En production télévisée, le son ne circule pas toujours sur ses propres câbles : il voyage le plus souvent à l’intérieur du signal vidéo. La liaison SDI (Serial Digital Interface), ce câble coaxial BNC qui relie caméras, mélangeurs et régies, transporte l’image et, dans les mêmes octets, jusqu’à seize canaux audio. C’est l’audio embarqué (embedded audio), et savoir l’insérer, l’extraire et le garder synchrone est une compétence de base en broadcast vidéo.
Ce que « embarqué » veut dire
Un flux SDI réserve, entre les lignes actives de l’image, des espaces où glisser des données auxiliaires. L’audio y prend place sous forme de paquets, organisés en groupes de quatre canaux. Un flux HD-SDI transporte ainsi jusqu’à quatre groupes, soit seize canaux, généralement en 48 kHz verrouillés sur l’horloge vidéo. L’intérêt est évident : un seul câble, une seule connectique, image et son qui voyagent ensemble de la caméra à la régie sans risque de les séparer par erreur.
Capacités selon le débit SDI
| Interface | Débit | Audio embarqué |
|---|---|---|
| SD-SDI | 270 Mb/s | jusqu’à 16 canaux |
| HD-SDI | 1,5 Gb/s | jusqu’à 16 canaux (4 groupes) |
| 3G-SDI | 3 Gb/s | jusqu’à 16 canaux |
| 12G-SDI | 12 Gb/s | 4K/UHD, 16 canaux |
Embedder et de-embedder : les deux gestes clés
Deux opérations reviennent en permanence. L’embedding insère des canaux audio (analogiques, AES/EBU ou issus d’une console) dans un flux SDI qui n’en contenait pas, ou remplace ceux qui s’y trouvent. Le de-embedding fait l’inverse : il extrait l’audio du SDI pour l’envoyer vers une console, un processeur ou un enregistreur. Sur le terrain, ces fonctions prennent la forme de petits boîtiers convertisseurs, ou sont intégrées aux mélangeurs de production, aux cartes de routage et aux multiplexeurs.
Le scénario type d’un plateau : le son embarqué par les caméras arrive en régie, un de-embedder le sort vers la console audio, l’ingénieur mixe, puis un embedder réinsère le mix propre dans le flux SDI qui part vers l’enregistrement ou la diffusion. Cette logique de séparation puis de réinsertion rappelle, dans un autre monde, la façon dont l’audio-sur-IP dissocie les essences pour les router indépendamment.
La synchro : le vrai piège
Le problème numéro un de l’audio embarqué, c’est le décalage lèvres-voix (lip-sync). Chaque traitement vidéo — un correcteur, un incrustateur, un convertisseur de standard — ajoute de la latence à l’image, souvent une ou plusieurs trames. Si l’audio, lui, prend un raccourci, il arrive en avance : la bouche et la voix ne coïncident plus. La parade consiste à retarder l’audio pour le recaler sur l’image, à l’aide des lignes à retard intégrées aux de-embedders et aux consoles. On raisonne toujours par rapport à la référence de synchro générale (le genlock) : image et son doivent être verrouillés sur la même horloge, faute de quoi les canaux se désynchronisent lentement et finissent par cliquer.
Autre règle : l’audio embarqué est en 48 kHz calé sur la vidéo. Insérer une source à une autre fréquence sans conversion propre produit des artefacts. Un embedder sérieux gère la conversion de fréquence d’échantillonnage et respecte le verrouillage sur l’horloge vidéo — la même exigence de timing qui gouverne les réseaux, comme on l’a détaillé à propos du PTP et de la synchronisation en audio-sur-IP.
Cartographier les canaux : la discipline qui sauve un direct
Sur un tournage multicaméra, chaque source arrive avec son propre plan de canaux embarqués, et rien n’est plus fréquent qu’un micro-cravate posé sur le canal 3 d’une caméra et le canal 1 d’une autre. Sans convention claire, le de-embedding devient une chasse au trésor. La règle de terrain : définir une cartographie unique (par exemple, programme sur les canaux 1-2, retours et HF sur les suivants), la documenter, et la faire respecter par toutes les régies caméra. Les de-embedders permettent de remapper les canaux à l’extraction ; s’appuyer dessus évite de reconfigurer une console entière parce qu’une caméra sortait de la norme.
Quand le nombre de canaux explose — grosse production, multicam lourd —, le SDI atteint vite ses seize canaux. On bascule alors sur le MADI ou l’AES/EBU pour les liaisons audio à forte densité entre la régie et les périphériques, le SDI restant dédié au transport image + son de proximité. Savoir jongler entre ces formats, c’est comprendre que l’audio embarqué n’est qu’un maillon d’une chaîne où chaque interface a son rôle.
SDI ou IP : deux mondes qui se croisent
La bascule vers le tout-IP (SMPTE ST 2110) change la donne : là, l’audio n’est plus prisonnier de l’image, il circule comme un flux séparé sur le réseau, ce qui simplifie le routage et le mixage. Mais le SDI reste omniprésent — caméras, matériel installé, chaînes de production entières — et les passerelles SDI/IP sont partout. Comprendre l’embarqué reste donc indispensable, ne serait-ce que pour interfacer un plateau SDI avec une régie IP, ou pour acheminer un signal vers un codec de contribution lors d’une liaison distante.
Enfin, l’audio embarqué n’échappe pas aux obligations de la diffusion : le mix réinséré dans le SDI doit respecter les cibles de loudness R128, et les circuits de l’intercom de production cohabitent souvent avec les canaux de programme sur les mêmes infrastructures.
Mon avis
L’audio embarqué est l’un de ces sujets qu’on croit réservés aux ingénieurs vidéo, jusqu’au jour où un mix par ailleurs impeccable arrive décalé d’une demi-seconde à l’antenne. La vérité, c’est que le son en télé se joue autant dans le routage et la synchro que dans la console. Le passage à l’IP allège beaucoup de ces contraintes, mais le SDI ne disparaîtra pas demain : tant qu’il y aura des caméras et des câbles coaxiaux, il faudra savoir extraire, mixer, recaler et réinsérer. Maîtriser ces quatre gestes, c’est s’épargner l’appel qu’aucun ingénieur du son ne veut recevoir en plein direct.
