Logiciel montage musique IA : éditer après la génération

Un logiciel montage musique IA commence son vrai travail une fois la synthèse terminée : régénérer huit mesures sans toucher au reste de l'arrangement, isoler la piste batterie parce qu'elle entre en conflit avec une voix préenregistrée entre 2 et 4 kHz, remonter une note d'un demi-ton parce que la mélodie accroche une ligne de dialogue clonée en dessous.

Qu'on soit parti d'un prompt texte ou d'une source extérieure:stems client, boucle de référence, mélodie fredonnée:quatre modèles d'édition récurrents émergent : l'inpainting (régénérer une région sélectionnée, préserver le reste), la séparation de stems (isoler les instruments après coup), l'audio-to-audio (transformer une piste qu'on n'a pas générée soi-même), la modification au niveau des notes (un piano-roll qu'on peut vraiment cliquer). Aucun n'est interchangeable. L'inpainting fonctionne quand l'arrangement vous plaît et qu'une section seule a besoin d'être réécrite. La séparation de stems intervient quand vous devez extraire une partie de matériel qu'on ne contrôle pas et qu'on ne possède pas en fichiers distincts. L'audio-to-audio, quand un client vous tend une maquette brute et dit « quelque chose comme ça, mais plus ample ». La modification au niveau des notes, quand c'est une seule note fausse qui pose problème, pas tout le rendu.

Note de session : nous avons testé chaque outil sur le même brief, une sting d'ambiance tendue de quarante-cinq secondes destinée à un trailer de jeu vidéo de quatre-vingt-dix secondes avec trois lignes de dialogue PNJ mixées par-dessus. Même brief, cinq flux d'édition très distincts.

Udio : inpainting contre Suno Studio, deux modèles rivaux

Le modèle d'édition d'Udio est l'inpainting au niveau section : sélectionner une plage sur la timeline, réécrire cette plage seule, et l'audio environnant reste intact. Notre test portait sur une douzaine de régénérations : pas de dérives. La version 4 produit du stéréo 48 kHz et allonge les pistes jusqu'à dix minutes sans les dérives mélodiques que les générateurs à court contexte révèlent après deux minutes. Sur un trailer où seule la final swell avait besoin de retouche, l'inpainting de la queue de douze secondes s'est avéré plus rapide qu'une régénération complète des quarante-cinq secondes et du tri des variantes qui suit.

Le chemin d'édition de Suno est différent : Suno Studio, inclus dans l'abonnement Premium à 24 $/mois, plonge la piste générée dans une DAW légère avec accès aux stems plutôt que d'offrir une régénération au niveau section. C'est le meilleur choix si votre édition est un geste de mixage (tirer la basse, équilibrer la voix, ajouter une réverbération) plutôt qu'un changement de composition. L'offre gratuite de Suno vous plafonne à 50 crédits quotidiens sur le modèle v4.5-all sans droits commerciaux. Pro à 8 $/mois déverrouille v5.5 et les droits commerciaux, mais pas la DAW Studio.

Trois cas d'usage où l'inpainting prime : corriger une mauvaise transition, rescorier un changement de scène sans régénération complète, prolonger une boucle au-delà d'une coupure nette. Un cas où il n'intervient pas : accorder les stems existants d'un client, puisque l'inpainting ne touche que le matériel que l'outil a lui-même généré.

Stable Audio : audio-to-audio, éditer du matériel qu'on ne possède pas

L'angle d'édition de Stable Audio résout un problème que les deux autres ne touchent pas : vous ne possédez pas la source. Le transfert de style audio-to-audio reprend un clip existant:un fredonnement brut, une boucle de référence, les stems d'un client, une démo fournie:et le transforme en préservant la structure sous-jacente. Le mode inpainting rallonge ou complète un clip à l'une ou l'autre extrémité, utile pour étirer une sting de trente secondes en un lit de quatre-vingt-dix secondes sans couture audible.

La sortie plafonne à du stéréo 44.1 kHz, jusqu'à six minutes par génération. La famille de modèles n'a été entraînée que sur des données dont Stability AI possède les droits de licence, ce qui compte si l'équipe juridique d'un client pose question sur l'origine des données d'entraînement avant qu'une pièce ne soit diffusée dans un trailer commercial.

Ce qui pose problème sur notre brief : l'audio-to-audio change texture et orchestration de façon convaincante, mais il ne corrige pas une mélodie harmoniquement fausse contre du dialogue. C'est un problème au niveau des notes, pas au niveau du style.

AIVA : piano-roll, quand vous avez besoin du contrôle note par note

Aucun outil ci-dessus ne vous laisse cliquer une note isolée pour la déplacer. AIVA le fait, parce qu'il est construit autour de la composition orchestrale et cinématique avec plus de 250 présets stylistiques, et son éditeur piano-roll expose mélodie, harmonie et orchestration pour les ajustements manuels après génération. Sur notre brief, c'est là qu'on a corrigé un accord diminué qui accrochait la ligne du dialogue du PNJ. Aucun outil d'inpainting ne couvre ce type d'édition ; vous avez besoin de voir et de saisir la note.

Le plan gratuit est non-commercial (trois téléchargements par mois, AIVA conserve les droits d'auteur, mention requise). Standard coûte 11 EUR/mois facturés annuellement pour quinze téléchargements et droits de monétisation limités, c'est le plan que vous voulez à partir du moment où une sting se publie quelque part.

Oubliez AIVA si vous avez besoin de quelque chose de rapide pour un intro de podcast hebdomadaire. Le flux piano-roll récompense les dix minutes supplémentaires sur une sting heroïque, pas sur une piste à usage unique.

