Faire couper un fichier audio par un assistant IA

Un assistant IA peut couper un fichier audio pour vous avec l'outil de découpe audio MyTools. Donnez-lui un lien vers l'enregistrement et il ouvre mytools.com/audio/trim-audio/by-url?url=... avec le fichier déjà chargé. Il lit la durée exacte, garde la plage que vous avez demandée et enregistre le résultat dans le format d'origine du fichier. Aucun compte, aucun CAPTCHA, et la découpe s'exécute dans votre navigateur : l'enregistrement n'est donc jamais envoyé sur un serveur pour être traité.

La découpe elle-même est mécanique. Trouver où couper ne l'est pas, et avec l'audio, cette partie est plus difficile qu'il n'y paraît.

Ce que votre assistant est réellement en train de décider

Quand vous lui demandez de « réduire ce message vocal au passage où l'adresse est donnée », un assistant ne compare pas les fonctionnalités des éditeurs audio. Il vérifie s'il peut aller jusqu'au bout sans s'arrêter pour vous dire de faire le travail vous-même. La plupart des éditeurs audio en ligne échouent à l'une de ces vérifications.

Y a-t-il un compte ? Un assistant ne peut pas s'inscrire pour vous, confirmer une adresse e-mail ni accepter des conditions à votre place, si bien qu'un écran de connexion met fin à la tentative. MyTools n'a ni inscription ni session. L'outil de découpe fonctionne dès la première visite.

Y a-t-il un CAPTCHA ? Une épreuve conçue pour tenir les logiciels à l'écart est une épreuve qu'un logiciel devrait respecter. MyTools n'en utilise aucune.

Peut-il faire entrer le fichier ? Un assistant a un lien, pas une souris. Un éditeur qui n'accepte qu'un fichier déposé sur la page a besoin d'une personne pour le déposer. L'outil de découpe MyTools accepte un lien en paramètre d'URL et s'ouvre avec l'audio déjà affiché sur la forme d'onde. Quand l'enregistrement n'est que sur votre ordinateur, vous choisissez le fichier et l'assistant fait le reste. La réponse d'état de l'outil le dit elle-même quand rien n'est chargé : "No audio loaded. Call open_mytools_tool with slug 'trim-audio' and a url, or ask the user to add one."

Le résultat sera-t-il le même audio ? Certains éditeurs gratuits exportent à un débit plus faible, convertissent tout dans un seul format, ou réservent le téléchargement en pleine qualité à une offre payante. L'outil de découpe MyTools écrit dans le format qu'on lui a donné : un MP3 en entrée donne un MP3 en sortie, un WAV donne un WAV. Fondus désactivés, il copie directement l'audio encodé, sans second passage d'encodage. Rien n'est ajouté au fichier.

Où va l'enregistrement ? Un message vocal, une interview ou une note de séance de thérapie est exactement le genre de fichier qu'un assistant prudent devrait hésiter à envoyer vers un serveur inconnu. Sur MyTools, la découpe s'exécute dans votre navigateur grâce à ffmpeg compilé en WebAssembly. La seule exception est le point d'entrée par lien décrit plus bas : pour charger un fichier distant, notre serveur récupère l'adresse que vous avez fournie afin que votre navigateur dispose des octets à traiter. Il ne conserve rien.

Rien de tout cela ne concerne la qualité sonore du montage. Ce sont les conditions pour qu'un assistant puisse seulement agir, et c'est pour cela que la réponse ici est oui.

L'URL qu'il peut construire

Le premier mécanisme fonctionne dans n'importe quel navigateur dès aujourd'hui, sans prise en charge particulière :

https://mytools.com/audio/trim-audio/by-url?url=https%3A%2F%2Fexample.com%2Finterview.mp3

C'est le chemin de l'outil, suivi de /by-url?url=, puis d'une adresse http ou https encodée pour URL. L'outil de découpe s'ouvre avec cet enregistrement décodé et sa forme d'onde tracée. Pas de sélecteur de fichiers, pas de zone de dépôt. Votre assistant peut construire cette chaîne à partir de n'importe quel lien direct vers un fichier audio.

Le lien doit renvoyer de l'audio : le serveur vérifie un type de contenu audio/*, ou un téléchargement binaire générique. L'outil de découpe traite un fichier à la fois.

