Le nettoyage manuel des pistes vocales constitue l'une des tâches les plus chronophages de la postproduction de podcasts, de livres audio et de voix off. Parcourir les formes d'onde pour couper des centaines de « euh », agrandir le spectrogramme pour supprimer les bruits de salive et les claquements de lèvres, ou encore raccorder proprement des syllabes bégayées peut aisément tripler ou quadrupler la durée de travail d'un épisode d'une heure.
Cleanvoice AI a été conçu pour lever ce goulot d'étranglement. Contrairement aux outils d'édition reposant exclusivement sur la transcription texte (Speech-to-Text), Cleanvoice traite le signal sonore directement au niveau de la forme d'onde acoustique. Il détecte et supprime automatiquement les tics de langage dans plus de 20 langues, élimine les bruits de bouche causés par les micros sensibles et lisse les répétitions de bégaiement tout en préservant le rythme naturel de la parole.
Ce guide pratique détaille la manière dont les podcasteurs, comédiens voix et créateurs vidéo utilisent Cleanvoice pour nettoyer leurs enregistrements, comment régler les paramètres selon chaque contexte et comment choisir entre rendu direct et export non destructif vers une station audionumérique (DAW).
1. Détection acoustique vs édition textuelle : pourquoi Cleanvoice est plus précis
De nombreux créateurs connaissent les logiciels d'édition basés sur le texte, où supprimer un mot dans une transcription coupe l'audio correspondant. Bien que pratique pour des discours posés en anglais, cette méthode montre vite ses limites en conditions réelles : premièrement, les moteurs de transcription peinent à identifier les tics de langage dans d'autres langues ou chez les locuteurs ayant un accent prononcé ; deuxièmement, lorsqu'un intervenant bégaie ou achoppe sur une syllabe, la transcription l'interprète souvent à tort comme un mot entier régulier, rendant les points de coupe imprécis ; troisièmement, les bruits buccaux (claquements de salive, bruits de lèvres) ne génèrent aucun mot écrit et échappent totalement au moteur textuel.
Cleanvoice privilégie une analyse purement acoustique :
- Détection multilingue des tics de langage (Filler Words) : Entraîné sur les spectrogrammes de la voix humaine, Cleanvoice reconnaît les hésitations verbales dans plus de 20 langues (notamment le français, l'anglais, l'allemand, l'espagnol, le portugais, l'italien, le néerlandais, le roumain, le polonais, le turc et l'arabe). Il gère avec aisance les accents régionaux sans tronquer les consonnes adjacentes.
- Suppression des bruits de bouche et de salive (Mouth Sounds) : Les micros de studio à condensateur captent les moindres claquements de lèvres et bruits de salive à l'ouverture de la bouche. Les plug-ins classiques (comme iZotope RX Mouth De-Click) nécessitent un réglage minutieux des seuils de sensibilité pour chaque voix. Cleanvoice analyse l'ensemble de la piste et supprime ces micro-transitoires sans altérer le mordant des consonnes d'attaque comme le « t » ou le « k ».
- Lissage des bégaiements et hésitations (Stutters & Hesitations) : En détectant les répétitions involontaires en début de mot (par exemple « p-p-pourquoi » ou les faux départs), Cleanvoice découpe les boucles superflues et rétablit la fluidité de la phrase, tout en préservant les silences expressifs voulus par l'orateur.
2. Le flux de travail étape par étape : du fichier brut au master final
L'interface web de Cleanvoice permet de traiter un épisode complet en quelques minutes, sans nécessiter d'expertise approfondie en ingénierie sonore :
Étape 1 : Importer les fichiers audio ou vidéo
Connectez-vous au tableau de bord Cleanvoice et chargez vos médias :
- Formats pris en charge : Formats audio standards (WAV, MP3, M4A, FLAC, OGG, AAC) et conteneurs vidéo (MP4, MOV, WebM).
- Limites de taille : Jusqu'à 3 Go par fichier pour les comptes enregistrés (1,5 Go pour les invités) et jusqu'à 8 Go au total pour les sessions multipistes.
- Traitement multipiste (Multitrack) : Pour les interviews enregistrées avec des micros séparés, vous pouvez charger jusqu'à 5 pistes individuelles simultanément. Cleanvoice traite ces pistes de façon synchronisée en maintenant la cohérence de phase : une coupe sur la piste de l'animateur ne crée aucun décalage temporel avec celle de l'invité.
