Comment enlever la voix d'une chanson - Guide | AnyVoice
Résumé
Trois méthodes clés : la séparation IA (rapide, transparente sur les productions modernes), l'annulation de phase (exacte si vous avez l'instrumentale officielle du même master), ou l'effet Audacity gratuit (creux dans les graves). Choisissez selon le fichier que vous avez. Aucune n'efface le droit d'auteur. Les artefacts sont courants. Écoutez le stem retiré pour comprendre l'erreur du modèle.
Voici comment enlever la voix d'une chanson, classé par ordre de praticité : un séparateur IA pour les stems (le plus rapide, le plus transparent sur la plupart des productions modernes), l'annulation de phase appliquée à une version instrumentale asservie (exact, mais seulement si vous possédez les deux fichiers), ou l'effet de réduction vocale d'un éditeur comme Audacity (gratuit, hors ligne, mais creux dans les graves). Choisissez en fonction du fichier que vous avez en main, pas en fonction de celui qui paraît le plus avancé. Et retenez bien : aucune de ces méthodes ne touche au droit d'auteur enregistré sur la recording originale.
Quelle méthode pour le fichier que vous avez réellement ?
La plupart des guides commencent par une liste d'outils. Commençons plutôt par le fichier, puisque la source fixe le plafond de qualité avant même que le logiciel ne s'exécute.
Vous avez le morceau original et rien d'autre ? Utilisez un séparateur IA. Vous possédez le mixe complet ET la version instrumentale officielle du même master ? L'annulation de phase l'emporte. La voix est un prise mono et sèche, panoramiquée au centre, et vous avez juste besoin d'une backing track raide pour une répétition ? L'effet Audacity suffit. Trois entrées, trois réponses.
Mixe complet, tout genre : séparation par IA. Transparent sur les productions éparses, aqueux sur les refrains denses.
Mixe complet plus instrumentale officielle (même master) : annulation de phase. Isolation vocale quasi parfaite, si l'alignement des samples est rigoureux.
Mixe complet avec voix panoramiquée au centre : Vocal Reduction d'Audacity. La voix s'efface, mais les graves et la grosse caisse s'amincissent aussi.
Conseil de session : un WAV ou FLAC sans perte sépare toujours mieux qu'un MP3 bas débit. Les artefacts de compression sont interprétés comme des parties du mixe, et le modèle les grave dans le mauvais stem.
Comment fonctionne réellement la séparation vocale par IA ?
Un modèle de séparation est entraîné sur de vastes catalogues où les parts étaient connues, de sorte qu'il a appris à reconnaître ce qu'une voix ressemble, enfouie dans un mixe complet. Vous uploadez une piste, le modèle la convertit en spectrogramme (une carte des fréquences jouées et du moment où elles jouent), estime quelle énergie appartient à la voix, et reconstruit chaque estimation en fichier audio distinct.
Relisez ça : il estime. Le modèle n'extrait pas une piste vocale cachée du fichier. Il la reconstruit, ce qui explique pourquoi la sortie s'en rapproche sans jamais être exacte.
Le point de référence open source est Demucs de Meta, sur lequel s'appuient de nombreux outils grand public. Le projet rapporte environ 9 dB de rapport signal-sur-distorsion (SDR) sur le test MUSDB18 HQ pour son modèle transformeur hybride, soit 9,20 dB pour la variante fine-tuned. Le SDR est une échelle logarithmique, donc quelques dB représentent une grande différence audible. La pratique communautaire l'interprète ainsi : au-delà de 8 dB utilisable dans la plupart des contextes, 2 à 5 dB avec artefacts audibles. Considérez ces bornes comme une règle empirique, non comme un standard absolu. Le dépôt a été archivé en janvier 2025, donc il est stable mais ne s'évolue plus, et les outils commerciaux plus récents ont continué leur progression.
Le workflow est court :
Partez de la meilleure source disponible (sans perte si c'est possible, version studio plutôt que rip live).
Uploadez vers un séparateur, ou lancez Demucs localement avec une séparation à deux stems (voix et le reste).
Écoutez les deux sorties avant de télécharger quoi que ce soit.
Isolez les refrains. C'est là où l'arrangement est le plus serré, et c'est où la séparation casse en premier.
Exportez l'instrumental dans le format que votre projet exige, pour ne pas convertir deux fois.