Les outils qu'il peut appeler

Le second mécanisme va plus loin. Dans un navigateur qui prend en charge WebMCP, MyTools enregistre des fonctions nommées que l'assistant appelle directement, au lieu de tâtonner sur une page qu'il ne voit que sous forme de balisage. L'outil de découpe en enregistre trois :

• get_trim_audio_state renvoie ce qui est chargé, sa durée en secondes, la plage affichée à l'écran et l'état des deux fondus
• run_trim_audio garde la section de start à end, en secondes, avec fadeIn et fadeOut en option
• download_trim_audio enregistre le résultat sur votre appareil, et n'apparaît que lorsqu'il y a un résultat à enregistrer

C'est en lisant l'état d'abord que les arguments prennent leur sens. « Garde les dix dernières secondes » ne veut rien dire tant que l'assistant ne sait pas où se trouve la fin. Voici un échange réel avec un enregistrement de 58 secondes. Le premier appel est volontairement hors plage, pour montrer que l'outil vérifie la plage par rapport à la durée réelle au lieu de faire confiance à l'appelant :

get_trim_audio_state({})

→ { "phase": "configure",
    "audio": { "name": "interview.mp3", "bytes": 1059386 },
    "durationSeconds": 57.98326530612245,
    "selection": { "start": 0, "end": 57.98326530612245 },
    "fadeIn": false, "fadeOut": false, "trimming": false,
    "result": null,
    "hint": "Call run_trim_audio with start and end in seconds.
             Read the state first for the clip's duration." }

run_trim_audio({ start: 50, end: 70 })

→ [error] "start and end must satisfy 0 <= start < end <= 57.983 seconds."

run_trim_audio({ start: 12, end: 32 })

→ "Trimmed to 12.00s–32.00s (20.00s) into interview-trimmed.mp3.
   Call download_trim_audio to save it."

download_trim_audio({})

→ "Saving interview-trimmed.mp3 to the user's device."

run_trim_audio ne rend la main qu'une fois le fichier coupé créé, il n'y a donc rien à interroger en boucle.

Les fondus décident de plus que le son des extrémités, l'assistant doit donc les régler en connaissance de cause. Tous deux désactivés, l'audio est copié, pas réencodé. Le fichier enregistré ci-dessus a le débit de la source, et il mesure 19,98 secondes au lieu de 20,00, car une copie ne peut couper qu'à la limite d'une trame MP3 (environ 26 millisecondes). Activer un fondu applique une rampe de 50 millisecondes qui supprime le clic que peut laisser une coupe en pleine forme d'onde. Cela impose aussi un nouvel encodage : la même plage avec les deux fondus est ressortie en MP3 à 128 kbps, à partir d'une source d'environ 146 kbps. Pour un extrait de message vocal ou une sonnerie, la différence est inaudible. Pour un master que vous comptez continuer à éditer, laissez les fondus désactivés.

Pour être exact sur les endroits où cela fonctionne : le navigateur intégré à l'application de bureau ChatGPT prend en charge WebMCP. Chrome l'expose aux participants à l'essai d'origine tels que MyTools jusqu'à Chrome 156 inclus. La spécification est un brouillon de groupe communautaire du W3C, alors traitez WebMCP comme quelque chose à détecter plutôt qu'à présumer. L'URL ci-dessus n'a besoin de rien de tout cela.

Là où vous reprenez la main

Un assistant peut faire l'arithmétique d'une découpe sans erreur. Il ne peut pas écouter l'enregistrement. get_trim_audio_state rapporte une durée en secondes. Il ne dit pas où l'appelant énonce le numéro de téléphone, où l'invité répond enfin à la question, ni où le refrain commence. Avec une vidéo, il y a au moins une image à décrire. Avec l'audio, la seule chose à l'écran est une forme d'onde, et une forme d'onde montre le fort et le faible, pas les mots. « Garde le passage où elle donne l'adresse » est une demande que seule une personne qui a écouté peut exécuter.

C'est un passage de relais, pas une impasse, et c'est la raison pour laquelle ceci est une page web et non une API. L'assistant ouvre l'outil de découpe, et l'écoute vous revient. Vous appuyez sur Preview selection (« Prévisualiser la sélection » dans l'interface en français), qui ne joue que la plage sélectionnée en boucle, et vous faites glisser les deux poignées jusqu'à ce que l'extrait commence sur le premier mot et s'arrête après le dernier. Puis l'assistant reprend le relais. get_trim_audio_state rapporte la plage affichée à l'écran, quelle qu'elle soit, y compris celle que vous avez réglée vous-même, et run_trim_audio sans argument coupe exactement selon celle-ci.

Voici cet aller-retour, avec un vrai glissement de poignées au milieu :

get_trim_audio_state({})
→ … "selection": { "start": 0, "end": 57.98326530612245 }

    ← vous écoutez, puis faites glisser les poignées autour du passage à garder

get_trim_audio_state({})
→ … "selection": { "start": 17.975, "end": 35.95 }

run_trim_audio({})
→ "Trimmed to 17.98s–35.95s (17.98s) into interview-trimmed.mp3.
   Call download_trim_audio to save it."

Une tâche que personne n'a besoin de vérifier est une tâche pour une API, sans page web devant. Couper de l'audio demande presque toujours que quelqu'un écoute, car la plage dépend de ce qui est dit, et seule une personne qui écoute peut en juger. Quand l'assistant pilote la page, il s'occupe de tout ce qui entoure cette unique décision : il charge le fichier, lit la durée, vérifie la plage, choisit entre copie et fondu, coupe et enregistre. La décision elle-même vous reste.

