Ce qu'il fait vraiment

Derrière le nom interminable se cache une tâche simple. Ultimate Vocal Remover est un outil libre de séparation de sources : il découpe un morceau en voix et accompagnement, ou retire la voix en laissant la bande instrumentale. Pour qui fait des reprises, des remix ou du travail dérivé, c'est l'étape de préparation habituelle.

Sa propriété la plus frappante est d'arriver prêt à fonctionner. Le paquet officiel embarque l'interface, Python, PyTorch et les autres dépendances, et la documentation indique clairement qu'aucun prérequis supplémentaire n'est nécessaire. Télécharger, installer, utiliser.

La description officielle parle de retirer la voix des fichiers audio au moyen de modèles avancés de séparation de sources. Le mot compte : c'est une séparation, pas un filtrage. Rien n'est découpé par bande de fréquences. Le modèle décide quelles composantes appartiennent à la voix et lesquelles à l'accompagnement, puis les reconstruit en pistes distinctes.

Presque tous les modèles du paquet sont le travail du projet. Hormis les modèles à quatre pistes de Demucs v3 et v4, la documentation précise que chaque modèle fourni a été entraîné par les développeurs du cœur du projet. L'origine de ce qu'on peut choisir dans l'interface est donc claire, et ce n'est pas un détail pour un outil qui manipule la musique d'autrui.

Les outils qui viennent avec

Au-delà de la séparation standard, des utilitaires accompagnent l'ensemble. L'étirement temporel et le changement de hauteur sont là, tous deux dépendants de la bibliothèque Rubber Band. Traiter de l'audio dans d'autres formats que le wav dépend de FFmpeg. Le projet documente aussi une voie portable : déposer l'exécutable directement dans le dossier de l'application, pour qui préfère ne pas toucher aux variables d'environnement.

Installation sur trois plateformes

Sous Windows, on télécharge le programme d'installation. Il exige Windows 10 ou plus récent et doit aller sur le lecteur C ; le projet avertit explicitement qu'une installation sur un disque secondaire provoque de l'instabilité. Avec une carte AMD Radeon ou Intel Arc, une version DirectML existe, même si le projet reconnaît que la prise en charge d'AMD reste limitée.

Sous macOS, Big Sur ou plus récent est requis, et le téléchargement diffère entre M1 et Intel. Le projet note que l'accélération MPS sur M1 s'étend désormais à Demucs v4 et à toute la famille MDX-Net, et que le premier lancement peut prendre 5 à 10 minutes.

Linux reçoit une voie manuelle : pour les distributions Debian et Arch, installer d'abord FFmpeg, le gestionnaire de paquets Python et le composant tk, puis créer un environnement virtuel et installer les dépendances, enfin démarrer par script.

Plancher matériel et dépendances

La carte graphique est le sujet auquel ces outils n'échappent pas. Le minimum annoncé est une Nvidia GTX 1060 de 6GB, avec 8GB ou plus recommandés, et seuls les systèmes 64 bits sont pris en charge. Le projet précise que le temps de conversion dépend fortement du matériel, les modèles de séparation étant par nature une charge de calcul lourde.

Sans carte dédiée, c'est possible, avec une réserve à accepter d'avance : sur CPU, la séparation prend nettement plus longtemps que l'audio lui-même. La démarche raisonnable est de faire passer un court extrait dans tout le flux, de valider les réglages, puis de traiter un album entier.

La licence est MIT

Le code est libre sous MIT. Le projet ajoute une ligne destinée aux développeurs tiers : si ces modèles servent dans une autre application, créditer le projet et ses développeurs comme la licence MIT le demande. Une licence permissive et une origine connue des modèles rendent l'outil plus facile à placer dans un flux durable que les solutions fermées du même genre.

Un petit confort : l'application retient les réglages à la fermeture, rien n'est donc à refaire à chaque lancement.

À qui cela convient

S'il ne s'agit que d'obtenir la bande instrumentale d'un morceau de temps en temps, un outil dans le navigateur suffit. Mais avec un lot de fichiers à traiter, des modèles à échanger et à comparer, ou la volonté de ne pas envoyer l'audio sur le serveur d'autrui, la valeur d'un outil local apparaît : installer une fois, et chaque séparation ensuite se passe sur sa propre machine.

Un avertissement s'impose. La qualité dépend beaucoup du modèle et du matériau, et le projet reconnaît franchement que ces modèles coûtent cher en calcul. Mieux vaut le voir comme la première étape de préparation plutôt que comme un résultat parfait en un geste : les pistes demandent en général une passe dans un éditeur audio.