Association Francophone de la Communication Parlée

Modèles acoustiques à structure temporelle renforcée pour la vérification du locuteur embarquée.

le webmestre — 2010-01-28T10:39:26Z

Résumé : La vérification automatique du locuteur est une tâche de classification qui vise à confirmer ou infirmer l'identité d'un individu d'après une étude des caractéristiques spécifiques de sa voix. L'intégration de systèmes de vérification du locuteur sur des appareils embarqués impose de respecter deux types de contraintes, liées à cet environnement : – les contraintes matérielles, qui limitent fortement les ressources disponibles en termes de mémoire de stockage et de puissance de calcul disponibles ; – les contraintes ergonomiques, qui limitent la durée et le nombre des sessions d'entraînement ainsi que la durée des sessions de test. En reconnaissance du locuteur, la structure temporelle du signal de parole n'est pas exploitée par les approches état-de-l'art. Nous proposons d'utiliser cette information, à travers l'utilisation de mots de passe personnels, afin de compenser le manque de données d'apprentissage et de test. Une première étude nous a permis d'évaluer l'influence de la dépendance au texte sur l'approche état-de-l'art GMM/UBM (Gaussian Mixture Model/ Universal Background Model). Nous avons montré qu'une contrainte lexicale imposée à cette approche, généralement utilisée pour la reconnaissance du locuteur indépendante du texte, permet de réduire de près de 30% (en relatif) le taux d'erreurs obtenu dans le cas où les imposteurs ne connaissent pas le mot de passe des clients. Dans ce document, nous présentons une architecture acoustique spécifique qui permet d'exploiter à moindre coût la structure temporelle des mots de passe choisis par les clients. Cette architecture hiérarchique à trois niveaux permet une spécialisation progressive des modèles acoustiques. Un modèle générique représente l'ensemble de l'espace acoustique. Chaque locuteur est représenté par une mixture de Gaussiennes qui dérive du modèle du monde générique du premier niveau. Le troisième niveau de notre architecture est formé de modèles de Markov semi-continus (SCHMM), qui permettent de modéliser la structure temporelle des mots de passe tout en intégrant l'information spécifique au locuteur, modélisée par le modèle GMM du deuxième niveau. Chaque état du modèle SCHMM d'un mot de passe est estimé, relativement au modèle indépendant du texte de ce locuteur, par adaptation des paramètres de poids des distributions Gaussiennes de ce GMM. Cette prise en compte de la structure temp orelle des mots de passe permet de réduire de 60% le taux d'égales erreurs obtenu lorsque les imposteurs prononcent un énoncé différent du mot de passe des clients. Pour renforcer la modélisation de la structure temporelle des mots de passe, nous proposons d'intégrer une information issue d'un processus externe au sein de notre architecture acoustique hiérarchique. Des points de synchronisation forts, extraits du signal de parole, sont utilisés pour contraindre l'apprentissage des modèles de mots de passe durant la phase d'enrôlement. Les points de synchronisation obtenus lors de la phase de test, selon le même procédé, permettent de contraindre le décodage Viterbi utilisé, afin de faire correspondre la structure de la séquence avec celle du modèle testé. Cette approche a été évaluée sur la base de données audio-vidéo MyIdea grâce à une information issue d'un alignement phonétique. Nous avons montré que l'ajout d'une contrainte de synchronisation au sein de notre approche acoustique permet de dégrader les scores imposteurs et ainsi de diminuer le taux d'égales erreurs de 20% (en relatif) dans le cas où les imposteurs ignorent le mot de passe des clients tout en assurant des performances équivalentes à celles des approches état-de-l'art dans le cas où les imposteurs connaissent les mots de passe. L'usage de la modalité vidéo nous apparaît difficilement conciliable avec la limitation des ressources imposée par le contexte embarqué. Nous avons proposé un traitement simple du flux vidéo, respectant ces contraintes, qui n'a cependant pas permis d'extraire une information pertinente. L'usage d'une modalité supplémentaire permettrait néanmoins d'utiliser les différentes informations structurelles pour déjouer d'éventuelles impostures par play-back. Ce travail ouvre ainsi de nombreuses perspectives, relatives à l'utilisation d'information structurelle dans le cadre de la vérification du locuteur et aux approches de reconnaissance du locuteur assistée par la modalité vidéo.

