📘 Comprendre cet outil — guide complet
1. À quoi sert cette page ?
Cet outil produit, pour une chanson, un fichier JSON de mesures audio
objectives (tempo, tonalité, tessiture, notes tenues, passages aigus, sauts, nuances,
phrasé, position rythmique des entrées, hauteur par mot, etc.). Ce JSON n'est pas destiné
à être lu tel quel : il alimente le générateur de la section « Conseils pour la chanter en
karaoké » du site karaokeclip.video.
Principe cardinal : l'outil MESURE, il n'interprète jamais, et
il est honnête sur la fiabilité de chaque mesure. Mieux vaut moins de
données mais 100 % concrètes que des données inventées — le générateur de conseils ne doit jamais
« halluciner ».
Traitement sur le serveur dans un environnement Python isolé (venv-audio),
sans GPU — comptez plusieurs minutes par titre. Le traitement est détaché : vous
pouvez fermer l'onglet, le navigateur ou l'ordinateur, il se poursuit et une notification arrive à
la fin.
2. Les 7 champs d'entrée : rôle et caractère obligatoire
Seuls les 3 fichiers WAV (bande complète, voix, instrumental) sont
obligatoires. Les 4 autres sont facultatifs : leur absence ne
bloque pas l'analyse, mais enrichit ou appauvrit le résultat comme détaillé
ci-dessous. Les trois WAV doivent provenir de la même source, à la même base de temps.
| Champ | Statut | Ce qu'il apporte au JSON | Conséquence s'il est absent |
|---|
Bande son complète
WAV — E1 |
obligatoire |
Base de temps de référence. Sert aux bornes du morceau, au
loudness, aux battements/mesures (madmom), au
tempo, à la tonalité & modulations, à la détection des
passages non musicaux, et à la liste globale d'instruments
(si aucun FLAC n'est fourni). |
Analyse impossible (fichier requis). |
Voix seule
WAV — E2 |
obligatoire |
Voix isolée (fournie par l'appli karaoké). Sert à l'activité vocale, à
toute l'analyse de hauteur (CREPE) → tessiture, notes tenues,
passages aigus, sauts, contour, vocalises, au débit, aux
nuances, au contrôle paroles↔attaques et à la
qualité de séparation. |
Analyse impossible (fichier requis). |
Instrumental seul
WAV — E3 |
obligatoire |
Sert au contrôle d'alignement (voix + instru doivent reconstituer la
bande complète), à la détection de la batterie (HPSS) et au repérage des
intro / breaks / outro instrumentaux. |
Analyse impossible (fichier requis). |
annotations.json
mots — E5 |
facultatif |
Paroles mot par mot (temps de chaque mot). Permet la hauteur par
mot (bloc lyrics_alignment.words), le contrôle temporel
(timing_check : écart mots↔attaques), et cible l'analyse de hauteur
uniquement dans les mots chantés (écarte vocalises hors-paroles et parasites). |
Pas de données par mot, pas de timing_check. La tessiture / notes tenues /
aigus / sauts restent calculés mais moins ciblés (filtrage par confiance
seul, sans masque de paroles). À défaut de SRT, le phrasé retombe sur les mots. |
.srt
lignes — E6 |
facultatif |
Paroles ligne par ligne. Définit le phrasé (une ligne =
une phrase chantée), d'où dérivent les breaks instrumentaux et la
position rythmique des entrées, et remplit le bloc
lyrics_alignment.lines. |
Pas de phrasé par ligne ni de bloc lines. Le phrasé retombe sur les mots
(E5) ; sans E5 ni E6, le phrasé, les breaks et les entrées ne sont pas produits. |
FLAC studio
tags — E4b |
facultatif |
Remplit source.flac : toutes les étiquettes du fichier
(titre, artiste, album, date, ISRC, identifiants MusicBrainz…) + durée / fréquence /
profondeur. Ces tags permettent de présélectionner l'enregistrement exact.
