Aufnahme von Schallplatten und einem Audio-Interface auf einem Schreibtisch zeigt eine tonoptimierte Arbeitsumgebung.

16 Mai Reconnaissance de chansons à la limite : versions accélérées, remix et faux générés par l’IA

Posted at 10:51h in Scene & Culture by

▶ 6:40 Temps de lecture

Tu entends une chanson dans un TikTok, tu approches ton téléphone du haut-parleur et l’application dit : aucun résultat. Pourtant, tu connais la chanson. Tu l’as déjà entendue des centaines de fois. Le problème ne vient pas de l’application. Le problème est que la vidéo est accélérée 1,3 fois et que la chanson est donc devenue différente pour la reconnaissance.

 

DROP

  • ▸ La reconnaissance classique comme Shazam compare une empreinte acoustique. Si la hauteur ou le tempo change, l’empreinte ne correspond plus.
  • ▸ Les montages accélérés et ralentis sont courants sur TikTok. C’est précisément cela que l’application refuse souvent en disant « aucun résultat ».
  • ▸ Shazam compte plus de 100 milliards de reconnaissances selon Apple. La technique derrière cela date d’une époque avant l’ère des montages.
  • ▸ Le nouveau casse-tête : les pistes générées par IA qui n’existent pas en tant qu’original.
  • ▸ La reconnaissance est en cours de refonte : loin de l’empreinte fixe, vers des modèles apprenants comme Google Hum to Search.

 

Comment fonctionne la reconnaissance de chansons

Lorsque tu diriges Shazam vers une chanson, l’application n’écoute pas comme un humain. Elle enregistre quelques secondes de son et calcule un spectrogramme : une carte de fréquences sur le temps. Dans cette carte, l’algorithme recherche les pics de fréquence les plus élevés et les assemble en un modèle. Ce modèle est l’empreinte. Il est comparé à une énorme base de données. Si suffisamment de points correspondent, tu as trouvé ton résultat.

La méthode est robuste contre les perturbations. Elle fonctionne dans un bar bruyant, avec des voix en arrière-plan et un microphone de téléphone moyen. C’est précisément pourquoi cela a fonctionné depuis que Shazam a démarré en tant que service SMS en 2002. L’inconvénient : l’empreinte décrit une prise de son spécifique. Pas la chanson en tant qu’idée, mais ce fichier spécifique.

Qu’est-ce que l’empreinte audio ? L’empreinte audio convertit un extrait de son en un modèle compact de points de fréquence marquants. Ce modèle est comparé à une base de données pour identifier une prise de son de manière unique. Elle reconnaît de manière fiable un fichier spécifique, mais pas une version modifiée de la même chanson.

 

Pourquoi les applications comme Sped-up et Slowed nous trompent

Nous allons être concrets ici. Un montage accéléré (Sped-up) accélère la chanson, généralement de 10 à 30 %. Cela fait augmenter non seulement le tempo, mais aussi la hauteur tonale. Une piste en A-Dur devient une piste qui sonne un peu plus haut. Pour votre oreille, c’est la même chanson, plus rapide et plus aiguë. Pour l’empreinte digitale, c’est un modèle étranger : les pics de fréquence sont partout ailleurs, le timing entre eux ne correspond plus.

Slowed-Reverb fait l’inverse. La chanson est ralentie, sonne plus grave et reçoit un effet de réverbération par-dessus. Cela déplace également toute la carte de fréquence. L’application cherche un modèle qui n’existe pas dans cette forme dans la base de données. Elle ne peut pas trouver la chanson parce qu’elle cherche strictement une autre version.

Ce n’est plus un cas marginal. Sur TikTok, la version accélérée est souvent la seule que l’on voit d’un extrait de chanson. Des pistes entières sont devenues virales via leur version Sped-up, tandis que l’enregistrement original est resté dans l’ombre. Lorsque l’on utilise l’application de reconnaissance, on demande une version qui n’existe officiellement pas.

100 Mrd+
Reconnaissances Shazam depuis le lancement (selon Apple)
10-30 %
Augmentation typique du tempo pour les montages accélérés
2002
Lancement de Shazam, bien avant l’ère des montages

 

Remixes, mashups et versions live : les anciens angles morts

Sped-up n’est que la dernière variante d’un problème qui existe toujours. Un enregistrement live sonne différemment de la version studio : tempo différent, réverbération différente, public intermédiaire. Un remix reconstruit partiellement la piste. Un mashup superpose deux chansons. Dans tous ces cas, votre oreille entend un lien avec l’original, mais pas l’empreinte digitale.

C’est pourquoi une application ne reconnaît souvent pas une prise de festival de votre chanson préférée, même si la chanson studio est déjà dans la base de données. Elle cherche exactement cette prise. Une version cover d’un groupe indie, un montage de DJ, un enregistrement pirate : tout cela sont des lacunes. La reconnaissance est extrêmement bonne pour retrouver un fichier connu. Elle est mauvaise pour reconnaître une chanson dans une nouvelle forme.

 

Le nouveau problème : l’application reconnaît-elle une chanson générée par IA ?

Il existe une faille que personne n’avait anticipée il y a deux ans. Qu’est-ce qui se passe si la chanson que vous voulez reconnaître est générée par une intelligence artificielle (IA) ? Les services de streaming signalent désormais qu’un pourcentage à deux chiffres des pistes téléchargées quotidiennement est entièrement généré par IA. Deezer, par exemple, a rendu public le fait qu’une partie importante des téléchargements quotidiens provient de productions d’IA.