Voici ce que la sortie donne vraiment en conditions réelles : les couplets éparses sortent nets, tandis qu'un refrain avec harmonies empilées sur un pad large laisse un léger halo fantôme où se trouvait la voix. Ce halo, c'est la meilleure estimation du modèle face aux fréquences qui se chevauchent. Les queues de reverb sont l'autre piège classique, puisque l'écho d'une voix reste une voix selon la math.
Quand l'annulation de phase reste supérieure ?
L'annulation de phase est la vieille méthode, et c'est la seule qui peut être exacte. Deux formes d'onde identiques jouées décalées de 180 degrés produisent le silence. Donc si vous tenez le mixe complet ET une instrumentale du même master, vous inversez la polarité de l'instrumentale, vous alignez pixel par pixel avec le mixe, et tout ce que les deux pistes partagent s'annule. Ce qu'il reste, c'est la voix.
Dans Ableton Live vous chargez les deux fichiers sur des pistes séparées, posez le device Utility sur l'instrumentale et inversez les deux boutons de phase. Dans Logic Pro le plugin Gain fait le même travail. Puis vous échantillonnez ou vous bouncez le résultat.
Les conditions sont strictes :
Alignement au sample près. Un seul sample de décalage et l'annulation devient un chaos en peigne.
Même master. Un limiteur différent ou un effet de modulation aléatoire casse la null.
Fichiers sans perte. Les codecs avec perte introduisent des différences qui ne s'annulent pas.
C'est pour ça que l'annulation de phase est un outil de producteur, pas un outil grand public. Les versions instrumentales accompagnent une quantité de singles, et si vous avez les deux vous extrayez une acapella clean en quelques minutes. Si vous n'avez que le mixe, passez à la section suivante.
Qu'est-ce que la méthode gratuite d'Audacity fait réellement ?
Audacity propose deux voies. La première est l'effet Vocal Reduction and Isolation, que vous trouvez sous Effect > Special. Réglez l'action sur Remove Vocals et appliquez. La deuxième est la version manuelle : découplez la piste stéréo, sélectionnez un canal, appliquez Invert, et jouez les deux canaux ensemble. Tout ce qui est identique en gauche-droite s'annule.
Les deux chemins exploitent une convention du mixage, pas une propriété de la voix. Les voix principales s'assoient presque toujours au centre, donc l'annulation du centre les retire. Mais la grosse caisse et la basse s'assoient au centre aussi, et elles partent avec. C'est la raison de ces graves creux dont tout le monde se plaint après cette astuce. L'effet a fait exactement ce que vous aviez demandé. Le mixe avait juste plus qu'une voix au milieu.
Elle échoue aussi sur les voix étalées en stéréo, les voix en double décalées larges, et tout ce qui est nappé de reverb stéréo. Il n'y a rien de centré à annuler. La page officielle du manuel Audacity sur Vocal Reduction and Isolation liste les réglages et mentionne une option de séparation par plugin si vous voulez des résultats au niveau modèle sans quitter l'app.
Sautez cette méthode si la chanson est un mixe pop moderne. Elle vaut le coup si vous avez juste besoin d'une passe karaoké raide sur un enregistrement stéréo 1970 avec voix au centre dur, hors ligne, en deux minutes.
Pourquoi l'instrumental sonne mince, aqueux ou robotique ?
Parce que chaque méthode estime, et les artefacts sont l'estimation qui transpire. Une chanson finie n'est pas stockée comme des parts séparées.
Les causes sont régulières entre les outils :
Fréquences qui se chevauchent. Là où la voix partage de l'espace avec une guitare, un pad de cordes ou une cymbale, le modèle tranche sur lequel des deux côtés cette énergie tombe. Ce qu'il coupe mal devient le halo aqueux.
Queues de reverb et delay. Acoustiquement, elles appartiennent à la voix, donc elles se tirent vers le stem vocal ou restent comme des fantômes dans l'instrumental.
Masters surcompressés. Les mixages limités à mort offrent au modèle moins de contraste dynamique pour démêler les parts. Un master ancien et dynamique sépare souvent mieux qu'un master moderne étouffé.
Sources avec perte. Les artefacts des codecs s'empilent par-dessus tout le reste.
Vous pouvez réduire les dégâts en post. Un EQ notch doux sur l'instrumental, une passe de de-reverb, et un peu de transient shaping sur la batterie récupèrent un montant surprenant. Mais fixez le but honnêtement : éliminer complètement une voix d'une chanson mixée est généralement impossible. Le but c'est une sortie assez clean pour votre utilisation, et la répétition est une barre bien plus basse que la publication.
