Dans la postproduction de podcasts d'interview réunissant plusieurs interlocuteurs, le nettoyage des voix représente souvent l'étape la plus chronophage. Que les pistes soient captées à distance via Riverside, SquadCast ou Zoom, ou enregistrées en studio avec des micros dédiés, les canaux individuels des animateurs et invités regorgent d'imperfections acoustiques : claquements de langue et bruits de salive (mouth clicks), respirations lourdes, tics de langage récurrents (« euh », « genre », « en fait », « you know ») et silences prolongés inconfortables (dead air).
Corriger ces défauts manuellement dans une station audionumérique (DAW) exige des heures d'écoute et de micro-fondues. Mais le véritable écueil du montage multipiste réside dans la désynchronisation : si un outil automatisé standard coupe 1,2 seconde de blanc ou d'hésitation sur la piste 1 sans adapter les autres pistes, l'ensemble du dialogue se décale. Les réactions spontanées, les approbations (« mhm ») et les répliques se chevauchent alors de manière chaotique.
Cleanvoice résout ce problème grâce à un traitement par intelligence artificielle synchronisé en multipiste (Multitrack Synchronization). Les producteurs et monteurs son peuvent traiter par lots des pistes isolées, éliminer les bruits de salive et hésitations, raccourcir les pauses excessives tout en verrouillant la cohérence temporelle entre chaque voix. Au-delà du rendu direct de fichiers audio nettoyés, Cleanvoice permet d'exporter des marqueurs (Markers) ou des listes de décision de montage (EDL) vers Audacity, Adobe Audition, Adobe Premiere Pro, DaVinci Resolve et Reaper, garantissant un contrôle non destructif au millième de seconde.
Le dilemma du multipiste : pourquoi les automatisations classiques échouent
Pour comprendre pourquoi le traitement multipiste nécessite une IA dédiée, il faut analyser la nature interactive d'une conversation :
- Le piège du décalage temporel : Une interview est un échange vivant. Lorsqu'un invité réfléchit pendant trois secondes, l'animateur opine souvent de la voix. Si un algorithme coupe brutalement cette pause sur la piste de l'invité, ses propos suivants sont avancés de trois secondes et viennent percuter la voix de l'animateur, détruisant la dynamique de l'échange.
- Le « trou noir numérique » : La parole humaine ne baigne jamais dans un silence absolu. Si un logiciel met à zéro (-inf dB) les zones où se trouvaient les tics de langage, l'oreille de l'auditeur perçoit une coupure abrupte du bruit ambiant de la pièce (room tone). Le rendu devient haché, froid et mécanique.
- La repisse entre micros (Bleed / Crosstalk) : En studio partagé ou avec des microphones très sensibles, la voix d'un interlocuteur s'infiltre légèrement dans le micro du voisin. Des algorithmes mal calibrés prennent souvent cette repisse acoustique pour un bruit parasite et tronquent maladroitement la fin des mots.
Cleanvoice surmonte ces obstacles en combinant des réseaux de neurones entraînés sur chaque type de défaut et en réinjectant du son d'ambiance synthétisé (Room Noise Insertion) dans les interstices coupés, préservant ainsi la texture acoustique originelle.
Les moteurs de détection de Cleanvoice
Cleanvoice ne se résume pas à un simple filtre réducteur de bruit ; il intègre plusieurs modules spécialisés activables à la carte :
| Module IA | Défauts ciblés | Comportement technique et préservation du timbre |
|---|---|---|
| Filler Words Remover (Suppression des tics de langage) | « Euh », « hum », « genre », « tu vois », « like », « you know » dans plus de 20 langues | Isole précisément les limites phonétiques, supprime le tic et comble l'espace par du son d'ambiance avec micro-fondues douces. |
| Mouth Sound & Breath Remover (Bruits de bouche et respirations) | Claquements de salive, bruits de lèvres, claquements de langue et halètements | Neutralise les micro-transitoires aiguës sans assourdir les consonnes sifflantes naturelles (comme les « s ») ni dénaturer la clarté vocale. |
| Silence / Dead Air Remover (Raccourcissement des temps morts) | Pauses trop longues, hésitations et blancs pesants | Distingue les silences dramatiques nécessaires des temps morts superflus ; compresse l'intervalle jusqu'à un seuil personnalisable au lieu de l'annihiler. |
| Stutter Remover (Correction des bégaiements) | Répétitions de syllabes, faux départs et accrocs | Détecte les phonèmes doublés et retire les répétitions involontaires pour ne conserver que le mot achevé et fluide. |
| Audio Enhancer & Studio Sound (Optimisation acoustique) | Réverbération de pièce, ronflette électrique, souffles de climatisation et écarts de gain | Atténue les bruits de fond constants et égalise les niveaux d'écoute entre interlocuteurs pour délivrer une sonorité broadcast équilibrée. |
Guide pratique : flux de travail complet pour interviews multipistes
Les équipes de production de podcast professionnelles suivent une méthodologie en quatre temps pour intégrer Cleanvoice à leur chaîne de traitement.
