Comment récupérer les voix, la batterie et les guitares à partir d’une chanson finalisée : Music Source Restoration en 2026

Une chanson finalisée peut sembler être un enregistrement continu unique, mais elle provient à l’origine d’un ensemble de sources musicales distinctes : voix principales et chœurs, batterie, basse, guitares, claviers, synthétiseurs et autres instruments. Une fois ces éléments mixés, traités et masterisés, il devient difficile de les séparer à nouveau, car leurs fréquences se chevauchent et les effets de studio modifient les signaux d’origine. La technologie Music Source Restoration, généralement abrégée en MSR, s’attaque à une version plus ambitieuse de ce problème. Au lieu d’extraire simplement la voix ou la batterie encore perceptible dans le master, la MSR cherche à estimer une source plus propre et moins traitée, proche de celle qui existait avant l’application d’une grande partie du mixage et du mastering. Des recherches publiées en 2025 ont défini la MSR comme une tâche audio distincte, tandis que les travaux présentés autour de l’ICASSP 2026 en ont fait un domaine actif disposant de benchmarks dédiés, de systèmes concurrents et d’outils de recherche accessibles au public.

D’un master finalisé à des sources musicales séparées

La séparation traditionnelle des sources musicales permet déjà de prendre un enregistrement stéréo et d’estimer plusieurs parties individuelles. Un système de séparation peut recevoir un seul fichier WAV ou FLAC et produire des fichiers distincts pour les voix, la batterie, la basse et d’autres instruments. Cette méthode est utile, mais elle présente une limite importante. La voix extraite conserve généralement les caractéristiques ajoutées pendant la production. Si le chant a été compressé, égalisé et accompagné de réverbération avant la création du master final, un modèle de séparation classique extrait en général une voix qui contient encore au moins une partie de ces modifications. Il sépare ce qui existe dans l’enregistrement finalisé au lieu de tenter de reconstruire la source antérieure du studio.

Music Source Restoration ajoute un autre objectif. Le système doit identifier les sons appartenant à chaque source musicale tout en estimant la manière dont ces sons pouvaient se présenter avant leur traitement. Prenons l’exemple d’une guitare enregistrée avec plusieurs effets. Ses fréquences peuvent avoir été modifiées par une égalisation, ses notes fortes et faibles peuvent avoir été rapprochées par compression et une réverbération peut l’avoir placée dans un espace acoustique artificiel. Le master final peut ensuite recevoir un traitement supplémentaire, notamment une limitation, un traitement stéréo et un encodage avec perte. La MSR considère ces transformations comme une partie intégrante du problème de restauration au lieu de supposer que le mix masterisé correspond simplement à une somme propre de plusieurs instruments.

Cette distinction a été formalisée grâce aux recherches menées par Yongyi Zang, Zheqi Dai, Mark D. Plumbley et Qiuqiang Kong. Leurs premiers travaux sur la MSR ont introduit RawStems, une collection annotée couvrant 578 chansons et 354,13 heures de sources non traitées, organisées en huit groupes principaux et 17 catégories secondaires d’instruments. L’objectif était de fournir aux modèles des exemples de sources musicales avant le type de traitement généralement entendu dans un master commercial. En 2026, le domaine avait progressé jusqu’à disposer d’un défi dédié à l’ICASSP et d’une procédure d’évaluation plus structurée, permettant de comparer différentes méthodes sur le même problème de restauration au lieu de s’appuyer uniquement sur des démonstrations choisies par chaque équipe de recherche.

Ce que le système recherche dans les voix, la batterie et les guitares

Une voix possède une combinaison reconnaissable de variations de hauteur, de formants, de consonnes, de respirations et de phrasés. Même lorsque le chanteur se superpose aux guitares, aux claviers ou aux cymbales, ces caractéristiques fournissent des indices qu’un modèle de séparation peut exploiter. La difficulté vient du fait que le traitement modifie ces indices. La compression peut changer le rapport entre les syllabes faibles et les notes puissantes, la réverbération produit des copies retardées de la voix et l’égalisation peut réduire ou accentuer certaines parties de son spectre fréquentiel. Un système MSR ne se contente donc pas de localiser l’énergie correspondant à la voix. Il utilise également les modèles appris à partir d’enregistrements non traités pour estimer à quoi pourrait ressembler une version plus propre du chant.

