Le MP3 nuit-il à la transcription musicale ? WAV et MP3 mesurés

Pourquoi le MP3 changerait-il les notes ?

Le MP3 et l’AAC suppriment des détails que l’oreille a peu de chances de remarquer, surtout les sons faibles à côté de sons plus forts et les hautes fréquences. Des modèles comme Basic Pitch lisent une image temps-fréquence de l’audio, et rien ne garantit qu’ils ignorent les mêmes détails qu’un auditeur. Une note proche du seuil d’un modèle peut donc apparaître ou disparaître quand le spectre change un peu.

Des travaux antérieurs indiquent un effet faible. Urbano et ses collègues ont trouvé que les descripteurs MFCC restent stables sous compression avec perte à partir d’environ 160 kbit/s, et que les descripteurs de chroma, qui suivent les classes de hauteurs, ne sont presque pas affectés par le codec ni par le débit (ISMIR 2014). Ils ont mesuré des descripteurs ; nous voulions savoir ce qu’il en est des notes transcrites.

Nous avions aussi une raison pratique. Les copies sans perte des enregistrements et de leur lecture représentaient 77 % de l’espace de stockage de nos partitions, et nous ne voulions des copies plus petites que si elles ne coûtaient rien en précision.

Comment nous avons testé

Chaque enregistrement est passé dans chaque codec avec FFmpeg 8.1.1 (LAME à un débit constant de 320 ou 192 kbit/s, l’encodeur AAC propre à FFmpeg à 256 kbit/s), puis a été décodé par le même code que celui qui lit un fichier importé. Comme témoin, nous avons modifié l’audio sans perte de 0,01 dB, ce que personne ne peut entendre, pour voir de combien les indicateurs bougent sans aucun codec. Les trois moteurs sont déterministes : une même entrée donne les mêmes notes.

Le F1 sur les attaques (onset F1) compte une note transcrite comme juste quand sa hauteur est à 50 cents près et son début à 50 ms près par rapport à une note de référence. Il pénalise de la même façon les notes manquantes et les notes en trop, et 1,0 est le résultat parfait. Notre article sur la précision explique cet indicateur en détail.

Qu’est-ce qui a changé pour un seul instrument ?

Presque rien. Sur les 12 enregistrements de guitare, le F1 sur les attaques de Basic Pitch est resté entre 0,761 et 0,764 dans tous les formats, alors que le fichier stéréo se réduisait à une taille comprise entre 14 % et 23 % de celle du WAV.

Le résultat sans perte est de 0,763, et non de 0,744 comme dans notre article du 3 octobre, parce que depuis le 4 octobre ScoreStarling écrit un instrument sous la forme d’une seule ligne, ce qui a modifié cinq des solos. Les deux séries utilisent Basic Pitch 0.4.0.

Et pour le piano seul ?

Le modèle de piano a entendu les mêmes notes dans tous les formats. Son F1 sur les attaques par rapport aux notes jouées était de 0,9427 en sans perte, 0,9426 pour le témoin, 0,9428 pour le MP3 320 et 0,9433 pour le MP3 192, et il a trouvé environ 92,2 % des notes écrites dans tous les formats.

L’étape qui déduit la pulsation et les barres de mesure à partir de ces notes était moins stable, et le codec n’en était pas la cause. Elle a placé les barres de mesure autrement dans 5 des 50 interprétations après le témoin inaudible, et dans 7 après le MP3 320, dont quatre étaient les mêmes interprétations que pour le témoin. Cette étape réagit à n’importe quel changement, donc nous la comptons comme du bruit dans les résultats, et non comme un coût du MP3. Nous n’avons pas fait passer d’AAC sur le piano.

Et pour un groupe complet ?

Nous avons fait une comparaison payante avec Mirelo, sur le morceau de groupe de 60 secondes. Le fichier sans perte comme le MP3 ont donné 842 notes et coups de batterie, et 829 d’entre eux (98,5 %) commençaient à moins de 50 ms de ceux de l’essai sans perte.

Pourquoi des notes ont-elles changé ?

Toute modification de l’entrée déplace quelques notes situées juste au seuil d’un modèle. Sur les quelque 2 740 notes trouvées par Basic Pitch, le témoin inaudible en a déplacé une, le MP3 320 en a déplacé 10, l’AAC 17 et le MP3 192 14, jamais plus de 7 dans un même enregistrement. Le MP3 320 est ressorti à peine plus bas dans trois des cinq comparaisons (de 0,0013 à 0,0020), identique dans une et à peine plus haut dans une. L’AAC et le MP3 192 ont monté sur la guitare ou le morceau Slakh et baissé sur notre morceau de groupe synthétisé, de 0,008 au plus. Un codec qui coûterait une vraie précision montrerait une baisse nette partout, et aucun ne l’a fait.

Ce qu’un codec change vraiment, c’est le timing aux extrémités. Les encodeurs AAC ajoutent des échantillons de silence d’amorçage au début et complètent la fin jusqu’à une trame entière ; Apple documente un délai de 2 112 échantillons. Nos fichiers AAC ont été décodés avec 16 à 733 échantillons de plus. FFmpeg écrit le MP3 avec un en-tête Xing/LAME qui enregistre le délai de l’encodeur, et nos fichiers MP3 ont été décodés à la durée d’origine exacte. Cela compte quand une partition est lue en synchronisation avec son enregistrement.

Quel fichier importer ?

• Celui que vous avez déjà. Convertir d’abord un WAV en MP3 n’apporte rien, et reconvertir un MP3 en WAV ne ramène rien.
• Si vous devez compresser, le MP3 à 320 kbit/s est celui qui s’est le plus approché de l’original d’après le rapport signal sur bruit, et il a conservé la durée exacte.
• Nous n’avons pas mesuré les bas débits. Nous nous sommes arrêtés à 192 kbit/s : vérifiez donc ce que sauvegarde votre application d’enregistrement.
• La façon d’enregistrer compte bien plus que le format : une seule partie claire, peu de réverbération, pas de musique de fond. Notre guide du mémo vocal détaille ce qu’il faut vérifier.

ScoreStarling fonctionne désormais ainsi. Depuis le 5 octobre 2026, un WAV, un AIFF ou un FLAC importé est conservé en MP3 à 320 kbit/s et transcrit à partir de cette copie, ce qui stocke un enregistrement stéréo à 23 % de la taille de son WAV. Les fichiers MP3, M4A, Ogg et vidéo sont conservés tels quels : pour convertir un MP3 en partition, importez simplement le fichier que vous avez.

Ce que ce test ne peut pas vous dire

• Une seule chanson de groupe pour Mirelo, et un piano synthétisé plutôt que de vrais pianos enregistrés.
• Pas de chant. Nos vraies prises enregistrées sont privées et étaient déjà des fichiers AAC : elles ne pouvaient donc pas servir de référence sans perte.
• Un seul encodeur par format et aucun débit inférieur à 192 kbit/s.
• Le F1 sur les attaques dit si une note a été entendue, pas si la partition écrite se lit bien.