Soundraw : mixer direct, le chemin le plus rapide vers un lit instrumental clean

Soundraw saute les prompts textes : choisir un genre, une ambiance, une durée, puis ajuster l'énergie par section et échanger des instruments via un mixer dans le navigateur. Aucune DAW requise, aucune boucle export-import. Pour un producteur qui a besoin d'un lit instrumental propre sous la narration d'ici la fin d'une pause déjeuner, c'est le plus rapide des cinq outils testés, génération à téléchargement inclus en moins de trois minutes même avec échanges d'instruments.

C'est le positionnement licensing qui vaut d'être noté : Soundraw s'entraîne exclusivement sur la musique que ses propres producteurs ont enregistrée en interne plutôt que sur des catalogues prélevés, donc chaque piste sort avec une histoire de droits plus claire que la plupart des concurrents axés sur la génération.

Cela en vaut la peine si vos éditions se situent au niveau mix (énergie, échanges d'instruments, longueur de section). Passez si vous avez besoin de modifier une mélodie après coup ; la surface d'édition de Soundraw s'arrête au niveau arrangement.

Gain staging et correspondance de loudness contre une voix clonée

C'est l'étape que chaque critique centré sur la génération omet, et c'est celle qui casse les sessions. Les générateurs de musique IA exportent à une loudness sauvagement incohérente : nous avons mesuré des exportations des cinq outils atterrissant n'importe où de -9 à -18 LUFS intégrés, aucune cible de normalisation cohérente entre eux. Déposer cela directement sous une piste de narration clonée mixée selon la norme de radiodiffusion, et la musique enterre la voix ou disparaît sous elle.

Apple Podcasts recommande une loudness globale autour de -16 LKFS avec une tolérance ±1 dB pour le contenu parlé. Pour un lit musical assis sous la narration plutôt que de porter la scène seul, on tire généralement l'export IA vers le bas de 6 à 10 dB supplémentaires relatifs à ce référent vocal, puis on pilote un duck sur les bas médiums où les fréquences du dialogue résident. Aucun des cinq outils n'en gère cela automatiquement ; c'est une passe manuelle dans votre DAW à chaque fois.

Note de session : les exports Suno et AIVA portaient tous deux plus d'énergie bas-médium que Udio ou Stable Audio à la même loudness perçue. Un quick high-pass à 80-100 Hz avant le ducking a économisé un décibel complet de headroom sur le mixage du trailer.

Le flux qui a vraiment tenu face aux cinq outils : importer l'export à sa loudness native, d'abord faire une passe de metering plutôt que se fier à vos oreilles contre une piste de référence différente, tirer le lit complet vers le bas à environ -24 LUFS intégrés en tant que point de départ sous la narration, puis automatiser un duck de 3 à 6 dB calé sur l'enveloppe de transient du dialogue plutôt qu'un drop de gain plat. Un duck plat sonne mécanique le moment où le rythme du dialogue change ; un duck calé sur l'enveloppe suit la performance au lieu de lutter contre elle.

Séparation de stems : utile pour la réparation, pas pour le flux principal

Les séparateurs de stems:Moises, Lalal.ai, RipX, et les outils de stems IA maintenant intégrés à Cubase et Logic:se font recommander constamment comme « la » solution d'édition musique IA. Ils ne le sont pas, pour notre cas d'usage. C'est un outil de réparation pour le matériel qu'on ne possède pas : tirer les voix d'une piste de référence, isoler une ligne de basse d'une démo qu'un client a envoyée. Lancer un séparateur de stems sur une piste qu'on a générée soi-même, c'est résoudre un problème que l'inpainting ou le mode audio-to-audio résout déjà nativement, généralement avec une séparation plus propre parce que le modèle source possède les stems originaux en interne avant de bouncer en stéréo.

La séparation de stems gagne sa place dans ce flux : nettoyer une piste de référence fournie par le client avant de la placer dans le mode audio-to-audio de Stable Audio, ou isoler un instrument égaré d'un export IA ancien qui précède l'époque où ces outils disposaient d'accès natif aux stems. C'est un fallback, pas un premier mouvement.

On a lancé la même sting de trailer via un séparateur de stems après export depuis Suno, juste pour comparer. La qualité de séparation sur la batterie était sensiblement plus mauvaise que l'extraction native de stems via Suno Studio, avec des artefacts autour des transients sur chaque frappe de kick. C'est le pattern général : un séparateur entraîné à deviner les limites des instruments dans un mix terminé perdra toujours du détail qu'un générateur possédait déjà en tant que données distinctes avant le bounce en stéréo.

Avant votre prochaine session

Pour un trailer ou une sting de jeu avec dialogue par-dessus : Udio pour la passe de composition, AIVA si un accord spécifique ou une mélodie a besoin d'une correction manuelle, Stable Audio si vous transformez quelque chose qu'un client a déjà envoyé. Pour un lit de podcast hebdomadaire ou un interstitiel d'audiobook indépendant : Soundraw, parce que le mixer dans le navigateur dépasse une boucle DAW quand le délai se mesure en minutes. Pour tout ce qui se diffuse commercialement, vérifiez le palier de licensing avant de vérifier le son : l'arrangement de licensing du Warner Music Group avec Suno et l'arrangement UMG avec Udio ont tous deux atterri fin 2025, et les lignes de droits commerciaux entre les paliers gratuit, Pro et Premier ont bougé en conséquence. Lisez les conditions actuelles avant qu'une sting ne se diffuse dans n'importe quoi de monétisé, pas les conditions dont vous vous souveniez il y a six mois.

La question « quel outil sonne le mieux » dans une comparaison de démo est la mauvaise première question. La bonne est : est-ce que vous pouvez encore entrer et corriger les douze secondes qui n'épousent pas bien votre dialogue, sans recommencer à zéro.