Gestion audiothèque

Introduction

Il existe deux formats dans lesquels nous retrouvons, en général, la musique

1. MP3 : le format le plus courant, destructif mais compatible avec tout.
2. FLAC : le format des audiophiles, sans destruction, diminuant la taille sans diminuer la qualité.

Cela n'est pas sans raison.

Formats destructifs

On peut parfois retrouver d'autres formats, comme le Vorbis (OGG), le OPUS ou le AAC (MP4/M4A).

Ces formats, bien que destructifs comme le MP3 sont parfois de bien meilleure qualité, l'OPUS allant jusqu'à proposer des fichiers trois fois plus petits que le MP3 mais avec une qualité proche du FLAC. Le problème est que ces formats ne se sont pas imposés et que le MP3 est le seul à pouvoir être lu sur tous les appareils prévus pour lire de la musique, même les plus anciens car, étant rétrocompatible, même un ancien lecteur MP3 d'une voiture d'il y a 20 ans restituera la bonne qualité d'un MP3 récent.

Ce problème vient en partie d'une chose : le fait que le format soit propriétaire ou non.

Lorsque Fraunhofer a créé le MP3, il s'agissait d'un format propriétaire et il fallait payer une licence pour obtenir les outils pour lire et encoder en MP3. Un groupe de développeur a alors créé son propre codec, LAME, toujours maintenu et offrant une bien meilleure qualité. Mais une très grosse entreprise ne peut pas utiliser un codec libre et open source car celui est fourni sans garantie. Donc on paye Fraunhofer.

C'est ce qu'a fait Microsoft pour son Windows Media Player. Il était possible d'encoder en WMA et en MP3. Une piste encodée en WMA donnait mieux qu'en MP3, mais c'est car Microsoft avait demandé une version modifiée à Fraunhofer afin de rendre ses outils un peu plus rapide au détriment de la qualité.

Contrairement à LAME, le codec Fraunhofer n'a pas cherché à faire évoluer la qualité mais est passé au 5.1 et au Surround pour une utilisation vidéo, faisant que leur codec propriétaire était encore très utilisé.

Un autre groupe, xiph, a créé le codec Vorbis, totalement libre et open-source cherchant à offrir une alternative au MP3 en proposant, entres autres le 5.1. OGG n'est pas un format c'est un conteneur pouvant contenir plusieurs codecs. Donc si vous voyez un OGG, c'est peut-être un MP3 (mais c'est très rare)... Ce codec est encore très utilisé entre autres pour les pistes audios de films ou séries.

Nous pouvons donc avoir le même MP3, faisant exactement la même taille, au même bitrate, mais avec trois qualités différentes.

En gros, il est considéré que si l'on encode avec Windows Media Player avec un bitrate de 128, cela équivaut à un encodage Fraunhofer avec un bitrate de 96. Là où un encodage LAME 128 équivaut à un Fraunhofer 160.

Le AAC est également une création de Fraunhofer et est donc un format propriétaire vu comme l'évolution du MP3, utilisé par YouTube Music et Spotify ainsi que par Apple.

Bien que Fraunhofer annonce une amélioration de qualité par rapport au MP3, elle n'est vraie qu'avec le codec Fraunhofer du MP3. Pas avec LAME qui, à bitrate égal, offre une meilleure qualité.

Néanmoins, c'est devenu un standard utilisé également par Netflix, Disney et la majorité des plates formes de streaming videos. Celles-ci proposent toujours des systèmes beaucoup plus évolués, tel que le Dolby 5.1, le Dolby TrueHD ou encore le Dolby Atmos, mais pour ça, il faut un matériel que la très très grande majorité des gens n'a pas et si on ne l'a pas, ce sera du AAC stéréo.

Toujours est-il que si l'on a la possibilité d'encoder en MP3 avec LAME, cela vaut mieux que du AAC et, pour la vidéo, si l'on a la possibilité de passer par Vorbis, qui a aussi continué à évoluer, cela vaut mieux également.

