La science de la perception du son humain

Le son est une partie fondamentale de l'expérience humaine, façonnant la façon dont nous communiquons, naviguons dans notre environnement et profitons de l'art. Pourtant, le voyage d'une vibration physique dans l'air à une perception auditive riche et significative dans notre cerveau est une merveille de l'ingénierie biologique et neurologique.Pour les professionnels de l'audio – des ingénieurs d'enregistrement aux producteurs de podcasts – une compréhension profonde de ce processus n'est pas seulement académique. C'est la base sur laquelle sont construites des techniques efficaces de post-traitement.

Le système auditif humain est remarquablement sensible, capable de détecter les ondes sonores dans une plage de fréquences d'environ 20 Hz à 20 000 Hz. Cette plage n'est cependant pas uniforme dans sa sensibilité. Le processus commence lorsque les ondes sonores entrent dans l'oreille externe et font vibrer le tympan. Ces vibrations sont transmises par l'oreille moyenne à la cochlée de l'oreille interne. La cochlée est une structure en forme de spirale remplie de fluide bordée de milliers de minuscules cellules capillaires.

Au fur et à mesure que le fluide se déplace, ces cellules capillaires se plient, transformant les vibrations mécaniques en signaux électriques qui se déplacent par le nerf auditif au cerveau. Le cerveau interprète ensuite ces signaux, construisant notre perception du tampage, du volume, du timbre, de l'emplacement spatial, etc. Ce processus entier se produit en millisecondes, ce qui nous permet de réagir aux sons en temps réel.

Fréquence et perception des points de repère

La fréquence est la propriété physique d'une onde sonore, mesurée en Hertz (Hz), représentant le nombre de cycles par seconde. Le point, cependant, est la corrélation perceptuelle — combien un son nous semble élevé ou faible. Un ton de 440 Hz est perçu comme la note musicale A au-dessus du milieu C, tandis qu'un ton de 100 Hz est une note basse. L'oreille humaine n'est pas aussi sensible sur toute la gamme de fréquences. Il est plus sensible entre 2 000 et 5 000 Hz, une gamme qui coïncide avec les fréquences de la parole humaine, en particulier les sons consonnes qui portent une clarté linguistique.

Ce n'est pas un accident; notre audition a évolué pour donner la priorité à la communication. En dessous de 500 Hz et au-dessus de 8 000 Hz, la sensibilité diminue significativement. Par exemple, un son à 50 Hz doit être beaucoup plus intense (plus bruyant) pour être perçu aussi fort qu'un son à 2 000 Hz. Cette propriété est célèbrement décrite par les courbes Fletcher-Munson, maintenant connues comme des contours d'égale intensité, qui montrent que notre perception de la force de bruit

Volume et loudité

Bien que l'amplitude (niveau de pression acoustique) soit une quantité physique mesurable en décibels (dB SPL), la sonorité est une perception subjective de la puissance ou de l'intensité d'un son. Notre système auditif s'adapte aux niveaux sonores ambiants, phénomène appelé adaptation auditive. Un bruit bruyant soudain dans une pièce tranquille (comme un claquement de porte) est surprenant parce qu'il viole cette adaptation. Inversement, une humour stable d'un climatiseur s'estompe dans le fond. La relation entre l'amplitude et la sonorité n'est pas linéaire; une augmentation de 10 dB du niveau de pression sonore est généralement perçue comme environ deux fois plus forte.

De plus, la perception de la sonorité dépend de la durée du son — les sons très courts (moins de 200 ms) exigent plus d'amplitude pour être perçus comme aussi bruyants que plus longs.

Audition spatiale et localisation

Les humains sont remarquablement capables de déterminer d'où vient un son, en utilisant trois principaux indices : la différence de temps interaural (ITD), la différence de niveau interaural (ILD) et le filtrage spectral par la pinna (l'oreille externe). L'ITD se produit parce qu'un son de gauche atteint l'oreille gauche légèrement plus tôt que l'oreille droite (fractions d'une milliseconde). L'ILD se produit parce que la tête jette une ombre acoustique, rendant le son légèrement plus silencieux à l'oreille lointaine. Le filtrage spectral signifie que les sons au-dessus d'environ 1 000 Hz sont modifiés par la forme de notre oreille externe avant d'entrer dans le canal de l'oreille, fournissant des indices sur l'élévation et si la source est en avant ou en arrière.

Principes psychoacoustiques en génie audio

La psychoacoustique est l'étude scientifique de la perception du son par les humains. Plusieurs phénomènes psychoacoustiques clés informent directement les techniques de post-traitement audio, permettant aux ingénieurs de créer des conceptions sonores plus efficaces et plus efficientes.

Masque auditif

Le masquage auditif se produit lorsqu'un son rend un autre son inaudible ou plus difficile à entendre. Il existe deux types principaux : le masquage simultané et le masquage temporel. Le masquage simultané se produit lorsque deux sons se produisent en même temps, et le son plus fort (ou le son plus énergétique dans une région de fréquence) masque celui qui est plus silencieux. Par exemple, un cymbale fort peut masquer un strum de guitare souple. Ceci est dépendant de la fréquence; un son à basse fréquence est plus susceptible de masquer des fréquences basses que des fréquences élevées.

