Convertisseur audio vers WAV / FLAC

Le WAV et le FLAC sont les deux formats qui stockent l’audio sans perdre un seul échantillon : tous deux sont sans perte. Ils y parviennent de façons très différentes. Le WAV est le conteneur brut qui stocke les échantillons PCM non compressés exactement tels que le microphone ou le synthétiseur les a produits : chaque instantané d’amplitude est inscrit tel quel dans le fichier. C’est pourquoi le WAV est volumineux, mais parfaitement modifiable, et qu’il est le format intermédiaire universel des studios. Le FLAC enveloppe le même PCM dans un compresseur sans perte qui réduit généralement le fichier de 50 à 60 %, tout en permettant de revenir à l’octet près aux données d’origine : decode(encode(x)) égale x, à chaque fois. Ces deux formats conservent chaque échantillon, contrairement aux formats avec perte comme le MP3, l’AAC ou l’Ogg Vorbis (traités sur leurs propres pages) ; le compromis porte sur la taille du fichier.

Le PCM (modulation par impulsions codées) est le format brut universel de l’audio numérique : la forme d’onde analogique est découpée en intervalles de temps égaux (la fréquence d’échantillonnage), et à chaque intervalle l’amplitude est arrondie au niveau discret le plus proche parmi un nombre fixe de niveaux (la profondeur de bit). Un enregistrement 44,1 kHz / 16 bits / stéréo stocke 44 100 mesures d’amplitude par seconde et par canal, chacune arrondie à l’un des 2¹⁶ = 65 536 niveaux (en 24 bits : l’un des 2²⁴ = 16 777 216). Le théorème d’échantillonnage de Nyquist-Shannon affirme qu’un signal échantillonné peut être reconstruit parfaitement tant que sa fréquence la plus haute est inférieure à fréquence d’échantillonnage / 2. L’audition humaine culmine vers 20 kHz : 44,1 kHz (qui capte jusqu’à 22,05 kHz) suffit donc mathématiquement à une restitution parfaite, ce qui explique que la norme du CD ait adopté exactement ce taux.

La profondeur de bit règle la dynamique (le rapport entre le signal le plus fort et le plus faible), non la réponse en fréquence. Chaque bit supplémentaire ajoute environ 6,02 dB de rapport signal sur bruit théorique : 16 bits donnent 98,1 dB, 24 bits donnent 146,2 dB, le flottant 32 bits (utilisé en interne par les stations audionumériques) donne 194,4 dB. Le matériel réel n’atteint jamais la valeur théorique : un convertisseur analogique-numérique 24 bits bien conçu offre environ 120 dB de dynamique utile (vinyle : environ 70 dB ; cassette : environ 60 dB).

Le WAV (ou WAVE, nom complet WAVEform Audio File Format) est le conteneur RIFF de Microsoft et IBM, défini en 1991. Sur le disque, il se compose de trois blocs à la suite : un en-tête RIFF de 12 octets qui déclare le fichier comme WAVE, un bloc fmt qui décrit le format PCM (fréquence d’échantillonnage, canaux, profondeur de bit), et un bloc data qui contient les échantillons bruts. Les octets sont en little-endian ; le format n’a pas changé depuis 35 ans, et tous les systèmes d’exploitation et toutes les stations audionumériques le lisent nativement.

Comme le WAV stocke du PCM brut sans compression ni autre surcharge que l’en-tête, la taille du fichier est exactement prévisible : octets = fréquence d’échantillonnage × profondeur de bit × canaux × durée en secondes / 8. Une piste de qualité CD (44,1 kHz / 16 bits / stéréo, débit = 1 411 200 bit/s = 1411,2 kbit/s) consomme 1 411 200 ÷ 8 = 176 400 octets par seconde, soit 10,584 Mo par minute ou environ 42,336 Mo pour une chanson de 4 minutes. Le format studio 48 kHz / 24 bits / stéréo (débit 2304 kbit/s) monte à 17,280 Mo par minute. Cette prévisibilité explique pourquoi le WAV reste le format d’échange de l’industrie.

Le FLAC (Free Lossless Audio Codec) a été conçu par Josh Coalson en 2001, comme une réponse ouverte et libre de droits à l’ALAC d’Apple, alors propriétaire. Il travaille par blocs d’échantillons (généralement 4 096 au niveau 5) en trois étapes : la décorrélation inter-canaux (rendre les deux canaux stéréo plus semblables), le codage prédictif linéaire (prédire l’échantillon suivant à partir des précédents et ne stocker que le petit résidu), et le codage entropique de Rice (une façon quasi optimale d’empaqueter de petits entiers en bits). La propriété déterminante : le décodage restitue le PCM d’origine octet pour octet. FLACdecode(FLACencode(x)) === x. Cette identité rend le FLAC sans perte : pas « haute qualité », mais identique au bit près.

Le FLAC propose 9 niveaux de compression (0 à 8) qui arbitrent entre vitesse d’encodage et taille de fichier. Le niveau 0 est le plus rapide et ne réduit que d’environ 30 % ; le niveau 5, par défaut, atteint environ 55 % ; le niveau 8 gagne environ 62 % mais prend 4 à 5 fois plus de temps à l’encodage. Les taux réels dépendent de la musique : le piano solo ou les voix réduisent de 45 à 50 %, car le signal est peu dense ; la musique orchestrale ou électronique dense réduit de 55 à 65 %, car le plancher de bruit est plus prévisible. Une piste typique de 4 minutes en qualité CD au niveau 5 donne environ 19,05 Mo : presque exactement la moitié des 42,336 Mo du WAV.

