendant son trans­port ou lors de trai­te­ments sur celui-ci (à l’aide de logi­ciels, par exemple). Il existe égale­ment quelques incon­vé­nients intrin­sèques au carac­tère numé­rique, notam­ment la perte de préci­sion lors du passage du monde analo­gique au monde numé­rique (appelé conver­sion analo­gique / numé­rique ou échan­tillon­nage). Pour que le média numé­risé soit rigou­reu­se­ment le même que le signal d’ori­gine, il faudrait numé­ri­ser ce dernier avec une préci­sion infi­nie, donc en stockant une quan­tité infi­nie d’in­for­ma­tions… C’est évidem­ment très théo­rique et impos­sible à réali­ser. En pratique, la limite de préci­sion néces­saire est fixée géné­ra­le­ment par celle du récep­teur final de ce média : l’œil pour l’image, l’oreille pour le son. C’est ce dernier outil de l’homme qui nous inté­res­sera le plus dans ce dossier, puisque nous trai­te­rons prin­ci­pa­le­ment de la compres­sion numé­rique du son.

Stockage de l’in­for­ma­tion et capa­cité limi­tée

Dans les studios profes­sion­nels, et même dans les home studios plus modestes, on se préoc­cupe géné­ra­le­ment peu de la quan­tité d’in­for­ma­tion que l’on stocke sur son disque dur. Les stations sont de plus en plus perfor­mantes et la capa­cité des disques durs est mille fois plus élevée qu’il y a quelques années à peine. Du coup, on a tendance à stocker plus que néces­saire. Pour vous donner un ordre d’idée de la place que prennent vos enre­gis­tre­ments musi­caux, voici quelques exemples :

• Un enre­gis­tre­ment en fichier «  wav  » d’un morceau de 4 minutes en qualité CD (44 Khz / 16 bits stéréo) : 42 Mo
• Ce même enre­gis­tre­ment de quatre minutes, mais en multi­piste (chaque instru­ment est enre­gis­tré sur une piste sépa­rée) avec le logi­ciel Sampli­tude de Sek’D par exemple, sur 8 pistes mono en 24 bits 96 KHz : plus de 550 Mo. Le morceau de musique prend bien­tôt toute la place conte­nue sur un CD audio, et ce pour un seul morceau de quelques minutes !

Faisons un tout petit peu de maths… La formule pour calcu­ler la place prise par un enre­gis­tre­ment est simple. Soient :

• K la taille du fichier en Kilo-octets
• F la fréquence d’échan­tillon­nage en KHz
• Q le nombre d’oc­tets utili­sés pour coder le signal (16 bits = 2 octets)
• P le nombre total de pistes mono (si vous avez des pistes stéréo, cela équi­vaut à deux pistes mono)
• T le temps de l’en­re­gis­tre­ment en secondes

K = P * F * Q * T

A l’in­verse, on trouve sur Inter­net des fichiers audio de quelques méga­oc­tets, d’une qualité plus qu’ho­no­rable. Ceci est rendu possible grâce à la compres­sion numé­rique. Nous allons expliquer les diffé­rentes manières de procé­der pour la compres­sion et voir quel type de compres­sion choi­sir en fonc­tion du contexte.

Compres­sion non destruc­tive

Algo­rithmes de compres­sion géné­ra­listes

Vous connais­sez certai­ne­ment de multiples formats de compres­sion dits «  non destruc­tifs  ». La compres­sion zip, bien connue en infor­ma­tique, en fait partie. La propriété prin­ci­pale des algo­rithmes non destruc­tifs est qu’une fois décom­pressé, le fichier est rigou­reu­se­ment le même que le fichier avant compres­sion (au [def]bit[/def] près). Il n’y a donc aucune perte d’in­for­ma­tion. Comment peut-on réduire la place prise par un fichier tout en gardant toute l’in­for­ma­tion conte­nue dans celui-ci ? Pour simpli­fier, disons que l’al­go­rithme de compres­sion (prenons ici l’exemple du .zip) recherche dans le fichier des occur­rences multiples d’une suite d’oc­tets. Il se crée ainsi ce que l’on appelle un diction­naire, index qui réfé­rence ces suite d’oc­tets répé­ti­tives. Ensuite, l’al­go­rithme rempla­cera celles-ci, dans le fichier compressé, par des codes qui prennent moins de place.