La batterie pose un problème différent. Une grosse caisse produit un impact puissant dans les basses fréquences, une caisse claire comporte une attaque brève suivie d’une décroissance plus bruitée, tandis que les cymbales peuvent occuper une large partie des hautes fréquences. Ces sons sont souvent plus faciles à reconnaître qu’à reconstruire avec précision. Une forte compression de bus peut modifier les transitoires de la batterie, la saturation peut changer son contenu harmonique et une réverbération naturelle ou artificielle peut prolonger considérablement un seul coup. Les percussions sont particulièrement difficiles à traiter, car les sons courts peuvent être masqués par d’autres instruments et partager des plages de fréquences similaires avec les charlestons, les cymbales, les shakers ou certains effets.

Les guitares présentent une diversité encore plus importante. Une guitare acoustique, une guitare électrique au son clair et une guitare électrique fortement saturée peuvent avoir des caractéristiques acoustiques très différentes, même si elles appartiennent à la même grande famille d’instruments. Les accords occupent également plusieurs fréquences simultanément et peuvent se superposer aux voix, aux claviers et aux synthétiseurs. Un modèle de restauration doit donc utiliser à la fois le son présent à un instant précis et la manière dont les informations musicales évoluent dans le temps. Il ne recherche pas simplement une bande de fréquences fixe associée à la « guitare ». Il estime quels motifs changeants correspondent le mieux à une interprétation de guitare, puis reconstruit cette source tout en limitant les éléments appartenant à d’autres instruments.

Pourquoi Music Source Restoration va plus loin que la séparation classique des stems

La manière la plus simple de comprendre la différence consiste à imaginer un ancien mix finalisé contenant une voix avec une forte réverbération. Une séparation classique des stems peut produire une piste vocale isolée et exploitable, mais cette voix peut toujours contenir la traîne de réverbération entendue sur l’enregistrement. La MSR tente d’aller plus loin en produisant une estimation plus proche de la voix avant l’ajout de cet effet. Le même principe s’applique à une batterie modifiée par compression, à des guitares transformées par un traitement tonal et à des instruments affectés par le mastering. Cela ne signifie pas que toutes les décisions prises en studio peuvent être annulées parfaitement. Le système estime les informations manquantes à partir de modèles appris pendant son entraînement ; il ne remonte pas exactement chaque étape de la production à partir d’un enregistrement complet du processus original.

Bon nombre des approches les plus performantes en 2026 divisent la tâche en plusieurs étapes. Tout d’abord, l’enregistrement finalisé est séparé en sources musicales approximatives. Une seconde étape de restauration travaille ensuite sur ces estimations et tente de corriger les effets du traitement de production ou d’autres dégradations. Un système présenté en 2026 utilisait un séparateur BandSplit-RoFormer pour estimer huit stems instrumentaux ainsi qu’une sortie supplémentaire « other », avant d’appliquer des modèles de restauration spécialisés. Un autre système participant à la compétition combinait plusieurs modèles de séparation avant d’effectuer une reconstruction ciblée des différentes sources. Les architectures diffèrent, mais les deux approches suivent la même logique pratique : identifier un instrument et restaurer son état antérieur sont deux problèmes liés, mais distincts.

Les chercheurs testent également différents ordres pour ces opérations. Certains systèmes effectuent d’abord la séparation puis la restauration, tandis que d’autres travaux ont étudié la possibilité d’améliorer le signal mixé avant de procéder à la séparation. Cette question est importante, car les dégradations présentes avant même que le modèle ne reçoive l’enregistrement peuvent compliquer l’identification des instruments. Un fichier fortement compressé ou mal encodé peut contenir moins de détails utiles qu’un master de haute qualité. Il n’existe donc pas, en 2026, une seule méthode MSR universelle. Les recherches actuelles comparent plusieurs approches afin de déterminer quel ordre et quelle combinaison de séparation, d’amélioration et de reconstruction produisent les résultats les plus fiables selon les instruments et les conditions d’enregistrement.