Le débit de n’importe quel flux PCM est donné par une formule courte : débit = fréquence d’échantillonnage × profondeur de bit × canaux. Points de repère courants :

• 1411,2 kbit/s — audio CD (44,1 kHz / 16 bits / stéréo)
• 1536 kbit/s — 48 kHz / 16 bits / stéréo (DAT, premiers DVD)
• 2304 kbit/s — 48 kHz / 24 bits / stéréo (master studio)
• 4608 kbit/s — 96 kHz / 24 bits / stéréo (Hi-Res)
• 9216 kbit/s — 192 kHz / 24 bits / stéréo (ultra Hi-Res)

Pour passer du débit à la taille du fichier, multipliez par la durée et divisez par 8 (octets par bit). Pour l’exemple de 4 minutes en qualité CD : 1411200 × 240 / 8 = 42 336 000 octets = 42,336 Mo. Pour le FLAC, multipliez la taille du WAV par 1 - taux_de_compression : au réglage par défaut du niveau 5, soit environ 55 %, la même piste donne 42 336 000 × 0,45 ≈ 19 051 200 octets ≈ 19,05 Mo. Une piste 48 kHz / 24 bits / stéréo pèse 17,280 Mo par minute en WAV et environ 7,78 Mo par minute en FLAC niveau 5. Les codecs avec perte (MP3, AAC, Opus) traitent le même audio à 128 à 256 kbit/s, encore dix fois plus petit, mais ils écartent des échantillons pour y parvenir. Un piège d’unités à connaître : les débits sont donnés en kilobits par seconde (kbit/s) alors que les gestionnaires de fichiers comptent en kilo-octets ; divisez par 8 pour convertir (1411,2 kbit/s ÷ 8 = 176,4 ko/s).

Les deux formats étant sans perte, la question porte sur le flux de travail et la bande passante, non sur la qualité. Utilisez le WAV lorsqu’un éditeur ou une station audionumérique a besoin d’un PCM brut en entrée, lorsque vous produisez un rendu intermédiaire qui sera encore traité, ou lorsque vous voulez un fichier maître que tous les logiciels de la planète peuvent lire sans bibliothèque. Utilisez le FLAC pour de l’audio sans perte à moitié moins lourd : archivage, bibliothèques musicales, streaming réseau (un CD sans perte tient en environ 19 Mo au lieu de 42 Mo) et sauvegardes de supports physiques. Le FLAC prend aussi en charge des métadonnées riches via les Vorbis Comments, plus complets que le LIST INFO du RIFF du WAV (qui n’a pas de champ pour l’artiste de l’album : c’est pourquoi l’éditeur de tags ci-dessus masque ce champ lorsque le WAV est sélectionné).

Un conseil sur la taille : les enregistrements vocaux sont mono par nature : une bouche, un microphone. Enregistrer la parole en stéréo double le débit sans aucun gain d’information (un enregistrement vocal d’une heure à 44,1 kHz / 16 bits pèse 317,5 Mo en mono, 635,0 Mo en stéréo). Pour la voix, réglez donc l’option Canaux ci-dessus sur Mono.

• Le FLAC est « de meilleure qualité » que le WAV. Non : les deux sont sans perte, au bit près. Le FLAC stocke simplement le même son dans moins d’espace. Décoder le FLAC en PCM donne exactement la même suite d’octets que celle qu’aurait stockée le WAV.
• Une profondeur de bit plus élevée sonne toujours mieux. Le 24 bits offre plus de marge pour le montage (les signaux faibles restent bien au-dessus du plancher de bruit), mais la diffusion finale grand public est en général en 16 bits. Les 8 bits supplémentaires sont une précision de travail dans la station audionumérique, et non une qualité audible sur les enceintes.
• Le Hi-Res (96 kHz / 192 kHz) sonne mieux que le CD (44,1 kHz). Pour une musique correctement dithérée, l’humain ne distingue pas les fréquences au-delà d’environ 20 kHz. Le 96 kHz capte des ultrasons qu’aucun humain n’entend et qu’aucun écouteur ne restitue. L’avantage discutable du Hi-Res tient à moins d’artefacts de repliement dans la chaîne d’enregistrement, pas à la qualité de lecture.
• Convertir un MP3 en WAV restaure la qualité d’origine. Non. Une fois que la compression avec perte a écarté des échantillons, ils sont perdus pour toujours. Le fichier WAV qui en résulte contient les artefacts du MP3 : il n’est pas identique au bit près au master d’avant le MP3, quelle que soit l’extension.

Outils associés : Audio vers MP3 / tags ID3 pour la compression avec perte, Audio vers OGG / Opus pour les codecs ouverts avec perte, Audio vers AIFF / ALAC / WavPack pour d’autres formats sans perte, Spectre audio pour visualiser les fréquences présentes dans votre audio, et MIDI vers WAV (le MIDI est une suite d’instructions, non de l’audio : c’est une chaîne de conversion différente).