L'un des avantages pésenté par Fraunhofer du ACC par rapport au MP3 est l'absence de gap, le petit blanc entre deux pistes. Mais pour cela, les AAC doivent être intégrés dans un MP4, cela ne fonctionne pas avec des fichiers séparés... LAME a de son côté réglé ce problème et le MP3 est gapless, il n'y aucun gap lors de la lecture dans les lecteurs courants (WinAMP, Foobar, VLC...). Le Vorbis est également gapless par défaut.

L'OPUS est un cas à part car il n'a pas du tout été créé pour la musique ou la vidéo. Bien que sous licence libre, il est créé par un groupe de grosses entreprises voulant créer le meilleur codec pour la communication audio. Ils ont alors demandé à xiph...

C'est donc le codec utilisé par Facebook Messenger, Google Meet, What's App, Discord, Zoom...

Mais en voulant absolument améliorer la qualité à très bas débit, ils ont créé le meilleur codec audio pour la musique à haut débit, tout en diminuant drastiquement la taille des fichiers. Et en plus de ça, ce codec est déjà présent partout vu qu'utilisé par les logiciels cités plus haut. N'importe quel navigateur internet actuel peut lire un fichier OPUS. De plus, ne cherchant pas à limiter l'utilisation, ce format est capable de gérer toute configuration jusqu'à 255 enceintes

Depuis peu, YouTube Music passe par OPUS pour l'encodage de la musique.

Formats non-destructifs

Le FLAC est un format ouvert créé par xiph, vu plus haut pour le Vorbis et le OPUS.

Il est connu pour offrir une compression supérieure à celle du ZIP, pris en général comme référence pour la compression sans perte, tout en permettant facilement une décompression plus rapide que le temps de la piste compressée.

Avant cela, les audiophiles utilisaient soit des formats non destructifs comme le WAV ou le PCM, mais qui ne permettaient pas les tags, faisant que les lecteurs audios n'affichaient pas les informations, soit alors ils réalisaient un ISO, une copie conforme d'un CD, en un seul fichier, mais pris par les lecteurs comme un réel CD avec plusieurs pistes.

Ce format est toujours utilisé et maintenant que la plupart des gens ont un accès internet haut-débit, un site comme Qobuz propose une alternative à YouTube Music et Spotify en proposant une écoute en qualité FLAC ainsi que l'achat des albums en réelle qualité CD.

Apple a créé alors le format propriétaire ALAC, offrant la même chose sans aucun avantage mais utilisé pour les offres haute qualité de Apple...

Bien que le FLAC soit sans perte, lors de l'encodage, il vous sera demandé 16 ou 24bits. Il peut sembler logique que 24 offre une meilleure qualité que 16 mais ce n'est pas le cas.

La majorité des FLAC viennent de sources en 16bits car sont les seules existantes pour le grand public. Le 24bit n'est utilisé que dans les studios, même si les cartes son actuelles sont toutes 24bits et que si vous avez le matériel nécessaire ou réalisez certaines opérations, vous entendrez la différence, surtout à haut volume.

Il est possible de rencontrer du 24bit, par exemple lorsque Peter Gabriel, pour le 25ème anniversaire de son album "So", donnait un lien dans chaque CD afin de pouvoir télécharger la version studio FLAC 24bits.

Ou alors lorsque vous utilisez des formats particuliers.

---

Formats particuliers

Il existe deux formats très particuliers :

1. Le MIDI : qui avant d'être un format audio est un protocole de communication entre instruments éléctroniques permettant de dire quelle note doit être utilisée, avec quelle vélocité et avec quel instrument.
2. Le Module : un format insérant des petits échantillons audio mais fortement modifiables afin de créer une musique. Principalement utilisé pour la techno et la dance dans les années 90.

MIDI

Le format MIDI n'est pas utilisable dans une audiothèque car ce format ne contient que des notes, des informations sur les notes (vélocité, longueur...) et un code indiquant à quel instrument ces notes sont attribuées.