Ce que montrent concrètement les recherches de 2026

La création de MSRBench constitue une étape importante vers des tests plus réalistes. Ce benchmark a été conçu spécifiquement pour comparer les sources restaurées avec leurs références non traitées correspondantes. Il couvre huit grandes catégories : voix, guitare, clavier, synthétiseur, basse, batterie, percussions et orchestre. Des ingénieurs du son professionnels ont réalisé les mixages tout en conservant l’accès aux sources antérieures, ce qui permet aux chercheurs de mesurer à quel point une sortie restaurée ressemble à une véritable référence au lieu de déterminer uniquement si un instrument semble correctement isolé. Le benchmark inclut également douze types de dégradations supplémentaires représentant des problèmes tels que les interférences acoustiques, les artefacts de type analogique et l’encodage audio avec perte.

Le premier MSR Challenge, dont les résultats ont été publiés en 2026, illustre à la fois les progrès réalisés et les difficultés qui subsistent. Cinq équipes y ont participé. Selon le résumé officiel du défi, le système arrivé en tête a atteint 4,46 dB sur la mesure objective Multi-Mel-SNR et obtenu une note moyenne subjective globale de 3,47. Les performances se sont révélées très différentes selon les instruments. Pour l’ensemble des systèmes soumis, la basse a obtenu en moyenne 4,59 dB selon la mesure Multi-Mel-SNR rapportée, tandis que les percussions n’ont atteint que 0,29 dB. Cette différence est importante, car elle montre qu’un seul score global ne permet pas de décrire de manière équivalente la qualité de restauration pour chaque type de contenu musical.

Ces résultats expliquent également pourquoi la MSR ne doit pas être considérée comme un remplacement complet des sessions multipistes originales. Une estimation convaincante de la basse ne signifie pas que chaque coup de cymbale, chaque résonance de guitare ou chaque détail des chœurs peut être reconstruit avec la même précision. Certaines informations musicales deviennent difficiles à distinguer lorsque plusieurs sons occupent les mêmes fréquences, tandis que d’autres détails peuvent être définitivement réduits par un traitement agressif ou un encodage avec perte. La technologie progresse rapidement, mais les données les plus solides disponibles en 2026 décrivent toujours un domaine de recherche actif. Les tests d’écoute et les mesures basées sur des références restent importants, car un stem qui semble correctement séparé peut encore contenir une texture artificielle, des transitoires manquantes ou des traces d’instruments voisins.

À quoi peuvent servir les stems musicaux restaurés

L’une des utilisations les plus concrètes de la MSR concerne les enregistrements dont les sessions multipistes originales ne sont plus disponibles. Des archives peuvent disposer d’un master stéréo, mais ne plus posséder les bandes séparées ou les fichiers de session numériques ayant servi à sa création. Un système de restauration peut fournir des estimations des voix, de la batterie, des guitares et d’autres stems, permettant aux ingénieurs d’examiner indépendamment certains éléments de l’enregistrement. Cela peut faciliter les travaux de réparation, la création de nouveaux mixages ou l’étude d’anciennes techniques de production. Il reste toutefois essentiel de rappeler que ces fichiers sont des reconstructions. Lorsqu’un véritable multipiste original existe encore, il constitue une source plus fiable puisqu’il contient des informations que le modèle n’a pas besoin d’estimer.