Document : doc/theses/these_AL09.pdf

Analyse et modèle génératif de l'expressivité. Application à la parole et à l'interprétation musicale.

le webmestre — 2010-01-28T10:36:45Z

Résumé : Cette thèse s'inscrit dans les recherches actuelles sur les émotions et les réactions émotionnelles, sur la modélisation et la transformation de la parole, ainsi que sur l'interprétation musicale. Il semble que la capacité d'exprimer, de simuler et d'identifier des émotions, des humeurs, des intentions ou des attitudes, est fondamentale dans la communication humaine. La facilité avec laquelle nous comprenons l'état d'un personnage, à partir de la seule observation du comportement des acteurs et des sons qu'ils émettent, montre que cette source d'information est essentielle et, parfois même, suffisante dans nos relations sociales. Si l'état émotionnel présente la particularité d'être idiosyncrasique, c'est-à-dire particulier à chaque individu, il n'en va pas de même de la réaction associée qui se manifeste par le geste (mouvement, posture, visage...), le son (voix, musique...), et qui, elle, est observable par autrui. Ce qui nous permet de penser qu'il est possible de transfor mer cette réaction dans le but de modifier la perception de l'émotion associée. C'est pourquoi le paradigme d'analyse-transformation-synthèse des réactions émotionnelles est, peu à peu, introduit dans les domaines thérapeutique, commercial, scientifique et artistique. Cette thèse s'inscrit dans ces deux derniers domaines et propose plusieurs contributions. D'un point de vue théorique, cette thèse propose une définition de l'expressivité, une définition de l'expressivité neutre, un nouveau mode de représentation de l'expressivité, ainsi qu'un ensemble de catégories expressives communes à la parole et à la musique. Elle situe l'expressivité parmi le recensement des niveaux d'information disponibles dans l'interprétation qui peut être vu comme un modèle de la performance artistique. Elle propose un modèle original de la parole et de ses constituants, ainsi qu'un nouveau modèle prosodique hiérarchique. D'un point de vue expérimental, cette thèse fournit un protocole pour l'acquisition de données expressives interprétées. Colatéralement, elle rend disponible trois corpus pour l'observation de l'expressivité. Elle fournit une nouvelle mesure statistique du degré d'articulation ainsi que plusieurs résultats d'analyses concernant l'influence de l'expressivité sur la parole. D'un point de vue technique, elle propose un algorithme de traitement du signal permettant la modification du degré d'articulation. Elle présente un système de gestion de corpus novateur qui est, d'ores et déjà, utilisé par d'autres applications du traitement automatique de la parole, nécessitant la manipulation de corpus. Elle montre l'établissement d'un réseau bayésien en tant que modèle génératif de paramètres de transformation dépendants du contexte. D'un point de vue technologique, un système expérimental de transformation, de haute qualité, de l'expressivité d'une phrase neutre, en français, synthétique ou enregistrée, a été produit. Enfin et surtout, d'un point de vue prospectif, cette thèse propose différentes pistes de recherche pour l'avenir, tant sur les plans théorique, expérimental, technique, que technologique. Parmi celles-ci, la confrontation des manifestations de l'expressivité dans les interprétations verbale et musicale semble être une voie prometteuse. Mots-clés Émotions, expressivité, performance artistique, interprétation musicale, parole, prosodie, transformation du signal de parole, modélisation générative, apprentissage, réseau bayésien.

Document : doc/theses/these_GB09.pdf

Prix de thèse AFCP 2009 - Appel à candidature

Cogeo — 2010-01-20T18:28:38Z

L'Association Francophone de la Communication Parlée (AFCP) décerne chaque année un prix scientifique pour une excellente thèse du domaine, afin de promouvoir les recherches en communication parlée, fondamentales ou appliquées, en STIC, SHS ou SDV. Ce prix permet de soutenir et diffuser les travaux de jeunes chercheurs du domaine.