Sur ordinateur, les cartes sonores font qu'une synthèse FM est attribuée à chaque instrument et il est donc possible de lire un MIDI avec des instruments simulés mais la qualité ne sera pas au rendez-vous.

Cette simplicité permet néanmoins à ce format d'être utilisé, entre autres, sur les "pianos automatiques", de vrais pianos qui, quand ils ne sont pas utilisés, permettent d'utiliser un MIDI pour jouer les notes automatiquement.

Mais elle permet aussi, dans un logiciel ou sur un synthétiseur, d'attribuer des SoundFont à un MIDI qui se chargera alors d'attribuer des échantillons sonores à chaque instrument.

La SoundFont (format de fichier SF2) est un ensemble de fichiers, en général de très haute qualité dans un format audio brut sans compression (WAV ou PCM), attribués aux différentes notes.

Une même note peut avoir plusieurs échantillons en fonction de la vélocité, ce qui est particulièrement utilisé pour les instruments claviers comme le piano, le clavecin, l'orgue...

Si vous devez transformer un MIDI en format audio, il faut donc voir quels instruments sont présents dans la composition.

Par exemple, pour une oeuvre au piano, il vaudra mieux choisir une SoundFont de 100Mo avec uniquement le piano présent, qu'une SoundFont plus connue, avec tous les instruments, de 600Mo.

Les SF2 sont très nombreux, il y a des passionnés qui passent leur temps à créer des SoundFont juste pour un piano qui, selon eux, rend bien.

Lors de la conversion en audio, il est également possible de créer une variable aléatoire modifiant la vélocité et le moment où la note est frappée afin de rendre le résultat plus "humain".

La SoundFont est à choisir en fonction du cas. Par exemple, si vous voulez avoir une copie haute qualité de la bande son de Doom, tel que dans vos souvenirs de joueurs sur une carte son Sound Blaster, il y a une SoundFont "Creative.sf2".

Transformer un MIDI en format audio n'est pas l'opération la plus simple qui soit.

Le plus simple est de passer par LMMS (Linux Multi Media Studio), disponible sur toutes les plates-formes, charger une SoundFont, facilement trouvables sur Google, et créer son audio.

LMMS propose un export en WAV, qu'il faudra alors retransformer en FLAC, par exemple avec Audacity ou Handbrake.

Attention : Les logiciels musicaux gérant le MIDI n'utilisent pas les échantillons de la SoundFont lorsque vous jouez votre morceau en cours d'édition. Ils utilisent des versions simplifiées et le résultat entendu ne sera donc pas le résultat final, qui doit être entièrement calculé. C'est le même principe que pour les images de synthèses proposant une prévisualisation simplifiée mais imposent un rendu très long pour obtenir le résultat final, de bonne qualité.

Modules

Les modules sont un type de fichier, né dans les années 90, cherchant à mélanger le MIDI avec ce qu'allaient proposer les SoundFont.

C'est un format créé par les Demo-Makers, des développeurs cherchant toujours à faire au mieux avec le moins de place et de ressources possible.

Il y a eu à l'époque un nombe incroyables de musiciens ayant utilisés les modules mais dont beaucoup ont arrêtés et ces modules sont les seuls formats qu'il reste.

Plusieurs formats se sont imposés et sont maintenant gérés par tous les logiciels : MOD, XM, S3M, IT...

Le logiciel de référence pour gérer ces formats et les transformer en audio est OpenMPT.

Celui-ci permet un export en WAV et en FLAC.

16, 24 ou 32bits ?

LMMS et OpentMPT vous proposeront chacun de pouvoir monter jusqu'à 32bits.

Ne faites cela que si vous avez votre propre studio ou avez l'intention de jouer cette piste à Forest National.

Pour les deux, passez par du 24bits. Même si un module est composé de samples 8bits mal enregistrés il y a parfois 30 ans, ce que cela assure c'est la dynamique voulue par le morceau

---

La dynamique ?

Il s'agit de l'écart en décibels entre les sons les plus bas et ceux les plus forts. Plus cet écart est grand, plus la dynamique est grande.