Prenons un fichier texte, par exemple cet article que vous êtes en train de lire. Dans celui-ci, vous retrou­vez souvent les mots «  compres­sion  », «  destruc­tive  », «  son  », «  fichier  ». L’al­go­rithme de compres­sion va alors se créer une table de corres­pon­dance pour dire «  compres­sion  » = 1, «  destruc­tive  » = 2, «  son  » = 3, «  fichier  » = 4. Ainsi, dans le texte, ces mots vont être rempla­cés par leur code, plus court, donc prenant moins de place dans le fichier compressé. Voilà donc, de manière simpli­fiée, le fonc­tion­ne­ment de la compres­sion non destruc­tive. Sans trop rentrer dans les détails, sachez que la compres­sion (zip ou autre) se fait de manière intel­li­gente et plus complexe que selon le prin­cipe énoncé précé­dem­ment. Par exemple, on a recours à l’al­go­rithme de Huff­man, qui opti­mise le codage des données, puisqu’il encode les mots les plus fréquem­ment trou­vés avec le code le plus court possible, et garde les codes les plus longs pour les mots les moins fréquents. Par exemple, le chiffre 1 peut être codé sur un seul bit (alors que le mot «  compres­sion  » est codé sur au moins 11 octets, soit 88 bits !). Imagi­nons que le diction­naire comporte 1000 mots. A titre d’exemple, on pourra se permettre de coder un mot comme «  fonc­tion­ne­ment  », trouvé plus rare­ment dans le texte, sur 10 bits (10 étant ici le nombre de bits maxi­mum pour coder 1000 mots, puisque 2^10 = 1024).

D’autres formats de compres­sion non destruc­tive sont plus perfor­mants que le ZIP : le RAR ou le ACE entre autres. Voilà en ce qui concerne les algo­rithmes non dédiés à l’au­dio.

Limites des algo­rithmes géné­ra­listes

Parlons main­te­nant de ce qui nous inté­resse le plus : le son. Nous avions pris l’exemple d’un texte, et c’était parti­cu­liè­re­ment commode parce que ce type de média contient beau­coup de répé­ti­tions, donc peut se compres­ser très faci­le­ment. Il en va tout autre­ment dans le cas de l’au­dio, car le carac­tère très chan­geant du son fait qu’il est rare de retrou­ver des répé­ti­tions fidèles dans celui-ci. En effet, la décom­po­si­tion du son selon Fourier nous limite au cas d’un signal pure­ment pério­dique, mais en réalité une onde sonore ne se répète jamais rigou­reu­se­ment de la même façon. A cette règle font excep­tion les sons géné­rés par des oscil­la­teurs de base (ondes sinu­soï­dales, trian­gu­laires, etc.), au travers d’un logi­ciel ou d’un synthé­ti­seur virtuel. Même dans le cas d’un synthé­ti­seur réel, le son varie légè­re­ment et de manière non prévi­sible, comme nous allons le voir dans l’exemple suivant.

J’ai fait le test avec deux enre­gis­tre­ments de cinq secondes d’une onde en dent de scie. L’une est créée avec Sound Forge (donc parfai­te­ment pério­dique) appe­lée et l’autre provient d’un bon vieux synthé­ti­seur analo­gique, le Roland Juno 106. L’en­re­gis­tre­ment de ce dernier fait inter­ve­nir la stabi­lité rela­tive du son des synthé­ti­seurs analo­giques, et fait appa­raître néces­sai­re­ment du bruit de fond. Les deux sons étant de même durée à l’échan­tillon près, les fichiers non compres­sés corres­pon­dants font la même taille, 862 Ko. Après compres­sion avec l’al­go­rithme utilisé par le format ZIP, le premier se compresse énor­mé­ment et passe à 7 Ko, et l’autre beau­coup moins, étant réduit à 38 Ko. Ceci dit la diffé­rence dans le cas géné­ral est encore plus flagrant. Dans le cas de l’en­re­gis­tre­ment de l’onde sinu­soï­dale du Juno 106, nous avons affaire à un son très stable (quasi pério­dique). Par consé­quent, ce qui est à rete­nir est la diffé­rence d’ef­fi­ca­cité en fonc­tion du son à enco­der. En revanche, le facteur de compres­sion n’est ici pas repré­sen­ta­tif de l’ef­fi­ca­cité de tels algo­rithmes sur un son, à cause de la pério­di­cité du signal d’ori­gine. En effet, un son plus complexe se compresse beau­coup moins bien, comme nous le verrons tout à l’heure.

Algo­rithmes dédiés au son

Passons à présent à un exemple de son complexe. Sachez que de nombreux algo­rithmes propres à ce type de média existent, bien qu’ils soient moins connus. Citons WavArc (.ARC), tiré du format de compres­sion ARC de Dennis Lee, Audio­ZIP (.zip), tiré du ZIP de Lin Xiao, LPAC de Tilman Lieb­chen, Monkeys Audio de Matthew T. Ashland, et enfin RKAU de Malcolm Taylor.

