Date : 2026-10-19
Périmètre : chaîne micro Jarvis Live (JARVIS_LIVE_VOICE/public_jarvis/app.js), Web Audio API côté navigateur.
La chaîne DSP réelle (reconnectAudioGraph(), ligne ~2213) est déjà en place et active :
Micro -> HighPass 85Hz -> [Notch fixe 6.2kHz, ON/OFF] -> Compresseur (-34dBFS, 3.5:1)
-> Make-up Gain (+7.5dB) -> Notch dynamique anti-saturation -> Limiteur brickwall (20:1)
Le seul réglage exposé à Raphael aujourd'hui est un switch binaire (notchFilterEnabled, persisté en localStorage). Tous les autres paramètres (seuil compresseur, ratio, make-up gain, fréquence HighPass) sont des constantes codées en dur. Il n'existe aucun curseur, et aucun des paramètres n'est actuellement relié à un seul contrôle continu.
Un réglage unique (type curseur, 0 à 100 ou "léger/moyen/fort") qui pilote plusieurs paramètres en même temps de façon cohérente — pas 6 curseurs séparés que Raphael devrait comprendre individuellement.
| Outil | Rôle | Disponibilité |
|---|---|---|
BiquadFilterNode (natif Web Audio) |
HighPass/Notch — déjà utilisé | ✅ déjà en place |
DynamicsCompressorNode (natif) |
Compression/limitation — déjà utilisé | ✅ déjà en place |
AnalyserNode FFT (déjà branché pour le visualiseur) |
Mesure spectrale temps réel (déjà exploitée pour noiseFloor et l'anti-saturation dynamique) |
✅ déjà en place, réutilisable sans coût supplémentaire |
AudioWorklet |
Remplacerait le ScriptProcessorNode (déprécié) pour un traitement sample-accurate hors thread UI |
❌ Phase 2 jamais implémentée (voir mémoire project_jarvis_filtre_audio_adaptatif_dynamique_09102026) |
| RNNoise (réseau de neurones léger, suppression de bruit non-stationnaire) | Débruitage bien supérieur à un simple notch/compresseur sur bruit non périodique (voix humaine parasite, trafic) | ❌ jamais implémenté — nécessite librnnoise.dll + binding CFFI côté serveur, donc pas compatible avec un simple curseur client-side sans aller-retour serveur |
Conclusion outils : tout le nécessaire pour un curseur multi-paramètres existe déjà nativement dans le navigateur (BiquadFilterNode + DynamicsCompressorNode + AnalyserNode). Aucune nouvelle dépendance n'est requise pour une V1. RNNoise/AudioWorklet restent des pistes d'amélioration ultérieure, pas un prérequis.
Introduire une valeur unique this.filterIntensity (0.0 à 1.0, persistée en localStorage comme notchFilterEnabled aujourd'hui), et calculer à chaque changement du curseur les paramètres réels du graphe audio par interpolation linéaire entre un préréglage "doux" (0) et un préréglage "fort" (1) :
_applyFilterIntensity(intensity) {
const lerp = (a, b) => a + (b - a) * intensity;
// Compresseur : seuil plus bas + ratio plus élevé = plus agressif
this.compressor.threshold.setTargetAtTime(lerp(-24, -40), t, 0.05);
this.compressor.ratio.setTargetAtTime(lerp(2.0, 5.0), t, 0.05);
// Make-up gain : compense la perte de niveau du compresseur plus dur
this.makeupGain.gain.setTargetAtTime(lerp(1.2, 3.0), t, 0.05);
// Notch fixe 6.2kHz (coupe-grillon) : Q plus large = coupe plus de bande
this.notchFilter.Q.setTargetAtTime(lerp(1.0, 4.0), t, 0.05);
// activé seulement au-delà d'un certain seuil (évite de dégrader les fricatives à faible intensité)
this.notchFilterEnabled = intensity > 0.3;
// HighPass : fréquence de coupure plus haute = coupe plus de bruit de fond basse fréquence
this.highPassFilter.frequency.setTargetAtTime(lerp(70, 120), t, 0.05);
// Limiteur anti-saturation : seuil plus permissif à faible intensité
this.antiSatLimiter.threshold.setTargetAtTime(lerp(-2, -6), t, 0.05);
}
Ce mapping (bornes lerp) doit être calibré empiriquement sur 2-3 sessions réelles (voiture bruitée, intérieur calme, Bluetooth) plutôt que deviné — c'est le seul vrai travail, le reste est mécanique.
noiseFloor (déjà calculé en continu via l'AnalyserNode) peut suggérer une position de curseur par défaut selon le bruit ambiant mesuré, sans empêcher un réglage manuel — on garde le même principe que l'adaptation déjà faite sur le seuil VAD (dynamicMargin ligne ~2880).Un seul <input type="range"> dans le panneau réglages existant (celui qui contient déjà le switch notchFilterEnabled à remplacer), avec 3 graduations labellisées ("Léger" / "Équilibré" / "Fort") pour rester lisible sans nombre brut. Valeur persistée en localStorage sous jarvis_filter_intensity, lue au démarrage comme le fait déjà jarvis_notch_filter.
reconnectAudioGraph() garde exactement la même topologie de chaîne ; seule _applyFilterIntensity() est nouvelle et vient remplacer les constantes codées en dur par des valeurs calculées._updateDynamicAntiSaturation) continue de fonctionner par-dessus, sans modification — elle réagit déjà en temps réel indépendamment du réglage utilisateur.lerp par paramètre en testant 3 environnements réels (silence, voiture roulant, extérieur bruyant) — pas de valeur inventée sans test.filterIntensity (état + persistance localStorage), écrire _applyFilterIntensity(), appeler au chargement et à chaque input du curseur.<input type="range"> à 3 graduations dans le panneau réglages ; conserver la logique d'affichage existante.?v= du <script> dans index.html après modification de app.js — piège déjà documenté (récidive connue sur ce fichier, voir mémoire project_jarvis_filtre_audio_adaptatif_dynamique_09102026).noiseFloor mesuré au démarrage, sans auto-appliquer sans confirmation visible.Faisable immédiatement, sans nouvelle dépendance. Tout le substrat technique (nœuds Web Audio, mesure spectrale temps réel) est déjà déployé et actif dans app.js ; il manque uniquement la couche de mapping "un curseur → plusieurs paramètres" et l'UI correspondante. Effort estimé total : 3-4h, dont la moitié est du calibrage empirique (pas du code). RNNoise/AudioWorklet restent des pistes de qualité supérieure pour une itération future, non nécessaires pour répondre à la demande actuelle.