Ce que cherchent à faire les formats destructifs est diminuer cette dynamique là où cela est possible car c'est cette dynamique qui prend de la place.

Beaucoup de musiques modernes ont une dynamique faible, faisant que la compression donne un résultat assez proche de l'original.

Le problème se pose avec les morceaux où la dynamique est plus élevée, en particulier, le rock, les lives et le classique.

La réponse a été vite trouvée : l'utilisation du "Variable Bitrate" (VBR) au lieu du "Constant Bitrate" (CBR).

Le CBR est très simple à calculer :

• $D=\text{Durée en secondes}$
• $B=\text{Bitrate}$
• $K=8\text{ : pour passer de Kb en Ko}$
• $M=1024\text{ : pour passer de Ko en Mo}$
• $T=\text{Taille finale en Mo}$

Donc : $\frac{D\times B}{K\times M}=T$

Donc : $\frac{T\times M\times K}{B}=D$

Par exemple, si vous avez un morceau de 4 minutes 27, avec bitrate de 320, sa taille sera de :

$\frac{D=267\times B=320}{K=8\times M=1024}=T\approx 10,429Mo$

Ce que feront la très gande majorité des lecteurs audios est très simple :

• $a=\text{Taille du fichier en bits}$
• $b=\text{Bitrate donné par l'analyse du fichier}$
• $D=\text{Durée en secondes}$

donnant alors :

$\frac{a=85440}{b=320}=D=267$, donc une piste de 267 secondes, soit 4 minutes 27.

Mais le problème avec le VBR est qu'il donne une moyenne du bitrate faisant que ces lecteurs allaient alors faire le calcul suivant :

$\frac{a=85440}{b=278}=378s$ soit 6 minutes et 18 secondes.

Bien que ce problème ait été réglé directement dans LAME, et que tous les lecteurs maintenant affichent convenablement la durée d'un VBR, le CBR est resté la référence pour le MP3.

Actuellement, un MP3 en VBR dans sa plus haute qualité est très largement supérieur à un MP3 CBR 320.

Le FLAC est d'office en VBR, mais les formats destructifs permettent tous le choix entre CBR et VBR, bien que pour ceux-ci le VBR soit toujours la norme par défaut puisque tous les lecteurs gèrent le calcul de la durée.

---

Les tags

Une des choses qui a rendu le MP3 populaire est l'utilisation de tags imposés, assurant que tous les lecteurs affichent bien, par exemple, le nom de l'album, de la piste et de l'artiste...

Les tags sont des informations textuelles ou image incluses à chaque fichier MP3. Celles-ci permettent au logiciel que vous utilisez de vous présenter vos fichiers en ne devant pas uniquement se baser sur le nom de fichier.

Par exemple, si vous avez de "01.mp3" à "14.mp3", vous aurez de base les tags :

• ALBUM : Nom de l'album
• TITLE : Titre de la piste
• TRACK : n° de la piste
• ARTIST : Artiste de la piste
• ALBUMARTIST : Artiste principal de l'album
• DISCNUMBER : n° du disque si plusieurs

amenant tout logiciel audio à vous les présenter convenablement.

Plutôt que normaliser les tags du MP3, les développeurs ont laissé les utilisateurs faire et il est donc possible à tous de créer un nouveau tag dans son MP3.

Cela a permis la création de tout un tas de logiciels créant de nouveaux tags pour un usage bien précis mais qui seront alors repris par tous les autres logiciels :

• ReplayGain : Ce logiciel analyse la musique par piste et par album afin de créer un tag indiquant le nombre de décibels à appliquer pour que toute l'audiothèque ait un volume normalisé, que cela soit par piste si en mode shuffle ou en mode album si l'on écoute plusieurs albums d'affilée (utile pour le classique). Ce logiciel a créé le tag mais maintenant de nouveaux logiciels, avec de nouveaux algorithmes, plus précis et plus rapides les utilisent toujours bien que n'étant plus du tout reliés aux créateurs du tag.
• Analyseurs BPM : Plusieurs logiciels analysent les BPM et l'indiquent dans un tag BPM.
• Lyrics : Il existe plusieurs tag permettant à différents logiciels d'avoir aussi bien les paroles que les paroles synchronisées sur la musique.

