Généré le 18/10/2026 18:58

Évolution du filtre anti-bruit VAD — signature spectrale (18/10/2026)

Contexte

Demande Raphael : améliorer la détection de fin de parole en environnement bruyant, en
s'inspirant du filtre "anti-grillon" existant (notch 6.2kHz, désactivé par défaut) et en
exploitant des différences de gain + une signature vocale.

Décision d'architecture (workflow_architect)

Le verdict automatique (mcp_plugin, 99%) a été écarté : ce n'est pas un nouvel outil
appelable, mais une modification du pipeline audio temps réel déjà en production dans
JARVIS_LIVE_VOICE/public/app.js (faux positif du même type que celui déjà noté en mémoire
sur les bugs navigator/browser).

État existant constaté (exploration)

Changement appliqué (fichiers modifiés, sauvegardés avant modif)

Nouveau mécanisme : signature spectrale différentielle (pas de MFCC/biométrie lourde)

Réutilise l'AnalyserNode déjà branché dans la chaîne (fftSize=256, déjà présent pour le
visualiseur) — aucun nœud audio supplémentaire, coût CPU négligeable :
1. Calcule à chaque frame le ratio énergie bande-vocale (300–3400Hz) / énergie totale.
2. Apprend une signature de bruit ambiant (noiseBandBaselineRatio) pendant le silence,
exactement comme noiseFloor l'est déjà pour le RMS.
3. Différentiel de gain spectral (speechBandDelta) : écart entre le ratio instantané et
la signature de bruit apprise → corrige légèrement le seuil VAD (voix plus facile à
confirmer si le spectre est nettement plus "vocal" que le bruit de fond, plus dur à
confirmer s'il ressemble au bruit appris).
4. Garde-fou sur le plateau stationnaire : si le signal est plat en RMS (coefVar bas,
candidat "bruit constant") MAIS que la signature spectrale reste nettement vocale
(speechBandDelta > 0.15), on ne coupe plus le tour à tort — corrige le cas d'une voix
continue mais peu variable en niveau (discours monocorde sous ventilateur/climatiseur).

Ce qui n'a PAS été fait (scope volontairement limité, à valider avant d'aller plus loin)

La vraie "biométrie" (profil MFCC de Raphael déjà dans voice_id.py) n'a pas été branchée
en temps réel dans la VAD : cela demanderait de porter l'extraction MFCC côté client (JS) ou
de streamer des micro-segments au serveur pour un score continu, avec un vrai risque de
latence/CPU sur la boucle audio temps réel. Je ne l'ai pas construit à l'aveugle — c'est une
V2 distincte, à cadrer et valider avec Raphael avant implémentation (conformément à la règle
"versionner avant modifier" et "ne pas valider une méthode sur un seul test").

Validation effectuée