Le masquage temporal désigne le masquage qui se produit au fil du temps : un son fort peut masquer un son plus silencieux qui se produit immédiatement avant ou après (pré-masking et post-masking).

Bandes critiques et échelle d'écorce

La membrane basilaire de cochlea® agit comme un analyseur de fréquence, avec différentes régions répondant à différentes fréquences. Cette résolution n'est pas constante; elle peut être groupée en bandes critiques, qui sont des gammes de fréquences sur lesquelles l'oreille intègre des informations. L'échelle Bark divise la gamme de fréquences audibles en 24 bandes critiques, approximatives comme des étapes égales de fréquence perceptuelle. Cela a des implications directes pour l'égalisation. L'augmentation ou la coupe d'une bande critique complète affecte la perception claire d'un son.

Contours de l'égalité de la loudité et péréquation perceptive

Comme mentionné plus haut, nos oreilles sont moins sensibles aux basses et très hautes fréquences à de faibles volumes d'écoute. Cela signifie qu'un mélange ou un maître qui sonne équilibré à un niveau élevé (p. ex., 85 dB SPL) pourrait sonner trop bas et étouffé lorsqu'il est joué tranquillement, ou s'adoucir et faible lorsqu'il est joué à haute voix pour compenser le manque de bas. Les ingénieurs utilisent cette connaissance par l'étalonnage des haut-parleurs et des niveaux de surveillance. Certains outils de traitement comprennent une compensation de loudness -- ou une égalisation perceptuelle--- qui ajuste automatiquement l'égalisation en fonction du volume de lecture.

Demande d'enregistrement après traitement

Armés d'une compréhension de la perception du son par les humains, les ingénieurs du son appliquent une gamme d'outils post-traitement pour nettoyer, améliorer et façonner le son. Ces techniques ne sont pas appliquées au hasard mais avec des objectifs perceptifs spécifiques à l'esprit : clarté, présence, chaleur, profondeur spatiale et confort de l'auditeur.

Péréquation et définition de la fréquence

L'égalisation (EQ) est l'outil le plus fondamental dans le post-traitement. Elle permet aux ingénieurs d'ajuster l'amplitude de fréquences spécifiques. Connaître les courbes de sensibilité de l'oreille humaine permet d'éclairer les décisions de l'EQ. Par exemple, pour rendre une piste vocale plus présente et intelligible, un boost autour de 3 kHz (où l'oreille est la plus sensible) peut être efficace, mais un boost excessif peut causer de la fatigue auditive. Pour ajouter de la chaleur à une guitare basse, un boost d'environ 100-200 Hz pourrait être utilisé, mais cela pourrait facilement devenir boueux si la région basse-milieu (200-500 Hz) n'est pas contrôlée. Une coupe dans la gamme 300-500 Hz peut souvent nettoyer un mélange et améliorer la clarté en réduisant la „wooliness.

Compression de la gamme dynamique

La compression multibande réduit la portée dynamique d'un signal audio en atténuant les parties fortes ou en rendant les parties silencieuses plus bruyantes. Elle s'harmonise parfaitement avec notre système auditif. La compression lourde peut rendre une piste vocale plus présente et plus résistante à la variation dynamique naturelle que nos oreilles s'adaptent à. Cependant, une compression excessive peut éliminer les détails transitoires qui donnent vie aux instruments percussifs, ce qui entraîne un son plat et sans vie. Les ingénieurs utilisent des temps d'attaque et de relâchement pour contrôler la rapidité de réponse du compresseur.

Une attaque lente permet au transitoire initial (par exemple, le -crack) de passer à travers, en préservant l'impact, tandis qu'une attaque rapide le réduit, ce qui peut être souhaitable pour lisser une performance vocale. Le seuil et le rapport sont fixés pour atteindre une certaine intensité perçue sans introduire de distorsion. La compression multibande applique une compression séparée à différentes bandes de fréquences, permettant à un ingénieur de contrôler la dynamique de basse sans affecter la clarté de la basse, ou pour appréhender la dureté dans les hautes fréquences.

Réduction du bruit et désactivation

Si le bruit de fond est présent, il peut être masqué par le signal principal, mais dans les vides silencieux, le bruit devient évident. Une porte de bruit mute le signal quand il tombe sous un seuil, éliminant le bruit pendant les pauses. Des outils plus avancés comme RX d'iZotope utilisent l'apprentissage machine pour identifier et réduire le bruit tout en préservant le son désiré, basé sur des modèles de perception humaine. Désessiner vise la sibilance en comprimant uniquement le contenu haute fréquence qui provoque des sons --s. Ceci est une application directe de savoir que nos oreilles sont sensibles aux hautes fréquences, et que la sibilance excessive est fatiguante. En réduisant le niveau de pics sibilants à l'aide d'un compresseur sensible à la fréquence, la piste vocale globale reste claire sans artefacts difficiles.