Mais maintenant arrive un nouveau problème...

---

Les formats de tags

Les créateurs du format MP3 ont établi ces tags de base sous le format ID3v1

Si vous utilisez MP3Tag, vous serez confrontés à :

• ID3v1 : tags de base
• ID3v2.x : tags étendus et personnalisés
• APE/APEv2 : nouveau système de tags, plus propre, pris en compte par tous les logiciels modernes (dont les dernières versions de Winamp)

Le TRÈS gros problème est que les logiciels gérant les tags, comme MP3Tag, vous afficheront les tags que vous voulez voir et non ceux qui seront gérés par votre lecteur.

Par exemple, si vous gérez vos tags dans MP3Tag sans tenir compte des APE existants, vous ne les verrez pas mais un logiciel comme Winamp verra les AMP comme prioritaires sur les ID3 que vous utilisez.

---

MP3

Le format MP3 est un format résultant d'une compression de données, réalisée grâce à un co(mpression)dec et lu grâce à un codec(ompression).

Le codec est donc un logiciel qui transforme des données audio brutes en votre piste MP3.

Afin de définir la qualité voulue, il faut indiquer au codec un certain nombre de bits, le "bitrate", sur lesquels encoder les données.

En général, cela sera 128, 160, 192, 256 ou 320 kilobits.

Les codecs proposent deux manières d'encoder le bitrate :

1. CBR : Constant bitrate : signifie que le bitrate ne s'adapte pas à l'audio en utilisera le nombre de bit choisi pour une séquence simple ou complexe. Un morceau d'une certaine durée aura donc toujours une taille fixe pouvant se calculer sur la durée et le nombre de bits.
2. VBR : Variable bitrate : le bitrate s'adapte à l'audio afin d'utiliser le bitrate optimal selon que la séquence soit simple ou complexe, donnant au final un fichier beaucoup plus léger.

Le VBR est bien meilleur et un VBR dans sa meilleure qualité donnera une meilleure qualité qu'un CBR dans sa meilleure qualité, voire proche d'un FLAC.

Le problème est qu'il a fallu longtemps pour que la compression évolue et qu'il soit possible de calculer la durée d'une piste sans devoir la lire en entier, faisant que, par habitude, les gens sont restés au CBR puis sont passés au FLAC vu l'augmentation de la taille des disques durs.

Le VBR était principalement utilisé comme codec pour les vidéos mais ne s'est pas imposé puisqu'il a fallu longtemps avant que le MP3 ne gère le multi-canal autre que stéréo, faisant que d'autres codecs (OGG, OPUS, AAC...) se sont imposés.

Avec le CBR, la formule est simple :

• $D=\text{Durée en secondes}$
• $B=\text{Bitrate}$
• $K=8\text{ : pour passer de Kb en Ko}$
• $M=1024\text{ : pour passer de Ko en Mo}$
• $T=\text{Taille finale en Mo}$
• $\frac{D\times B}{K\times M}=T$

Bitrate	D = 267	D = 3600
128	$T\approx 4,171\text{Mo}$	$T\approx 56,250\text{Mo}$
160	$T\approx 5,214\text{Mo}$	$T\approx 70,312\text{Mo}$
192	$T\approx 6,257\text{Mo}$	$T\approx 84,375\text{Mo}$
256	$T\approx 8,343\text{Mo}$	$T\approx 112,500\text{Mo}$
320	$T\approx 10,429\text{Mo}$	$T\approx 140,625\text{Mo}$

Mais ce n'est pas la taille ou le bitrate qui fait la qualité.

Ce qui fait la qualité du MP3 est la qualité de l'encodeur utilisé et le moment où il a été créé.