Étape 2 : Configurer les paramètres de nettoyage
Cleanvoice permet d'activer ou d'ajuster les modules selon les exigences de votre émission :
| Paramètre | Rôle | Recommandation d'usage |
|---|---|---|
| Filler Words (Tics de langage) | Coupe les hésitations (« euh », « hum », « genre », « voilà ») dans plus de 20 langues | Recommandé pour les podcasts solo, cours en ligne et interviews |
| Mouth Sounds (Bruits de bouche) | Élimine les bruits de salive, claquements de lèvres et bruits de langue | Indispensable pour les livres audio, la voix off et la prise de son rapprochée |
| Stutters (Bégaiements) | Supprime les répétitions de syllabes et les faux départs | Idéal pour les discussions improvisées et les débats en direct |
| Breath Removal (Respirations) | Atténue ou supprime les inspirations bruyantes | Modes natural ou legacy conseillés pour éviter un son étouffé et artificiel |
| Dead Air (Silences excessifs) | Raccourcit les pauses trop longues et pesantes | Conseillé ; ajuster le seuil pour préserver le rythme naturel du dialogue |
| Preserve Length (Conserver la durée / Mode muet) | Remplace les tics par du bruit d'ambiance sans raccourcir la timeline | Obligatoire pour la vidéo (évite les jump cuts) et la synchronisation en DAW |
Étape 3 : Lancer le traitement et comparer en A/B
Pour un épisode de 60 minutes, le traitement dure généralement entre 5 et 10 minutes. Cleanvoice génère ensuite un rapport détaillé indiquant le nombre précis de tics de langage retirés, de bruits de bouche supprimés, de bégaiements corrigés et de pauses réduites.
Le lecteur web propose un commutateur A/B permettant d'écouter instantanément la différence entre le son brut et la piste nettoyée avant d'utiliser vos crédits d'export.
3. Deux modes d'export : Rendu direct vs Export de timeline vers une DAW
L'un des atouts majeurs de Cleanvoice pour les professionnels du son est de ne pas imposer un fichier figé type « boîte noire ». Deux méthodologies sont proposées :
Option A : Téléchargement du fichier finalisé (Rapidité et diffusion directe)
Recommandé pour les créateurs indépendants, les chaînes YouTube, les webinaires d'entreprise et les productions à fréquence de publication élevée :
- Formats audio : Export en WAV sans perte, FLAC, MP3 320 kbps, AAC ou Opus.
- Mastering intégré : Vous pouvez combiner le nettoyage des bruits de bouche avec Noise v2 (réduction de bruit ambiant) et Normalize v2 (égalisation de l'intensité sonore au standard podcast de -16 LUFS) en une seule étape.
- Synchronisation vidéo : En activant
Preserve Lengthsur des vidéos MP4 ou MOV, les passages coupés sont remplacés par du silence d'ambiance, garantissant que l'image ne subisse aucun saut visuel disgracieux (jump cut).
Option B : Export de timeline et marqueurs (Contrôle total en DAW)
Pour les podcasts narratifs, les fictions audio et les productions publicitaires où l'ingénieur du son souhaite valider chaque coupe :
- Adobe Audition & Premiere Pro : Exportation d'un projet XML avec coupes préétablies ou marqueurs de séquence.
- DaVinci Resolve : Génération d'un fichier EDL (Edit Decision List) calé à l'image près sur votre piste vidéo.
- REAPER : Création d'un projet REAPER avec coupes et fondus enchaînés (crossfades) doux déjà configurés.
- Audacity : Exportation d'une piste de marqueurs (Label Track) affichant précisément l'emplacement de chaque tic ou bruit buccal.
Ce flux hybride permet à l'IA de repérer des centaines de défauts en quelques secondes, tout en laissant à l'humain le dernier mot pour conserver une hésitation chargée d'émotion ou affiner un fondu.