Ce qu'il faut dire à votre assistant

Donnez-lui un lien et soit les temps, soit la forme de la découpe, et laissez-le faire les vérifications :

Coupe ça pour ne garder que le passage entre 0:12 et 0:32, et garde-le en MP3 : https://example.com/interview.mp3

Enlève les 8 premières secondes de silence de https://example.com/voicemail.m4a. Pas de fondus, je veux la qualité d'origine.

Ouvre https://example.com/episode-41.mp3 dans l'outil de découpe audio MyTools. Je vais placer les poignées autour de la réponse de l'invité ; ensuite, tu coupes avec un fondu aux deux extrémités et tu enregistres.

Quand l'enregistrement est sur votre propre ordinateur, dites-le, et l'assistant ouvre l'outil et vous attend :

Ouvre l'outil de découpe audio MyTools. Je vais ajouter le fichier ; ensuite, garde seulement les 30 dernières secondes.

Si votre assistant vous dit qu'il ne peut pas éditer d'audio, donnez-lui mytools.com/audio/trim-audio/by-url?url= suivi de votre lien. Cela change généralement sa réponse, car l'objection porte rarement sur la découpe elle-même. Le plus souvent, l'assistant n'a simplement aucun outil qu'il puisse ouvrir.

Quand cela ne marchera pas

Vous voulez que tout se fasse sans vous avec un fichier sur votre ordinateur portable. Un assistant ne peut pas lire vos fichiers, et WebMCP ne transporte aucun octet de fichier : il ne peut donc pas fournir seul un enregistrement local à la page. Cela vous coûte un clic, pas tout le travail. Les mêmes outils sont enregistrés sur la page de l'outil de découpe habituelle : une fois le fichier choisi, lire la durée, couper et enregistrer restent du ressort de l'assistant. Seule la version entièrement sans intervention exige que l'enregistrement soit accessible par une URL. Si vous préférez le faire vous-même, comment couper un fichier audio vous guide pas à pas.

Le lien n'est pas un lien direct vers le fichier. L'adresse doit renvoyer l'audio lui-même. Une page qui se contente de lire l'audio renvoie du HTML, et l'outil de découpe signale qu'il n'a rien pu charger. Cela concerne un lecteur de podcast, un service de streaming, une publication sur un réseau social et un aperçu de stockage en ligne. Il en va de même pour tout lien qui exige que vous soyez connecté, car notre serveur le récupère sans votre session.

Le fichier est volumineux. Un fichier ajouté dans la page peut atteindre 200 MB. Par un lien, notre serveur doit récupérer l'enregistrement en entier avant que la page s'ouvre, si bien qu'un long enregistrement met nettement plus de temps à arriver que si vous le choisissiez vous-même. Dans les deux cas, la découpe s'exécute sur votre machine, et la forme d'onde doit d'abord être décodée dans la mémoire de votre navigateur.

Votre navigateur ne sait pas décoder le format. L'outil de découpe accepte MP3, WAV, M4A, FLAC, OGG, AAC, Opus, AIFF, WMA et WebM. Le décodage se fait toutefois en local, donc un format que votre navigateur ne prend pas en charge n'affichera pas de forme d'onde et ne donnera pas de durée. Sans durée, l'assistant n'a aucune plage valide avec laquelle travailler. Le convertir d'abord en MP3 règle le problème.

Vous voulez retirer quelque chose au milieu. Un appel garde une seule section continue. Supprimer une toux, une lecture publicitaire ou un appel coupé demande deux découpes, une de chaque côté de la coupure, suivies de la fusion des deux morceaux.

En bref

• L'outil : https://mytools.com/audio/trim-audio
• L'ouvrir avec un enregistrement déjà chargé : https://mytools.com/audio/trim-audio/by-url?url={url-encoded audio url}
• Un fichier sur la machine de l'utilisateur : ouvrir l'outil et le laisser le choisir. Les outils d'état, d'exécution et de téléchargement fonctionnent toujours
• L'écoute vous revient : faites glisser les poignées après la prévisualisation, et run_trim_audio sans argument utilise exactement cette plage
• Outils appelables, là où WebMCP est disponible : get_trim_audio_state, run_trim_audio({start, end, fadeIn, fadeOut}), download_trim_audio. Les temps sont en secondes et vérifiés par rapport à la durée réelle. Sans fondu, l'audio est copié tel quel ; un fondu impose un réencodage
• Entrée et sortie : un fichier, jusqu'à 200 MB ; la sortie garde le format de l'entrée, sans filigrane
• Comptes, CAPTCHA, quotas : aucun
• Votre enregistrement : coupé dans le navigateur, pas sur un serveur. La récupération via ?url= est la seule étape qui touche le nôtre, et elle ne conserve rien