Lors de mes tests compa­ra­tifs, le RKAU (Pour RK Audio) m’a parti­cu­liè­re­ment plu pour plusieurs raisons. D’une part, il est le plus effi­cace de tous les algo­rithmes non destruc­tifs cités. D’autre part, la compres­sion avec cet enco­deur s’ef­fec­tue rapi­de­ment. Enfin, le logi­ciel est gratuit et il est fourni avec un plug-in pour Winamp, ce qui signi­fie que vous pouvez direc­te­ment écou­ter les sons compres­sés au format RK Audio dans ce player. Vous trou­ve­rez ce programme ici (rkau107.zip).

Sound Forge propose quant à lui un format proprié­taire, le Perfect Clarity Audio (dont l’ex­ten­sion des fichiers est le PCA). Dans l’exemple précé­dent, le son est pério­dique, si bien que la compa­rai­son de cet algo­rithme avec le ZIP ou le RAR est biai­sée, puisque ce format, censé être parti­cu­liè­re­ment adapté au son, donne de moins bons résul­tats que le ZIP. La raison est simple : le son est trop pério­dique, sa compres­sion peut donc être assi­mi­lée à celle d’un fichier texte dans lequel on aurait reco­pié des centaines de fois le même para­graphe. Loin de moi l’idée, donc, de déni­grer le format déve­loppé par Sonic Foun­dry ! Pour preuve, si l’on prend l’ex­trait sonore son_complexe.wav, la compres­sion par l’al­go­rithme Perfect Clarity Audio donne de bien meilleurs résul­tats que le ZIP ou le RAR.

Compa­rai­son des tailles de fichier entre compres­sion destruc­tive et non desc­truc­tive

Cepen­dant, malgré la compres­sion, les fichiers audio sont encore trop volu­mi­neux pour être utili­sés dans certains contextes : dans l’uti­li­sa­tion de tels fichiers sur Inter­net, certes, mais aussi dans les canaux de trans­mis­sion numé­riques comme le câble télé­visé. On a donc recours à un autre type de compres­sion : la compres­sion destruc­tive.

Compres­sion destruc­tive

Comme je le disais tout à l’heure, la limite de préci­sion que les entre­prises se fixent lorsqu’elles créent un produit diffu­sant de l’au­dio est calquée géné­ra­le­ment sur les limites des sens de l’homme. Repre­nons l’exemple du para­graphe précé­dent. L’onde en dent de scie prove­nant du synthé­ti­seur analo­gique est accom­pa­gnée d’un bruit de fond, et c’est prin­ci­pa­le­ment ce bruit de fond qui rend le fichier non répé­ti­tif, donc compres­sible diffi­ci­le­ment. En effet, par défi­ni­tion un bruit est une onde tota­le­ment chao­tique. On ne peut donc pas trou­ver deux occur­rences iden­tiques dans un tel signal. Pourquoi garder cette infor­ma­tion, non néces­saire, dans le fichier sonore ? C’est sur ce genre de consta­ta­tions que la compres­sion destruc­tive se base.

Il existe égale­ment de multiples formats de compres­sion destruc­tive. Il faut savoir que l’un d’entre eux, le très connu MP3, a été créé et breveté par Thom­son Multi­me­dia. Aussi, théo­rique­ment, chaque personne qui crée un fichier MP3 pour l’ex­ploi­ter commer­cia­le­ment est censée rever­ser des droits à l’en­tre­prise. Le format imposé par Micro­soft, le Windows Media Audio (WMA), ressemble au MP3. Il est réputé être légè­re­ment de meilleure qualité pour une même taille de fichier. Son format est égale­ment breveté donc son utili­sa­tion se fait en contre­par­tie de droits rever­sés à Micro­soft. Bien sûr, ces problèmes de droits ne sont à consi­dé­rer que si vous êtes de grandes entre­prises comme Mp3.com (Univer­sal) ou que vous vendez des players MP3 / WMA en grande quan­tité. A petite échelle, personne ne vien­dra vous deman­der des royal­ties ! Le format OGG Vorbis quant à lui résout ces problèmes de brevet. C’est un format quasi iden­tique au MP3, à la diffé­rence que l’uti­li­sa­tion de celui-ci est libre de droits. Malheu­reu­se­ment, ce format n’est pas aussi répandu que le MP3 ou le WMA.