4. Tableau comparatif : Cleanvoice face aux autres solutions d'édition
| Fonctionnalité | Cleanvoice AI | Plug-ins traditionnels (iZotope RX / Audition) | Éditeurs basés sur le texte (ex. Descript) |
|---|---|---|---|
| Mécanisme de détection | IA entraînée sur l'acoustique vocale | Algorithmes de seuil et analyse spectrale | Reconnaissance vocale (ASR) par texte |
| Tics multilingues | Prise en charge native dans plus de 20 langues | Non géré (nécessite un découpage manuel) | Dépend de la justesse du texte ; faiblit sur les accents |
| Bruits de bouche et salive | Nettoyage automatisé de la piste en quelques minutes | Très efficace, mais réglage manuel par voix indispensable | Non géré (les bruits physiques ne sont pas transcrits) |
| Suppression du bégaiement | Détection des boucles de syllabes et raccord doux | Nécessite un zoom manuel et des fondus manuels | Confond souvent le bégaiement avec des mots répétés |
| Export vers les DAW | Export direct vers Audition, Resolve, REAPER, Audacity | Fonctionne directement en plug-in dans la DAW | Nécessite des procédures d'export propriétaires |
| Synchronisation multipiste | Traite jusqu'à 5 pistes en conservant la phase | Édition manuelle par groupe dans la DAW | Alignement textuel sommaire |
5. Bonnes pratiques pour un rendu naturel et broadcast
Pour obtenir une voix nette sans tomber dans l'artifice, appliquez ces recommandations :
- Éviter le piège du « sur-nettoyage » : Supprimer toutes les respirations et micro-pauses donne un résultat mécanique et haletant. Privilégiez les modes de respiration
naturaloulegacypour garder le souffle humain de la discussion. - Activer « Preserve Length » pour la vidéo et le mixage : Si votre piste doit être raccordée à une vidéo ou mixée avec des musiques dans une DAW, cochez systématiquement
Preserve Length(paramètre API :muted: true). Cela remplace les bruits par du silence sans altérer la durée globale. - Prévenir les bruits à la source : Même si l'algorithme de Cleanvoice est très performant, une bouche sèche collée au micro peut laisser de légers résidus sonores lorsqu'un claquement chevauche une voyelle forte. Boire de l'eau tiède avant d'enregistrer et maintenir une distance de 10 à 15 cm avec filtre anti-pop facilite le travail de l'IA.
- Prendre en compte le délai de conservation de 7 jours : Cleanvoice stocke les fichiers bruts et traités pendant 7 jours sur des serveurs sécurisés avant suppression définitive. Pensez à télécharger vos masters et timelines pendant cette semaine de rétention.
6. Tarification et formules disponibles
Cleanvoice applique une facturation au volume horaire de fichiers traités, convenant aussi bien aux utilisateurs occasionnels qu'aux studios :
- Essai gratuit : 30 minutes de traitement offertes à l'inscription, sans carte bancaire requise.
- Packs de crédits à l'usage (Valables 2 ans) :
- 5 heures : 11 $ (2,20 $ / heure)
- 10 heures : 20 $ (2,00 $ / heure)
- 30 heures : 45 $ (1,50 $ / heure)
- Packs grand volume jusqu'à 200 heures (180 €).
- Abonnements mensuels (Avec report des crédits non utilisés) :
- Formules débutant à 10 € / mois.
- Formule 30 heures à 28 $ / mois.
- Les crédits non consommés lors d'un mois sont reportés sur les mois suivants, jusqu'à un plafond équivalant à 3 fois votre quota mensuel.
- API REST et SDK pour développeurs : Bibliothèques officielles en Python (
cleanvoice-sdk) et JavaScript/TypeScript (@cleanvoice/cleanvoice-sdk), permettant d'intégrer le nettoyage audio dans des outils d'automatisation (Make, n8n) ou des plateformes SaaS vidéo.
Cleanvoice comble l'écart entre le travail manuel fastidieux sur les formes d'onde et la rigidité des éditeurs textuels. En traitant directement les composantes acoustiques de la voix, il fait gagner un temps précieux en postproduction et permet aux créateurs de se consacrer pleinement au fond de leur propos.
Références
- Cleanvoice AI | Edit Audio & Video Podcast in 10 Mins, in Clicks
- Cleanvoice AI Marketing & Feature Overview (llms.txt)
- AI Filler Word Remover: Cut the Ums & Uhs | Cleanvoice AI
- Mouth Noise Remover: Clicks & Lip Smacks | Cleanvoice AI
- Stutter Remover — Fluent Audio with AI | Cleanvoice AI
- Cleanvoice AI API & Developer Documentation (llms.txt)
- Pricing — Start Free, Plans from €10/month | Cleanvoice AI