EDITION 2009

Cette année, le prix 2009, décerné par le jury composé des chercheurs élus du CA de l'AFCP, sera officiellement remis au lauréat à Mons lors des Journées d'Etudes sur la Parole, 25-28 mai 2010, Université de Mons, Belgique (http://w3.umh.ac.be/jep2010/).

Le lauréat se verra remettre la somme de 500 euros et sera invité à présenter ses travaux à la communauté de la communication parlée.

LAURÉAT 2008

Emmanuel Ferragne pour sa thèse sur l'« Étude phonétique des dialectes modernes de l'anglais des Îles Britaniques : vers l'identification automatique du dialecte »

CALENDRIER

Date limite de dépôt du dossier : 31 mars 2010

Décision du jury AFCP : fin avril 2010

Remise du prix : fin mai aux JEP 2010

CANDIDATURE

Pour plus d'informations sur le dossier de candidature, cliquer ici.

Prix de Thèse AFCP - Edition 2008

Cogeo — 2009-12-16T17:26:39Z

Après étude des candidatures par le Conseil d'administration de l'AFCP, le prix de thèse de l'année 2008 a été attribué à :

Emmanuel FERRAGNE

du Laboratoire Dynamique Du Langage (DDL - Université de Lyon 2)

pour sa thèse intitulée

"Étude phonétique des dialectes modernes de l'anglais des Îles Britaniques : vers l'identification automatique du dialecte"

Les membres du Conseil d'administration de l'Assoctiation Francophone de la communication Parlée, félicitent le lauréat et remercient également l'ensemble des candidats pour leur participation et la qualité des dossiers qu'ils ont soumis.

Cécile Fougeron, présidente de l'AFCP

[JEP'10] 2ème APPEL À COMMUNICATIONS

le webmestre — 2009-12-16T11:23:00Z

JEP 2010

XXVIIIèmes Journées d'Étude sur la Parole

Université de Mons, Belgique

du 25 au 28 mai 2010

http://w3.umh.ac.be/jep2010

================================================

Les Journées d'Études de la Parole (JEP) sont consacrées à l'étude de la communication parlée ainsi qu'à ses applications. Ces journées ont pour but de rassembler l'ensemble des communautés scientifiques francophones travaillant dans le domaine. La conférence se veut aussi un lieu d'échange convivial entre doctorants et chercheurs confirmés. Les JEP sont organisées sous l'égide de l'AFCP (Association Francophone de la Communication Parlée) avec le soutien de l'ISCA (International Speech Communication Association). En 2010, les JEP sont organisées par le Laboratoire des Sciences de la Parole de l'Académie Universitaire Wallonie-Bruxelles (UMons-ULB : Laboratoire de Phonétique, Laboratoire de Phonologie Expérimentale, Service de Théorie des circuits et traitement du signal), sur le site de l'Université de Mons en Belgique.

CALENDRIER

===========

Date limite de soumission : 11 janvier 2010

Notification aux auteurs : 15 mars 2010

Conférence : 25-28 mai 2010

THEMATIQUES

============

Les communications porteront sur la communication parlée et le traitement de la parole dans leurs différents aspects. Les thèmes de la conférence incluent, de façon non limitative :

Acoustique de la parole

Acquisition de la parole et du langage

Analyse, codage et compression de la parole

Applications à composantes orales (dialogue, indexation...)

Apprentissage d'une langue seconde

Evaluation, corpus et ressources

Modèles de langage

Parole audio-visuelle

Pathologies de la parole

Perception de la parole

Phonétique et phonologie

Phonétique clinique

Production de la parole

Prosodie

Psycholinguistique

Reconnaissance et compréhension de la parole

Reconnaissance de la langue

Reconnaissance du locuteur

Synthèse de la parole

CRITÈRES DE SÉLECTION

======================

Les auteurs sont invités à soumettre des travaux de recherche originaux, n'ayant pas fait l'objet de publications antérieures. Les contributions proposées seront examinées par au moins deux spécialistes du domaine. Seront considérées en particulier :

l'importance et l'originalité de la contribution,

l'exactitude du contenu scientifique et technique,

la discussion critique des résultats, en particulier par rapport aux autres travaux du domaine,

la situation des travaux présentés dans le contexte de la recherche internationale,

l'organisation et la clarté de la présentation,

l'adéquation aux thèmes de la conférence.