Étape 1 : Alignement initial et export des stems
Avant de téléverser vos fichiers sur Cleanvoice, veillez à ce que toutes les pistes démarrent rigoureusement au même point temporel :
- Dans votre outil d'enregistrement (Riverside, SquadCast) ou votre DAW, calez le début de chaque piste au timecode
00:00:00:00. - Exportez chaque participant sous forme de fichier WAV non compressé distinct (ou MP3/M4A à haut débit) avec une nomenclature claire (ex. :
Animateur_Piste01.wav,Invite_Piste02.wav). - Attention : N'appliquez aucun compresseur agressif ni noise gate en amont. En conservant les transitoires bruts intacts, vous garantissez un taux de détection optimal par l'IA.
Étape 2 : Téléversement et configuration du projet
- Connectez-vous à la console Cleanvoice et créez un nouveau projet.
- Glissez-déposez simultanément l'ensemble des pistes synchronisées (fichiers locaux, Google Drive, Dropbox ou lien URL direct).
- Activez le mode Multitrack : L'IA identifie alors que les pistes proviennent de la même séance et enclenche la synchronisation croisée.
- Configurez les modules de traitement :
- Cochez Filler Words Remover et indiquez la langue parlée.
- Activez Mouth Sounds Remover et Breath Remover.
- Ajustez le seuil de Silence / Dead Air (une valeur comprise entre 1,2 et 1,8 seconde est généralement recommandée pour une conversation fluide).
- Validez l'option de remplissage par bruit d'ambiance pour éviter tout silence numérique artificiel.
Étape 3 : Choix du livrable : rendu audio direct vs exportation de marqueurs
Cleanvoice propose deux modes de livraison selon vos délais de diffusion et vos exigences de finition :
Option A : Export des pistes audio traitées (Gain de temps maximal)
Parfait pour les émissions quotidiennes, les formats d'actualité, les résumés d'entreprise ou les vidéos YouTube :
- Une fois le calcul terminé, téléchargez les pistes individuelles traitées et synchronisées (Cleaned Stems) ou le mixage global combiné (Merged Track).
- Cleanvoice maintient la synchronisation temporelle globale, soit en décalant les pistes de concert, soit en remplaçant les tics coupés par du son de pièce.
- Réimportez les pistes dans votre DAW pour finaliser la musique d'habillage et la normalisation d'intensité sonore (-16 LUFS pour un podcast stéréo).
Option B : Export de marqueurs et timeline EDL (Précision non destructive en DAW)
Recommandé pour les récits documentaires, les podcasts de marque prestigieux et les ingénieurs du son refusant les coupes automatisées irréversibles :
- Export de marqueurs (Markers, à utiliser avec l'audio traité) : Cleanvoice génère des fichiers de marqueurs adaptés à Audacity, Adobe Audition, Adobe Premiere Pro, DaVinci Resolve, Reaper ou au format .EDL. En chargeant l'audio traité et les marqueurs dans votre DAW, vous sautez de marqueur en marqueur via des raccourcis clavier pour valider à l'oreille chaque raccord et vérifier les fondus.
- Export de timeline / timestamps (à utiliser avec l'audio brut) : Vos enregistrements originaux restent totalement intacts. Cleanvoice vous remet une liste de repères indiquant précisément où il suggère de couper (tics de langage, bégaiements, bruits de bouche). Le monteur garde la main pour opérer des suppressions avec raccord (ripple delete) ou ajuster manuellement les points d'entrée et de sortie.
Remarque technique : Les marqueurs temporels (Timestamps) isolent spécifiquement les tics, bégaiements et bruits de bouche sur la timeline brute. La gestion des silences prolongés (Dead Air) s'effectue plus efficacement via le découpage automatisé ou l'export de timeline complète.
Étape 4 : Contrôle qualité et mastering dans la DAW
Après réimportation dans votre environnement de mixage :
- Vérifiez les prises de parole simultanées (Crosstalk) : Inspectez les passages où deux personnes rient ou parlent en même temps afin de vérifier la régularité du fond sonore ambiant.
- Ajustez les micro-fondues : Si la fin d'un mot semble légèrement abrupte, tirez le bord du clip de 10 à 20 millisecondes dans la DAW et appliquez une fondu croisée à puissance égale (Equal Power).
- Chaîne de mastering du bus principal : Appliquez une égalisation globale, un dé-esseur (De-Esser) et un limiteur pour caler le master sur la cible LUFS requise.