Pour la reconnaissance, cela signifie deux choses. Premièrement : une piste d’IA qui vient d’être téléchargée n’a pas encore d’entrée dans la base de données. L’application ne trouve rien parce qu’il n’y a rien à trouver. Deuxièmement, et c’est encore plus problématique : les outils d’IA peuvent produire des morceaux qui ressemblent à un artiste particulier, sans qu’il n’existe jamais d’original réel. La question n’est alors plus seulement de savoir quelle est la chanson, mais si c’est вообще une chanson d’un humain.

Exactement ici, la tâche se déplace. La reconnaissance était pendant des années un simple problème d’attribution. Maintenant, elle devient également une question d’authenticité. Certains services travaillent déjà sur des filtres qui devraient marquer les pistes d’IA. Mais cela n’est pas encore fiable.

Une application de reconnaissance était toujours une promesse : tiens-moi au courant de la musique, je te dirai le nom. Cette promesse ne tient que tant que la musique est un fichier fixe. Et justement, ce n’est plus le cas.

 

Vers où se dirige la reconnaissance de chansons

Un changement technique se dessine. Au lieu de comparer uniquement des empreintes digitales rigides, des modèles apprenants sont ajoutés. Cela se voit le plus clairement avec Google et Hum to Search : vous fredonnez une mélodie et le système trouve la chanson, même si votre fredonnement n’a ni la bonne hauteur, ni le bon tempo, ni un instrument. Cela fonctionne parce que le modèle ne cherche pas un spectrogramme, mais une représentation abstraite de la mélodie.

Cette représentation s’appelle Embedding. En simplifiant : le système apprend ce qui fait le noyau d’une chanson. Il ignore précisément les choses sur lesquelles le fingerprinting classique échoue. Le tempo, la hauteur, la couleur sonore deviennent secondaires. Il reste l’idée musicale. Un tel modèle a une véritable chance de reconnaître la version accélérée et l’original comme étant la même chanson.

La refonte n’est pas terminée. Le fingerprinting classique reste rapide et économe et est toujours utilisé dans les cas clairs. Les modèles apprenants viennent s’ajouter là où les choses deviennent floues. La reconnaissance ne sera donc pas remplacée, elle gagnera une deuxième couche.

 

Ce que cela change pour vous dans la recherche de musique

Dans la pratique, cela signifie : si l’application ne trouve pas de correspondance pour un son TikTok, cela vient rarement de vous. Essayez dans ce cas deux choses. Premièrement, cherchez directement dans l’application une ligne de texte que vous avez comprise. La recherche de texte de chanson est insensible aux éditions de tempo. Deuxièmement, utilisez la fonction de fredonnement si vous avez la mélodie en tête, au lieu de jouer le clip déformé.

Et le point plus important : la reconnaissance de chansons était longtemps un problème résolu, sur lequel personne ne réfléchissait plus. C’est fini. Tant que la musique est décomposée en éditions, accélérée, recomposée et générée par des machines, la reconnaissance reste un chantier. La prochaine génération d’applications posera moins la question de savoir quel est le fichier et plus quelle est la chanson qui se cache derrière. C’est une différence que vous verrez dans les prochaines années.

 

Playlist à écouter

Trois morceaux très écoutés des deux dernières années, que vous avez probablement aussi entendus dans des clips TikTok accélérés. Écoutez ici l’original à la vitesse normale et imaginez que vous tenez l’application de reconnaissance contre la version accélérée.

Questions-réponses après l’émission

Cliquez sur une question pour dérouler la réponse.

Pourquoi Shazam ne reconnaît pas une chanson accélérée ?
Parce que l’accélération modifie aussi la hauteur du son. Shazam compare une empreinte basée sur des points de fréquence fixes. Dans une version accélérée, ces points se trouvent tous à un autre endroit, donc l’empreinte ne correspond plus à l’enregistrement d’origine dans la base de données.
Comment retrouver malgré tout un morceau entendu sur TikTok ?
Deux méthodes fonctionnent même avec des extraits accélérés : la recherche par une phrase de paroles comprise, et la fonction « fredonner pour chercher », comme Google Hum to Search. Les deux ignorent le tempo et la hauteur, et contournent ainsi les distorsions dues à l’éditing.
Une application reconnaît-elle aussi les morceaux générés par IA ?
Seulement si la piste est déjà présente dans la base de données. Les nouveaux morceaux générés par IA n’ont pas encore d’entrée et ne sont donc pas trouvés. Le fait qu’un morceau provienne ou non d’une IA n’est pas non plus détecté par les systèmes classiques de reconnaissance. Les services travaillent encore à cette fonctionnalité.
Pourquoi Shazam ne trouve pas une version live ?
Un enregistrement live a un tempo différent, une réverbération autre et des bruits de public. Or, l’empreinte correspond exactement à l’enregistrement studio. Tant que la version live n’est pas elle-même dans la base de données, elle reste un morceau inconnu pour l’application.
La reconnaissance musicale saura-t-elle mieux gérer les versions modifiées à l’avenir ?
Probablement oui. Des fournisseurs comme Google complètent le fingerprinting rigide par des modèles d’apprentissage qui ne cherchent pas un fichier précis, mais l’idée musicale elle-même. Ces modèles d’embedding ont de réelles chances de reconnaître une version originale et une version accélérée comme étant le même morceau.

 

Source image principale : Pexels / John Taran (px :11044812)

Aussi disponible en



X