Les articles sélectionnés seront publiés dans les actes de la conférence.

MODALITÉS DE SOUMISSION

========================

Les articles soumis ne devront pas dépasser 4 pages en Times 10, sur deux colonnes, format A4.

Différents modèles (Word, OpenOfficeWriter, Word2007, LaTeX, Postscript) sont disponibles sur le site de la conférence : http://w3.umh.ac.be/jep2010

Les articles devront être soumis sous forme électronique sur le site web de la conférence avant le 11 janvier 2010. Les documents devront être envoyés exclusivement au format PDF.

BOURSES

=========

L'AFCP offre un certain nombre de bourses pour les doctorants et jeunes chercheurs désireux de prendre part à la conférence, voir : http://www.afcp-parole.org/spip.php ?article11

L'ISCA apporte également un soutien financier aux jeunes chercheurs participant à des manifestations scientifiques sur la parole et le langage, voir : www.isca-speech.org/grants.html

[JEP'10] INVITATION « JEUNES CHERCHEURS » AUX JOURNÉES D'ÉTUDES SUR LA PAROLE 2010

le webmestre — 2009-12-16T00:42:00Z

INVITATION « JEUNES CHERCHEURS » AUX JOURNÉES D'ÉTUDES SUR LA PAROLE 2010

Dans le cadre de sa politique d'ouverture internationale, et en continuité de l'action lancée lors des JEPs 2004 au Maroc, 2006 à Dinard, et 2008 à Avignon l'AFCP invite des étudiants ou jeunes chercheurs de la communauté Communication Parlée rattachés à des laboratoires situés hors de France à participer à la conférence JEP 2010 (Mons, 25-28 mai 2010, http://w3.umh.ac.be/jep2010/).

Cette aide couvrira les frais de transport, d'hébergement et d'inscription de quelques (4/5) jeunes chercheurs venus de l'étranger.

Modalités de candidature :

Tout(e) candidat(e) devra constituer un dossier de candidature (voir page suivante) comportant :

un CV succinct présentant ses activités scientifiques et sa formation universitaire,

un paragraphe expliquant sa motivation et mettant en valeur les retombées attendues d'une participation aux JEP 2010,

une estimation des frais de transport (voir ci-dessous). Pour les étudiant(e)s, le dossier devra être accompagné d'une lettre de recommandation du directeur de recherche.

Calendrier :

Envoi du dossier par courrier électronique à Isabelle Ferrané et Corinne Fredouille (isabelle.ferrane@irit.fr et corinne.fredouille@univ-avignon.fr) avant le 15 février 2010

Décisions d'acceptation rendues pour le 1er mars 2010

XXVIIIèmes Journées d'Etudes sur la Parole du 25 au 28 mai 2010

Remarques :

La soumission et l'acceptation d'une contribution scientifique aux JEPs n'est pas un critère de sélection pour cette invitation

Priorité sera donnée aux candidat(e)s venant de pays peu représentés aux JEP

Pour votre estimation de frais de transport, vous pouvez consulter la page du site des JEP 2010 consacrée aux informations pratiques : aéroports et liaisons ferroviaires (http://w3.umh.ac.be/jep2010/index_fichiers/Page719.htm) .

L'hébergement des participants aux JEP se fera à l'auberge de Jeunesse de Mons.

Dossier de candidature : doc/invitation jeunes chercheurs 20...