Comparatif des deux approches de travail
| Critère | Rendu audio direct (Option A) | Export de marqueurs / EDL (Option B) |
|---|---|---|
| Livrable | Fichiers WAV/MP3 nettoyés ou mix complet | Fichier EDL, piste de marqueurs DAW, étiquettes |
| Impact sur la forme d'onde | Rendu destructif par IA (avec remplissage d'ambiance) | Non destructif ; les prises brutes restent intactes |
| Contrôle du montage | Réglages globaux sur l'interface web | Ajustement manuel au millième de seconde dans la DAW |
| Cas d'usage prioritaire | Délais courts, créateurs solo, production rythmée | Formats narratifs, productions de studios, clients exigeants |
| Logiciels compatibles | Tout lecteur ou station audionumérique | Audacity, Adobe Audition, Premiere Pro, DaVinci Resolve, Reaper, outils EDL |
| Temps nécessaire | 5 à 10 minutes de traitement automatisé | 5 min d'IA plus 15 à 30 min de relecture humaine |
Tarification de Cleanvoice et décompte du temps en multipiste
Cleanvoice facture ses prestations en fonction du volume horaire total de fichiers audio traités. Pour les projets multipistes, le calcul cumule la durée de l'ensemble des pistes téléversées. Ainsi, une interview d'une heure réunissant deux personnes enregistrées sur des pistes séparées consomme deux heures de crédit audio.
1. Formules d'abonnement mensuel (avec report de crédits)
- Formule Starter : 11 $ / mois (~10 €) pour 10 heures de traitement (~1,10 $ / heure).
- Formule Standard : 28 $ / mois (~25 €) pour 30 heures de traitement (~0,93 $ / heure).
- Formule Pro : 90 $ / mois (~80 €) pour 100 heures de traitement (~0,90 $ / heure).
- Formule Custom / Entreprise : Pour les besoins supérieurs à 200 heures mensuelles, avec endpoints d'API dédiés et support prioritaire.
- Report des crédits (Roll-over) : Les heures non consommées lors du mois écoulé sont automatiquement reportées sur le mois suivant, dans la limite de trois fois le forfait mensuel souscrit.
2. Crédits prépayés (Pay-As-You-Go, valables 2 ans)
Conçus pour les monteurs indépendants ou les podcasts saisonniers à fréquence irrégulière :
- Pack 5 heures : 11 $ (2,20 $ / heure).
- Pack 10 heures : 20 $ (2,00 $ / heure).
- Pack 30 heures : 45 $ (1,50 $ / heure).
- Durée de validité : Les crédits à la carte restent utilisables pendant 2 ans à compter de la date d'achat.
3. Essai gratuit et durée de conservation des données
- Période d'essai : Les nouveaux utilisateurs disposent de 30 minutes de traitement offertes, sans carte bancaire requise.
- Conservation des données : Cleanvoice conserve les fichiers sources et les rendus sur ses serveurs pendant une durée de 7 jours. Passé ce délai, toutes les données sont définitivement effacées. Il est indispensable de télécharger vos exports rapidement.
Bonnes pratiques pour les monteurs son
- Préservez le son de pièce en début et fin de piste : Ne tronquez jamais vos fichiers au millimètre près avant la première parole. Laisser trois à cinq secondes d'ambiance pure au début et à la fin permet aux algorithmes de Cleanvoice d'échantillonner le profil sonore de la pièce avec une fidélité optimale.
- Évitez le piège du « sur-nettoyage » : Une conversation humaine authentique a besoin de respirer. Ne cherchez pas à supprimer toutes les respirations naturelles ni à réduire le seuil de silence à l'extrême. Un calibrage entre 1,2 et 2,0 secondes garantit une cadence chaleureuse et naturelle.
- Privilégiez la filière des marqueurs pour les clients commerciaux : Dans le cadre de mandats professionnels, l'Option B représente le compromis idéal : l'IA effectue 90 % de la traque répétitive aux bruits parasites et tics de langage, tandis que le monteur conserve le contrôle artistique final au sein de sa station de travail habituelle.
Références
- Cleanvoice AI | Edit Audio & Video Podcast in 10 Mins, in Clicks | AI Podcast Editor
- All Features — AI Podcast & Audio Editing | Cleanvoice AI
- Pricing — Start Free, Plans from €10/month | Cleanvoice AI
- Integrations — Connect Your Audio Workflow | Cleanvoice AI
- AI Filler Word Remover: Cut the Ums & Uhs | Cleanvoice AI
- AI Silence Remover for Audio & Video | Cleanvoice AI
- Mouth Noise Remover: Clicks & Lip Smacks | Cleanvoice AI