Effets spatiaux et réverbération

Un enregistrement propre et sec peut donner un son artificiel parce qu'il manque les reflets et l'ambiance d'un environnement réel. Les ingénieurs utilisent la réverbération pour simuler l'acoustique d'une pièce. Par exemple, une réverbération courte et lumineuse avec une décroissance rapide peut suggérer une petite pièce carrelée; une réverbération longue et sombre avec une décroissance lente suggère une grande salle. La partie des réflexions précoces d'une réverbération (les premiers sons qui rebondissent sur les surfaces) est critique pour notre perception spatiale. En ajustant l'équilibre entre le son direct et la réverbération, les ingénieurs placent les sons dans un espace virtuel.

Panning utilise les repères ITD et ILD pour positionner les sons de gauche à droite.

Techniques avancées post-traitement basées sur la perception

Au-delà des bases, les outils audio modernes offrent des capacités avancées qui tirent directement parti de la psychoacoustique pour un contrôle plus raffiné.

Péréquation dynamique et phase linéaire QE

L'EQ dynamique est un outil puissant qui combine les fonctions de l'EQ et de la compression. Au lieu d'un boost ou d'une coupe statique de l'EQ, un EQ dynamique ajuste le gain d'une bande de fréquence en temps réel en fonction du niveau de signal d'entrée. Par exemple, si une fréquence spécifique (comme une résonance de pièce à 150 Hz) ne devient problématique que lorsqu'un chanteur chante fort, un EQ dynamique ne peut appliquer une coupure que pendant ces passages forts. Cela préserve le son naturel pendant les sections tranquilles. Comprenant que ces résonances peuvent masquer d'autres fréquences et causer une fatigue auditive, l'EQ dynamique fournit une solution transparente.

Compression et expansion multibandes

La compression multibande est essentielle pour maîtriser et mélanger le raffinement. En divisant le signal en bandes de fréquences distinctes (p. ex., basses, moyennes, hautes) et en compressant chacune de ces bandes de façon indépendante, les ingénieurs peuvent gérer des problèmes dynamiques qui varient par fréquence. Par exemple, les notes basses peuvent avoir de larges oscillations dynamiques qui provoquent des sons de pompage et de respiration dans le mélange, tandis que les fréquences élevées peuvent nécessiter une compression douce pour appréhender la sibilance.

Imagerie stéréo et traitement intermédiaire/side

Le traitement du milieu/face (M/S) divise un signal stéréo en un canal -mid-H (centre : partagé par les deux haut-parleurs) et un canal -side-H (différences gauche-droite : valeurs ambiantes et spatiales). Cette technique exploite directement la façon dont nous percevons la localisation spatiale. En stimulant le canal latéral, la largeur stéréo augmente, rendant le mix plus spacieux. Pourtant, trop d'informations latérales peuvent causer une annulation de phase lorsqu'on le résume à mono (commun sur haut-parleurs portables). Les ingénieurs doivent équilibrer la largeur avec une compatibilité mono, sachant que nos oreilles intègrent l'information des deux canaux.

Mesureur de l'intensité et limitation du pic véritable

Les compteurs modernes de sonorité (basés sur des normes comme ITU-R BS.1770) mesurent la sonorité perçue au fil du temps, en utilisant un modèle qui imite l'ouïe humaine. Ces compteurs fournissent une sonorité intégrée (LUFS), une sonorité à court terme et de vrais niveaux de pic. Comprenant que notre perception de l'intensité n'est pas la même que le niveau de pic, les ingénieurs utilisent ces compteurs pour obtenir une sonorité cohérente entre différents systèmes de lecture.

Conclusion: Intégrer la science à l'art

Chaque courbe d'EQ, chaque réglage de compression et chaque effet spatial sont des tentatives de travailler avec, ou parfois contre, notre perception naturelle pour obtenir une réponse émotionnelle et esthétique souhaitée. L'ingénieur qualifié ne se fie pas à la conjecture; ils utilisent les principes de la psychoacoustique pour prendre des décisions éclairées qui réduisent la fatigue de l'auditeur, améliorent la clarté et créent des expériences immersives. De la compréhension fondamentale de la sensibilité à la fréquence à l'application nuancée de la compression multibande et du traitement M/S, la science derrière laquelle nous entendons continue d'évoluer, d'alimenter l'innovation dans les outils et les techniques.

Pour de plus amples informations sur la psychoacoustique, explorez le Entrée Wikipédia sur la psychoacoustique. Pour plonger plus profondément dans les contours de l'égale loudness, voir le Norme ISO 226. Pour des techniques de mastering pratiques éclairées par la perception, consultez cet article Son sur le son. Et pour une compréhension du masquage auditif dans les codecs audio, le page de masque auditif N'oubliez pas que le meilleur outil de n'importe quel kit audio est une oreille informée.