Le FLAC (le plus « pur ») sert aussi, s'il est présent, à calculer la liste globale
d'instruments. |
Pas de bloc source.flac (aucun tag). La liste d'instruments est alors
calculée sur la bande complète (E1) au lieu du FLAC. |
clip_report.json
remplacement — E4 |
facultatif |
Rapport produit par l'outil de Remplacement audio : correspondance
studio↔vidéo, décalage, fondus, ratio de tempo. Destiné à remplir
source.replacement. |
Pas de bloc source.replacement.
⚠ État actuel : cette entrée n'est pas encore finalisée —
aujourd'hui le rapport n'est exploité que si le FLAC (E4b) est aussi fourni, et les
tags du FLAC ne sont pas encore embarqués dans le rapport. (Évolution prévue : voir §5.) |
3. Le contrôle d'alignement (bloquant)
Avant toute mesure, l'outil vérifie que voix + instrumental reconstituent bien la bande
complète (même durée à ~quelques dizaines de ms près, décalage ≤ 10 ms, corrélation
suffisante). Si ce contrôle échoue, aucun JSON n'est produit : un fichier décalé
fausserait tous les horaires (entrées, phrases, notes…). C'est volontaire.
4. Structure du JSON produit (schéma 1.1)
Dérouler le détail des blocs
generated — versions des bibliothèques, processeur, tous les seuils
utilisés, graine de déterminisme, durées de traitement.subject — title, artist, kc_key (saisis dans
les champs « Identité » ; purement pour la lecture humaine).inputs — le contrôle d'alignement + empreinte (sha256), durée,
fréquence et nombre de canaux de chaque WAV.mix — bornes du morceau, loudness, battements &
mesures, tempo (BPM, stabilité, segments), tonalité
(+ accord entre profils, modulations conservatrices).
(structure, descriptors, non_music_segments
non fournis ou rares.)vocals — activité vocale, contour de hauteur, tessiture
(range), notes tenues, passages aigus,
sauts (intervalles), vocalises hors-paroles,
phrasé, débit (onset rate), nuances
(dynamique), qualité de séparation (dont in_lyrics_pitch_ratio,
l'indicateur clé de fiabilité de la hauteur).instrumental — intro, breaks,
outro (avec mesures/temps), batterie (entre / s'arrête), et
instruments (fiabilité basse — indication contextuelle seulement).entries — position rythmique des entrées de chant (n° de mesure, temps dans la
mesure, anacrouse), null si l'attaque tombe hors de la grille rythmique.lyrics_alignment — words (hauteur par mot, E5),
lines (hauteur par ligne + entrée, E6), timing_check (écart
mots↔attaques).source — flac (tags du FLAC studio, E4b) et
replacement (données du remplacement, E4).warnings — la liste honnête de tout ce qui a été dégradé, manquant ou peu fiable
(ex. fichier absent, hauteur peu fiable, séparation médiocre…).
5. Fiabilité des mesures (à connaître)
- Pleinement fiable alignement, timing, loudness, tempo,
battements, tonalité, mots/lignes + hauteur par mot, phrasé
(= lignes du SRT), entrées, nuances, vocalises, tags FLAC, intro/breaks/outro.
- Fiable sous réserve tessiture / notes tenues / aigus / sauts
(à pondérer par les drapeaux de confiance de hauteur).
- À pondérer modulations (très conservatrices), qualité de
séparation, instruments (fiabilité basse : modèle généraliste qui sur-étiquette
« guitare » — indication contextuelle seulement), batterie.
- Non fournis structure, voix multiples, descripteurs, passages
non musicaux (rares).
Évolution prévue (à valider) : embarquer les tags du FLAC dans le
clip_report.json au moment du remplacement, pour que le FLAC devienne
inutile à fournir ici dès lors que le rapport est présent, et aligner le bloc
source.replacement sur le schéma de l'architecte.