L'image est-elle traitée elle aussi quand on sépare le son de la vidéo ?

Non. La vidéo et le son coexistent dans le conteneur comme des pistes indépendantes l'une de l'autre ; lors de l'extraction audio, la piste vidéo est totalement ignorée. Cela explique pourquoi l'opération est bien plus légère qu'une conversion vidéo. Ce qui allonge réellement la durée n'est pas l'opération elle-même, mais l'envoi et la lecture d'un gros fichier.

Pourquoi ne peut-on pas simplement copier au lieu de réencoder ?

La copie directe n'est possible que si le format cible accepte le codec audio de la source. Le son des fichiers MP4 est généralement compressé en AAC, et un fichier MP3 transporte par définition du son compressé avec le codec MP3. Comme il s'agit de deux algorithmes différents, le son est d'abord décodé pour revenir à l'état brut, puis recompressé en MP3. C'est cette seconde compression qui crée une petite perte de qualité.

Cette perte s'entend-elle vraiment ?

À un débit binaire raisonnable, sur des enceintes normales ou des écouteurs du quotidien, la plupart des gens ne distinguent pas la différence. Les endroits où la perte se manifeste sont les sons aigus et complexes ; on peut ressentir une sonorité métallique ou terne sur des passages comme des cymbales, un sifflement ou une orchestration dense. Quand vous choisissez un débit binaire faible, ces traces deviennent bien plus visibles. Sur des enregistrements uniquement parlés, en revanche, la perte est en pratique quasiment imperceptible.

Que se passe-t-il si je convertis le même son encore et encore ?

La perte s'accumule et cette accumulation est irréversible. Chaque compression avec perte retire une certaine quantité d'information du signal ; lors des deuxième et troisième conversions, les informations écartées se superposent et se transforment en dégradations audibles. C'est pourquoi faire circuler un fichier du MP3 vers le MP3, ou du MP3 vers un autre format avec perte, est une mauvaise idée. Convertissez toujours en une seule étape depuis la source la plus originale dont vous disposez.

Comment fonctionne l'extraction du son d'une vidéo ? Le chemin du MP4 vers le MP3

Qu'y a-t-il dans un fichier vidéo ?

Vu de l'extérieur, un fichier MP4 ressemble à un tout unique. Vu de l'intérieur, la situation est différente : le MP4 est un conteneur, c'est-à-dire une boîte dans laquelle différents éléments sont rangés de façon ordonnée.

Dans un MP4 typique, on trouve :

Une piste vidéo : les données d'image animée
Une piste audio : le son lui-même
Des métadonnées : durée, résolution, fréquence d'images, informations de prise de vue
Des informations de synchronisation : quel fragment sonore s'aligne avec quelle image

Le point le plus important ici est celui-ci : le son et l'image sont stockés séparément. Ils ne sont ni mélangés ni imbriqués. Ils sont comme deux bandes qui s'étirent côte à côte ; le lecteur lit les deux en même temps et les aligne en s'appuyant sur les informations de synchronisation.

C'est pourquoi « extraire le son d'une vidéo » n'est en réalité pas une opération de création mais une opération de séparation. Le son est déjà là ; ce qui est fait consiste à le placer dans un fichier autonome.

Pourquoi l'opération de séparation ne se termine-t-elle pas instantanément ?

Si le son est déjà dans le fichier, pourquoi n'est-il pas simplement copié ?

Dans certains cas, il peut réellement être copié. Si le format cible accepte le codec audio de la source, la piste audio peut être prise telle quelle et placée dans un nouveau conteneur. Cette opération est rapide et n'entraîne aucune perte de qualité.

Mais avec le MP3 comme destination, la situation est différente. Pour en comprendre la raison, il faut faire entrer en jeu la deuxième notion : le codec.

Le codec détermine avec quel algorithme le son est compressé. Dans les fichiers MP4, le son est typiquement compressé en AAC. Un fichier .mp3, lui, transporte par définition du son compressé avec le codec MP3. Ce sont deux algorithmes différents ; les données produites par l'un ne sont pas lisibles par l'autre.

Le processus se déroule donc ainsi :

La piste audio est séparée du conteneur
Les données AAC sont décodées et converties en onde sonore brute
Cette onde brute est confiée à l'encodeur MP3 et compressée depuis zéro
Le résultat est écrit sous forme de fichier .mp3

La troisième étape donne naissance à la phrase la plus importante de cet article.

Le point honnête : il y a ici une perte de qualité

L'AAC et le MP3 sont tous deux des formats avec perte. La compression avec perte fonctionne ainsi : l'algorithme réduit le fichier en écartant du signal les informations qu'il juge les moins perceptibles par l'oreille humaine. L'information écartée disparaît définitivement, elle ne peut pas être restituée.

Quand la piste audio de votre vidéo a été compressée en AAC, une partie de l'information a déjà été écartée. Maintenant, quand vous décodez ce son et le confiez à l'encodeur MP3, un second algorithme effectue un nouveau tri selon ses propres règles.

Quand deux tris différents se superposent, le résultat est un peu plus dégradé qu'un son n'ayant subi qu'un seul tri. C'est une réalité technique et elle ne doit pas être cachée.