Lorsque le MP3 s'est démocratisé, les ordinateurs étaient lents et convertir un CD était une opération qui prenait beaucoup de temps.

Le codec principal était celui de Fraunhofer, le créateur du format, utilisé dans Windows Media Player dans une version modifiée afin de rendre la conversion plus rapide mais de moins bonne qualité, mais surtout sans diminuer le bitrate.

Ce codec étant propriétaire et les seuls encodeurs proposant une meilleure qualié à taille équivalent étant payant, un groupe de développeurs a créé le codec open-source LAME, devenu rapidement beaucoup plus performant que le codec originel. Le seul défaut étant un encodage beaucoup plus lent.

Il est en général considéré que pour avoir une écoute acceptable, il faut prendre, à minima un bitrate de 128 car c'était que Fraunhofer conseillait avec son codec.

Voici l'équivalence si l'on utilise les deux autres solutions en encodant avec un bitrate de 128 :

• Windows Media Player : qualité équivalente à Fraunhofer avec un bitrate de 96.

• LAME: qualité équivalente à Fraunhofer avec un bitrate de 160.

Ce que cela veut dire, c'est que lorsque l'on recherche un album, surtout des années 80/90/2000, et qu'on le trouve dans plusieurs exemplaires, réalisés par différentes personnes, il peut être intéressant d'analyser chaque version car avec le même album, prenant exactement la même taille, vous pouvez être confronté à des qualités totalement différentes uniquement de par l'encodeur utilisé.

Un autre problème est que pour ces disques là, la plupart des audiophiles préférant payer un logiciel que faire appel à des solutions open-source, ce sont principalement des encodages réalisés avec Fraunhofer que l'on retrouve.

Mais en plus de ça, il faut voir aussi quelle version a été utilisé...

Le LAME de 2005 n'est plus du tout celui de 2026. C'est la raison pour laquelle réapparaissent parfois d'anciens albums, mais encodés avec des encodeurs de meilleure qualité.

La taille ne change pas, mais la qualité est meilleure.

---

FLAC

Contrairement au MP3, le format FLAC est un format libre et open source. Il n'y a donc pas pas besoin de plusieurs codecs : il n'y en a qu'un qui évolue.

Il gère parfaitement les tags sans se soucier de plusieurs versions.

L'encodage se fait très simplement en indiquant la quantité de compression, un peu comme on le fait pour une compression en Zip.

Comme pour le MP3, le FLAC évolue et il est normal de trouver de nouvelles versions dès qu'une nouvelle version de l'encodeur sort.

La qualité ne change pas, mais la taille diminue.

Ce que cela veut dire, c'est que si vous voyez deux fois le même morceau, ayant la même durée, mais avec une taille différente, voire complètement différente, ce ne sera pas celle prenant le plus de place qui aura la meilleure qualité.

---

Logiciels utilisés

Afin de normaliser les choses, je passe par plusieurs logiciels :

1. MusicBrainz Picard : Ce logiciel permet de relier son album ou ses pistes à quelque chose de déjà existant afin d'obtenir plus d'informations que ce que l'on. Il permet également, si l'on créé un compte MusicBrainz, de proposer de nouvelles choses si elles n'existent pas encore.
2. MP3Tag : Permet de modifier tous les tags d'un audio (pas seulement MP3), via des scripts très poussés. Utile pour envoyer une nouvelle proposition à MusicBrainz.
3. FooBar2000 :Ce logiciel utilise une nouvelle méthode de calcul du ReplayGain, beaucoup (beaucoup (beaucoup)) plus rapide et précise, que cela soit par piste ou par album
4. Spek : Analyse un fichier afin d'en fournir le spectre, permettant de s'assurer de la qualité réelle de la piste.

---

Workflow

Vérifier les audios

Même si vous encodez vous-même vos CDs, vous n'êtes pas à l'abri d'une version pirate basée sur des MP3s de mauvaise qualité.

Afin de le savoir rapidement sans devoir écouter la piste, il existe le logiciel Spek.

En très très gros,