Parmi les autres formats de compres­sion destruc­tive, citons le MP3Pro, évolu­tion du bien connu MP3, le Real Audio de Real Networks, le Yamaha VQF. Les algo­rithmes utili­sés sont prin­ci­pa­le­ment le MPEG (pour le format MP3), l’AAC (MP3Pro), l’ATRAC (Sony Mini­disc), le PASC (Philips DCC), et enfin les Dolby AC-1, AC-2 et AC-3. Un petit mot sur le MP3Pro au passage : puisque ce format s’avère de meilleure qualité que le MP3 pour une réduc­tion encore plus grande de la quan­tité d’in­for­ma­tions stockées, pourquoi ne pas utili­ser exclu­si­ve­ment le MP3Pro ? La raison est que le temps de calcul néces­saire à décom­pres­ser un tel format est élevé. Ainsi, décom­pres­ser un morceau en MP3Pro risque de consom­mer toutes les ressources de votre ordi­na­teur et de n’en lais­ser à aucune autre appli­ca­tion.

Afin de défi­nir les diffé­rentes tech­niques utili­sées pour compres­ser le son, nous allons prin­ci­pa­le­ment nous appuyer sur le format MP3 (Mpeg 2 layer 3), format audio utili­sant typique­ment la compres­sion destruc­tive, donc les limites psychoa­cous­tiques de l’oreille humaine, afin de suppri­mer certaines parties du son inau­dibles.

Le masquage de fréquences

L’une des proprié­tés les plus inté­res­santes parmi celles utili­sées pour ne pas «  enco­der l’in­utile  » est la tech­nique de masquage. Le seuil à partir duquel l’oreille humaine perçoit un son dépend énor­mé­ment de la fréquence de ce son. Par exemple, nous perce­vons beau­coup plus faci­le­ment un son faible à 4 kHz qu’à 50 Hz ou 15 kHz. De plus, à partir de 25 kHz, quel que soit le niveau sonore, l’oreille humaine ne perçoit plus aucun son. Le MP3, tout comme les Mini-Disc et le Dolby, utilise donc la tech­nique de masquage : si deux sons de fréquences proches sont joués avec une inten­sité très diffé­rente, on pourra suppri­mer le son le plus faible qui sera de toute façon masqué et ignoré par l’oreille humaine.

Le phéno­mène de masquage de fréquences

Le graphe ci-dessus met en relief le phéno­mène de masquage de fréquences. En effet, en présence d’un signal de 500 Hz, un son d’une fréquence proche de 500 Hz est masqué et son niveau doit dépas­ser la courbe b pour être audible par l’oreille humaine. Si son niveau est en dessous, on n’est pas obligé d’en tenir compte dans le fichier compressé.

Le Joint Stereo

Pronon­cez à l’an­glaise ! Il ne s’agit pas d’une inven­tion Hippie de dernière géné­ra­tion, mais d’un proces­sus appelé «  stéréo jointe  » en bon français. Ce qui était valable pour la compres­sion non destruc­tive l’étant aussi pour la compres­sion destruc­tive, la taille du fichier est direc­te­ment propor­tion­nelle au nombre de pistes enre­gis­trées. Enre­gis­trer en mono prend donc deux fois moins de place que d’en­re­gis­trer en stéréo ! Or un autre aspect de l’oreille humaine est sa capa­cité limi­tée à loca­li­ser la prove­nance des basses fréquences dans l’es­pace de diffu­sion, contrai­re­ment aux hautes fréquences dont on distingue faci­le­ment la prove­nance. Ainsi, pourquoi coder les basses en stéréo ?

C’est ce prin­cipe qui est utilisé avec le «  Joint Stereo  » : le spectre du signal est coupé en hautes et basses fréquences, les hautes fréquences étant codées en stéréo, et les basses en mono… Et il est diffi­cile d’en­tendre la diffé­rence, la plupart du temps. Notez que l’on a géné­ra­le­ment le choix d’ac­ti­ver ou non le Joint Stéréo lors de l’en­co­dage. Si votre morceau fait inter­ve­nir des basses qui ont une image stéréo­pho­nique large (ce qui est rare, l’éner­gie des basses étant à centrer dans un bon mix), vous pouvez préser­ver cet aspect du morceau.

L’al­go­rithme de Huff­man

Une fois de plus, Huff­man a frappé. Son algo­rithme consiste, un peu comme précé­dem­ment, à recher­cher, une fois le son encodé, des occur­rences iden­tiques (minus­cules samples comme une période de sinu­soïde par exemple). C’est rare­ment le cas dans un morceau complexe, mais cela peut l’être dans une partie éthé­rée d’un morceau. A ce moment là, chaque occur­rence est codée et au lieu d’en­re­gis­trer n fois la même occur­rence, on indiquera simple­ment un code de quelques bits y faisant réfé­rence.