Mais à quel point est-ce important ? Il faut être honnête ici aussi : en pratique, très peu dans la plupart des cas. À un débit binaire raisonnable — comme 192 kbps et plus pour la musique — il est très difficile de distinguer cette différence dans des conditions d'écoute normales. Sur des enregistrements uniquement parlés, la perte est quasiment imperceptible.

Les endroits où la perte se manifeste sont connus : les sons aigus et complexes. Cymbales, sifflements, orchestration dense, transitions rapides. Une sonorité métallique ou terne peut s'y former. Si vous avez choisi un débit binaire faible, ces traces deviennent bien plus faciles à entendre.

Le rôle du débit binaire

Le débit binaire détermine combien de kilobits par seconde l'encodeur MP3 utilisera pour représenter le son. Plus vous êtes généreux, moins l'encodeur est contraint d'écarter d'informations.

Comme vous effectuez une seconde compression, être avare coûte ici trop cher. Si vous produisiez un MP3 depuis un enregistrement d'origine, un débit binaire faible serait plus pardonnable ; mais quand on trie de nouveau un signal déjà trié une fois, il faut laisser à l'encodeur de la place pour respirer.

Une feuille de route grossière : 128 kbps suffisent pour la parole seule, 192 kbps constituent une limite basse raisonnable pour la musique et les contenus mixtes, 256 kbps sont un choix confortable pour de la musique que vous écouterez attentivement.

Il y a aussi une limite supérieure : vous ne pouvez pas dépasser la qualité de la source. Si le son AAC de la vidéo est déjà à un débit binaire faible, pousser le MP3 très haut ne restituera pas les détails perdus, cela ne fera que grossir le fichier.

Conséquences pratiques

Une fois ce mécanisme compris, trois comportements deviennent naturellement les bons.

Gardez la chaîne courte. Chaque conversion avec perte ajoute une nouvelle perte, et elles s'accumulent. Allez en une seule étape de la source la plus originale dont vous disposez jusqu'à la destination. Quand vous effectuez l'extraction d'un MP3 depuis un MP4, que votre source soit la vidéo originale et non un fichier intermédiaire déjà converti.

Conservez l'original. La sortie MP3 est une version qui a perdu de l'information par rapport à la source. Si vous avez besoin d'un format différent à l'avenir, partez de la vidéo originale et non du MP3.

Choisissez la destination selon votre objectif. Extrayez-vous ce son pour l'écouter ou pour travailler dessus ? Pour l'écouter, le MP3 est le bon choix : petit, transportable, il fonctionne partout. Mais si vous comptez éditer le son, le couper, y appliquer des effets ou l'importer dans un logiciel de montage, le WAV est une destination plus adaptée, car étant non compressé il n'ajoute pas de nouvelle perte pendant que vous travaillez dessus.

Les cas où le son ne peut pas être extrait

Connaître ce mécanisme vous permet aussi de comprendre pourquoi l'opération n'aboutit pas comme vous l'attendiez. Plusieurs scénarios peuvent se présenter.

La vidéo peut ne comporter aucune piste audio. Certains enregistrements d'écran sont réalisés avec le son du système coupé, certaines caméras filment en silence, et sur certaines vidéos retravaillées la piste audio a été totalement retirée. Dans ce cas, il n'y a rien à extraire — un convertisseur ne peut pas produire une piste inexistante. En cas de doute, ouvrez le MP4 dans un lecteur et vérifiez qu'il y a réellement du son.

La piste audio peut être corrompue. Sur un fichier téléchargé à moitié ou interrompu pendant l'enregistrement, la piste audio peut être incomplète ou défectueuse. Dans ce genre de cas, la fin de la sortie reste incomplète. Contrôler la source en la lisant jusqu'au bout permet de repérer ce problème à l'avance.

Le son peut être très faible. Si le niveau d'enregistrement de la source est bas, la sortie l'est aussi. Il y a ici une distinction importante : la conversion n'augmente pas le niveau sonore, car son rôle est de transporter le signal, pas de le modifier. Si vous voulez corriger le niveau, c'est un travail d'édition audio, et pour ce travail il est plus juste de partir d'une source non compressée, c'est-à-dire d'un WAV.

Le point commun est le suivant : une conversion ne produit pas ce qui n'existe pas dans la source. Elle ne restitue pas les détails perdus, ne répare pas un son dégradé, n'amplifie pas un enregistrement trop faible. La seule chose qu'elle fait est de transférer la piste audio existante dans le format que vous souhaitez.

En résumé

Extraire le son d'une vidéo ne consiste pas à produire quelque chose qui n'existe pas, mais à séparer la piste audio déjà présente dans le conteneur. C'est pour cela que l'opération est légère — on ne touche jamais à l'image. Cependant, comme le son contenu dans un MP4 est généralement de l'AAC et que le MP3 est un codec différent, cette séparation comporte aussi un réencodage. Ce passage entre deux formats avec perte crée une perte de qualité faible mais réelle. En choisissant un débit binaire raisonnable, vous pouvez rendre cette perte inaudible en pratique ; ce qu'il ne faut pas faire, c'est promener le même son de format avec perte en format avec perte à de multiples reprises.