Bruno Mathieu

Conclusion et perspectives

Bruno MATHIEU — 2011-06-16T06:50:00Z

5. Conclusion et perspectives
Ce document a tout d'abord présenté les traitements acoustiques les plus couramment utilisés en vue de reconnaître la parole ; basés sur la transformée de Fourier ou la prédiction linéaire, ils sont utilisés pour extraire des indices permettant de classifier les différents sons de parole ou comme un simple moyen de représenter de manière concise l'information pertinente pour la RAP. Cependant d'autres représentations existent. Heitz et Becker utilisent ainsi (…)

- Thèse

4.3. Différents modèles articulatoires

Bruno MATHIEU — 2011-06-15T16:50:00Z

4.3 Différents modèles articulatoires
Boë, Maeda et Perrier ont présenté une histoire des modèles articulatoires aux $ XX^\graveemes $ Journées d'Etude sur la Parole. Ils distinguent dans cet article trois types de modélisations : géométriques, physiques et articulatoires. Dans cette section, nous allons commencer par expliquer pourquoi il est préférable d'utiliser un modèle articulatoire pour générer la fonction d'aire qui intervient dans les équations acoustiques. Puis nous (…)

- Thèse

4.2. La production de la parole

Bruno MATHIEU — 2011-05-18T16:50:00Z

4.2 La production de la parole
Dans « Speaking : from intention to articulation » Levelt explique comment l'homme exprime ses intentions au moyen de la parole. La première étape constitue ce que l'auteur appelle la conceptualisation : le locuteur utilise les connaissances qu'il a de lui et du monde (dans sa mémoire à long terme) ainsi que des connaissances sur le discours qu'il conduit (dans sa mémoire à court terme) pour produire un message préverbal. Celui-ci est ensuite encodé à (…)

- Thèse

Utilisation de modèles de production

Bruno MATHIEU — 2011-05-18T16:43:00Z

4 Utilisation de modèles de production 4.1 Introduction
Les méthodes vues précédemment utilisent en général des techniques de paramétrisation du signal acoustique (analyse LPC, analyse homomorphique...) basées sur un modèle rudimentaire de la production de la parole : le modèle source/conduit. Cependant elles n'imposent pas de contraintes liées au fait que la parole est produite par un conduit vocal. Or le mouvement des articulateurs est soumis à des contraintes physiques dues à (…)

- Thèse

4.4. Contrôle des paramètres

Bruno MATHIEU — 2007-11-18T16:50:10Z

4.4 Contrôle des paramètres
La parole n'est pas une suite de phonème adjacents. C'est pourquoi il n'est pas suffisant d'avoir un modèle qui puisse produire tous les sons stationnaires de la parole. Il doit aussi être capable de modéliser les phénomènes de coarticulation. C'est le but de la représentation du conduit par une fonction analytique contrôlée par un petit nombre de variables dont les trajectoires sont recherchées pour la reconnaissance. Les paramètres ne varient pas (…)

- Thèse

4.5. Inversion acoustique-articulatoire

Bruno MATHIEU — 2007-11-18T16:50:08Z

4.5 Inversion acoustique-articulatoire
L'inversion acoustique-articulatoire a pour but le calcul des paramètres du modèle articulatoire à partir du signal acoustique. Ce travail se heurte à plusieurs difficultés. Outre les problèmes liés à l'extraction des indices pertinents dans la parole (en l'occurrence les fréquences de résonance du conduit vocal), plusieurs configurations des articulateurs peuvent produire un signal acoustique équivalent.
L'inversion a été étudiée depuis plusieurs (…)

- Thèse

4.6. Inversion acoustique-articulatoire dans le modèle de Maeda

Bruno MATHIEU — 2007-11-18T16:50:07Z

4.6 Inversion acoustique-articulatoire dans le modèle de Maeda
Cette section décrit les expériences que nous avons menées afin d'obtenir les trajectoires des paramètres du modèle de Maeda à partir des formants extraits de la parole d'un locuteur. Elle présentera successivement une description plus détaillée du modèle, puis la normalisation effectuée pour adapter ce modèle à notre locuteur. Enfin elle décrira la méthode d'inversion et les résultats obtenus.
4.6.1 Le modèle de Maeda (…)

- Thèse

3.2. Reconnaissance de mots enchaînés

Bruno MATHIEU — 2007-11-18T16:42:58Z

3.2 Reconnaissance de mots enchaînés
La base TIDIGIT contient aussi des « phrases » qui sont des suites de chiffres3.2. Les mêmes locuteurs ont produit les mots isolés et les phrases.
Nous allons présenter la modification effectuée sur l'algorithme précédent pour reconnaître des phrases à partir des modèles créés avec des mots isolés. Cependant les résultats obtenus sont décevants du fait de l'absence de prise en compte des effets de coarticulation. En effet, ces derniers introduisent (…)

- Thèse

3.1. Reconnaissance de mots isolés

Bruno MATHIEU — 2007-11-18T16:42:56Z

3.1 Reconnaissance de mots isolés 3.1.1 Introduction
Les modèles de Markov (Hidden Markov Models, HMM) nécessitent un apprentissage long—ce qui en soit n'est pas un problème—mais demandent aussi un corpus représentatif pour chaque mot à reconnaître, ce qui n'est pas sans poser quelques difficultés. En outre, la topologie du modèle de Markov est fixée a priori et n'est pas modifiée lors de l'apprentissage. En effet, seules les probabilités de transition entre les différents états et (…)

- Thèse

Reconnaissance de mots à l'aide d'automates

Bruno MATHIEU — 2007-11-18T11:20:19Z

3. Reconnaissance de mots à l'aide d'automates
Dans cette partie, nous allons présenter les travaux commencés lors de mon stage de DEA et poursuivis pendant ma première année de thèse sous l'encadrement de Joseph Di Martino. Dans une première étape, nous décrirons une technique qui a donné de bons résultats en reconnaissance de mots isolés. Puis nous montrerons comment elle a été étendue à la reconnaissance de mots enchaînés et les difficultés qui se sont présentées. Pour conclure, nous (…)

- Thèse