Para­mètres de la compres­sion

Lorsque nous voulons enco­der un fichier sonore, nous dispo­sons de plusieurs options. Celui qui déter­mine le plus la qualité du son compressé final est le «  Bitrate  », qui est en fait le débit consommé lors de la trans­mis­sion du fichier. Par exemple, en 128 kbps, le fichier devra, pour être écouté en temps réel («  strea­ming  » en anglais) être télé­chargé à la vitesse de 128 kilo bits par seconde (16 Ko par seconde). Ceci est impos­sible à faire avec un modem en 56 Kbps contrai­re­ment à l’ADSL qui permet géné­ra­le­ment au moins 4 fois cette bande passante.

Vous dispo­sez en outre de l’ac­ti­va­tion ou non du système de stéréo jointe. Parfois il peut être préfé­rable de désac­ti­ver cette option. Néan­moins cela a pour consé­quence de devoir enre­gis­trer plus d’in­for­ma­tions pour coder le signal. Comme la limite de quan­tité d’in­for­ma­tions est stric­te­ment fixée par le bitrate, le son stéréo devra être codé avec moins de préci­sion pour contrer l’aug­men­ta­tion d’in­for­ma­tions à coder résul­tant du fait qu’il faut coder deux canaux, et sera donc de moins bonne qualité.

Enfin, les créa­teurs du MP3 ont fait la consta­ta­tion suivante : dans un morceau, on trouve des passages sombres ou silen­cieux. Pourquoi les coder de la même manière que les passages très brillants et complexes ? Ils ont donc amélioré le format MP3 grâce à l’im­plé­men­ta­tion du «  Variable Bit Rate  » (VBR). Ce système permet de faire varier dyna­mique­ment le bitrate du codage en fonc­tion de la complexité du son. Ainsi un passage sombre sera codé en 16 Kbps au lieu de 128.

L’en­semble des para­mètres de compres­sion dans le logi­ciel CDEx

Conclu­sion

Alors, que choi­sir ? Une compres­sion destruc­tive, non destruc­tive, aucune compres­sion ? Les profes­sion­nels du son vous le diront tous (parfois avec un mépris des plus trou­blants) : la compres­sion destruc­tive est une cala­mité. En effet, pourquoi se fati­guer à travailler le mix d’un morceau en finesse, l’échan­tillon­ner en 24 bits / 96 KHz, faire atten­tion à la qualité du son dans les moindres détails, si c’est pour fina­le­ment utili­ser une compres­sion destruc­tive et ainsi perdre tous les détails du morceau ? Et pour­tant, la télé­vi­sion et la radio numé­riques, de même que la trans­mis­sion de médias sur Inter­net, utilisent la compres­sion destruc­tive (prin­ci­pa­le­ment le MPEG) pour permettre d’en­voyer le flux d’in­for­ma­tions en temps réel. Il serait inima­gi­nable de trans­mettre du son non compressé via les canaux de trans­mis­sion dont nous dispo­sons actuel­le­ment.

La conclu­sion de cette réflexion est la suivante : si vous travaillez en local, chez vous, et que vous avez de la place de votre disque dur, passez-vous de compres­sion. Au pire, si vous utili­sez majo­ri­tai­re­ment des produits de Sonic Foun­dry (Acid, Sound Forge…) vous pouvez compres­ser en PCA sans aucune perte de qualité sonore. Vous pour­riez égale­ment archi­ver les anciens morceaux en les compres­sant en RK Audio. En revanche, dès que vous voulez diffu­ser vos morceaux sur un media à bande passante limi­tée (comme Inter­net), vous devez utili­ser la compres­sion destruc­tive comme le MP3.

Biblio­gra­phie

Voici une liste de sites utili­sés lors de la rédac­tion de cet article :

Site de Thom­son Multi­me­dia, à l’ori­gine du MP3
http://mp3li­cen­sing.com

Site de l’ins­ti­tut de Fraun­ho­fer dédié à l’au­dio et au multi­me­dia
http://www.iis.fhg.de/amm

Compa­ra­tif d’al­go­rithmes de compres­sion non destruc­tive
http://www.firstpr.com.au/audio­comp/loss­less

Tout sur la compres­sion MPEG
http://www.mpeg.org

Détails sur l’al­go­rithme ATRAC utilisé dans le mini­disc
https://www.mini­disc.org

Site offi­ciel de l’en­co­deur gratuit CDEx
http://www.cdex.n3.net

Je vous invite à visi­ter ces sites pour en savoir plus.