Conseil de session : écoutez toujours le stem vocal isolé en plus de l'instrumental. Les fuites de batterie et de guitare dans le stem vocal vous disent exactement où le modèle s'est trompé.
Pouvez-vous publier un instrumental fait de cette façon ?
Non, retirer la voix ne retire pas le droit d'auteur. L'instrumental reste la même recording protégée et la même composition protégée, avec une part mise en sourdine. Selon la loi américaine, une version modifiée d'une chanson entre dans la définition d'une œuvre dérivée, et le droit de créer des œuvres dérivées appartient au détenteur du droit d'auteur. Le Circulaire de l'Office des droits d'auteur américain sur les œuvres dérivées est le point de départ en langage clair. Ce n'est pas un conseil juridique, et les juridictions diffèrent.
La ligne pratique est la répétition contre la publication. Passer une piste par un séparateur pour répéter sur la backing track chez soi est une situation. Mettre cet instrumental sur une upload monétisée en est une autre, et les plateformes appareillent les instrumentaux contre leurs recordings source automatiquement.
Si le but final est un instrumental publiable, les routes plus claires sont : la musique sous licence qui sort avec les stems, votre propre matériel, ou une piste que vous avez commandée. Couper un stem vocal auquel vous avez les droits d'utilisation est un vrai instrumental sans reconstruction.
La route plus nette : ne jamais cuire la voix
Parfois le meilleur geste est de ne pas cuire la voix. Si vous générez de la musique avec l'IA, les deux gros générateurs vous laissent exporter les stems, donc la voix et la backing track arrivent séparées.
Le tier Pro de Suno inclut la séparation des stems, et les tiers Standard et Pro d'Udio incluent les téléchargements de stems. Ça vous donne un instrumental vrai sans reconstruction, et les conditions de droits commerciaux sont écrites sur le plan plutôt que devinées.
Sautez ce chemin si vous avez besoin d'une chanson existante précise. Ça vaut le coup si ce que vous avez vraiment besoin c'est une backing track qui s'accorde à une atmosphère et un tempo.
Que faites-vous une fois la voix partie ?
Le retrait est généralement l'étape une de quelque chose d'autre. Trois suites reviennent sans cesse sur le subreddit audio.engineering et dans les forums game dev.
Vous voulez nettoyer un stem de parole. Après séparation, un stem vocal n'est jamais prêt pour la diffusion. Les outils Studio Sound et filler-word de Descript sont une route commune pour nettoyer la parole après, même s'ils sont construits pour la parole et non pour les lignes chantées, et le tier gratuit est limité à une heure de transcription.
Vous voulez une nouvelle voix sur l'instrumental. C'est le workflow où le clonage vocal entre en jeu : une backing track avec une ligne principale fraîche, une voix guide pour une démo, ou une version localisée d'un jingle. ElevenLabs est la référence de longue date pour le clonage vocal et la narration multilingue, et il offre un tier gratuit de 10 000 caractères par mois plus des plans payants à partir de $22 par mois. Quel que soit l'outil, clonez seulement des voix pour lesquelles vous avez le consentement, et vérifiez les conditions de licence de la backing track avant de publier quoi que ce soit.
Vous voulez étudier le mixe. C'est la meilleure utilisation de la séparation des stems. Isolez la batterie, la basse ou la voix d'une recording que vous admirez et apprenez comment les parts s'assoient ensemble : montant de compression, panoramique, send de reverb. Pour ce travail, une séparation à 8 dB c'est plus que suffisant.
Avant votre prochaine session
Voici le chemin de décision court, réduit à l'essentiel.
Vous avez une instrumentale officielle du même master ? Annulez-la avec l'annulation de phase. Vous n'avez que le mixe complet ? Lancez un séparateur et écoutez les refrains avant de vous engager. Vous travaillez avec une voix au centre dur sur un enregistrement stéréo ancien et vous avez juste besoin d'une backing track pour la répétition ? Utilisez Audacity et acceptez l'amincissement des graves.
Puis fixez deux attentes avant d'exporter. Premièrement, les artefacts sont l'estimation qui se voit, donc écoutez le stem que vous avez retiré autant que celui que vous avez gardé. Deuxièmement, le droit d'auteur sur la chanson reste où il était. Utilisez l'audio séparé pour la répétition, le remixage de votre propre matériel, et l'étude, et concédez sous licence tout ce que vous prévoyez de publier.