Les sources reconstruites séparément peuvent également aider les musicologues, les enseignants et les musiciens à analyser les arrangements. Un étudiant travaillant le rythme peut se concentrer sur la batterie, tandis qu’une personne transcrivant l’harmonie peut bénéficier d’une réduction des voix et des percussions. Les producteurs peuvent utiliser des stems estimés comme références lorsqu’ils examinent la manière dont plusieurs instruments interagissent dans un mix dense. Des techniques similaires peuvent aussi être utiles pour l’accessibilité, les supports de répétition et certaines formes de transcription musicale. Dans ces contextes, il n’est pas nécessaire que le stem reconstruit soit identique à l’enregistrement du studio ; il doit surtout offrir une séparation et une cohérence musicale suffisantes pour permettre d’entendre plus clairement une partie qu’au sein du master complet.

Il existe également des applications potentielles dans la production, notamment lorsqu’il ne reste qu’un enregistrement finalisé. Un ingénieur du son peut souhaiter modifier l’équilibre entre une voix et les instruments d’accompagnement, atténuer un élément indésirable ou préparer le contenu pour un nouvel arrangement autorisé. La MSR peut fournir un point de départ plus propre qu’une séparation classique des stems lorsque les effets de production intégrés au master gênent le travail envisagé. Une utilisation professionnelle nécessite toutefois une écoute attentive. Les stems restaurés peuvent contenir de petits artefacts qui deviennent plus perceptibles après de nouvelles corrections d’égalisation, de compression ou de niveau sonore. Une sortie acceptable lorsqu’elle est écoutée seule peut donc nécessiter un traitement manuel supplémentaire avant d’être intégrée à un nouveau mixage.

Limites, droits et attentes réalistes

La principale limite de Music Source Restoration vient du fait qu’une chanson finalisée ne contient pas une copie complète et cachée de chacune des pistes originales. Le mixage combine les signaux et certaines opérations de production suppriment ou transforment des informations. La limitation peut aplatir les crêtes, le filtrage peut réduire certaines fréquences, les codecs avec perte peuvent supprimer des données et plusieurs instruments peuvent se masquer mutuellement. Un modèle peut produire une estimation fondée sur les motifs appris à partir d’autres enregistrements, mais il ne peut pas prouver que la forme d’onde reconstruite correspond exactement à celle issue du microphone ou de la sortie de l’instrument plusieurs années auparavant. Il est donc plus précis de parler de stem restauré estimé que de piste de studio originale récupérée.

Parmi les erreurs courantes figure la fuite sonore, lorsqu’une partie d’un instrument reste audible dans le stem d’un autre ; la perte de détails, lorsque le modèle retire du contenu appartenant réellement à l’instrument ciblé ; et la création de textures qui semblent plausibles sans correspondre exactement à la source. La réverbération est particulièrement difficile à traiter, car ses réflexions se superposent aux sons suivants, tandis que les guitares saturées et les percussions denses peuvent occuper de larges plages de fréquences partagées avec d’autres instruments. Les résultats dépendent également de l’enregistrement fourni au système. Un master propre et sans perte conserve généralement davantage d’informations utiles qu’une copie à faible débit ayant déjà subi plusieurs opérations d’encodage ou un nouvel enregistrement acoustique.

Les possibilités techniques doivent également être distinguées de l’autorisation d’utiliser un enregistrement. La création de stems à partir d’une œuvre protégée par le droit d’auteur ne donne pas à l’utilisateur la propriété de la composition, du master ou des interprétations qu’elle contient. Le remixage commercial, la redistribution, l’entraînement de modèles, l’échantillonnage et la publication peuvent impliquer différents droits selon la juridiction, la licence et l’usage prévu. Pour les travaux d’archives ou les productions professionnelles, la provenance du contenu et les autorisations nécessaires doivent donc être vérifiées indépendamment du logiciel utilisé pour créer les stems. En 2026, Music Source Restoration doit être considérée comme une méthode de reconstruction audio de plus en plus performante : elle peut produire des estimations utiles des voix, de la batterie, des guitares et d’autres sources à partir d’une chanson finalisée, mais ses résultats nécessitent toujours une évaluation technique, des contrôles à l’écoute et des attentes réalistes concernant les informations qui ont pu être définitivement perdues.