Interaction entre cordes vocales et bandes ventriculaires en phonation : exploration in-vivo, modélisation physique, validation in-vitro.

le webmestre — 2009-09-17T09:07:32Z

Résumé : Les bandes ventriculaires sont deux structures du larynx dont l'implication a été observée pour certaines réalisations vocales. L'origine de leur participation dans le geste phonatoire et les effets induits sur le son laryngé sont peu explorés et encore mal compris. Cette étude se propose de modéliser l'impact aérodynamique des bandes ventriculaires sur la vibration glottique, par une description théorique de l'écoulement translaryngé couplée à un modèle physique de phonation. L'interaction entre les cordes vocales et les bandes ventriculaires est caractérisée par une exploration conjointe sur l'humain (par électroglottographie et cinématographie ultra-rapide synchronisées) et sur des maquettes du larynx rigides et déformables (par visualisation d'écoulement, mesures PIV et mesures de pression). Le comportement des bandes ventriculaires est observé dans différents contextes phonatoires (phonation usuelle, chant de gorge, grognement, effort vocal). Elles peuvent rester immobiles éloignées, se rapprocher, s'accoler, vibrer périodiquement ou non, en phase ou non avec les cordes vocales. Le phénomène de doublement de période mesuré en chant de gorge fait l'objet d'une étude approfondie. La variation périodique de la durée du cycle glottique est démontrée. L'incidence de la géométrie ventriculaire sur la résistance de l'écoulement translaryngé, la fréquence, l'amplitude et les pressions de seuils d'oscillation est mesurée in-vitro, et comparée aux prédictions théoriques. La présence de la constriction ventriculaire en aval de la maquette des cordes vocales peut modifier son comportement vibratoire, altérant ou favorisant les auto-oscillations selon la configuration géométrique.

Document : doc/theses/these_LB09.pdf

Le rôle de la variabilité phonétique dans la représentation des contours intonatifs et de leur sens.

le webmestre — 2009-08-04T15:15:35Z

Résumé : Un problème “classique” qui se pose aux linguistes face au signal acoustique réside dans sa formidable variabilité. Dans les études segmentales, la variabilité a longtemps été considérée comme inutile à la communication. Or, plus récemment, il a été mis en évidence que les variations systématiques du signal peuvent être exploitées pour la perception des catégories phonologiques, et cela même lorsqu'elles sont distribuées globalement dans l'énoncé. Dans cette thèse, le problème de la variabilité a été abordé sur un autre plan beaucoup moins étudié de la parole, celui de l'intonation. D'un point de vue phonologique, les contours intonatifs peuvent être représentés comme une séquence de tons statiques Bas (L, ou Low) et Hauts (H, ou High), qui se combinent en accents mélodiques et en tons périphériques. Les tons sont réalisés comme des cibles tonales, elles mêmes définies par leur alignement temporel et par leur valeur mélodique. La correspondance entre catégories intonatives et réalisation phonétique reste problématique. D'abord, il n'est pas encore clairement établi si et dans quelle mesure la variabilité de f0 a une pertinence dans la représentation phonétique et phonologique de l'intonation. De plus, dans les études sur l'alignement tonal, les cibles tonales sont souvent détectées manuellement comme des valeurs minimales et maximales de f0. Cependant, il est souvent très difficile de localiser les cibles, soit parce que les perturbations segmentales peuvent masquer la position exacte de la cible ou encore parce que la cible n'est pas réalisée comme un point d'inflexion clairement identifiable dans la courbe de f0. Dans ce travail, nous rendons compte des résultats d'une série d'expériences en production et en perception, qui soutiennent l'idée que l'implémentation acoustique des catégories tonales est influencée par plusieurs facteurs de variabilité, et que cette variabilité systématique peut être employée pour véhiculer des informations linguistiques. Au niveau méthodologique, nous nous écartons de la notion « concrète » de cible tonale comme point d'inflexion, mais adoptons l'utilisation de procédures automatiques - et, par là, objectives - de localisation de la cible.

Nos hypothèses ont été testées pour le cas spécifique des questions et des affirmations dans la variété d'italien parlé à Naples. Dans l'italien napolitain, l'alignement de l'accent nucléaire montant est l'indice le plus robuste du contraste entre questions et affirmations : les cibles L et H sont plus retardées dans les questions oui/non (L*+H) que dans les affirmations à focalisation étroite (L+H*).

Notre travail a débuté par l'exploration de l'interaction entre variabilité segmentale et alignement tonal dans la réalisation (chap. 2) et la perception (chap. 3) du contraste intonatif. En particulier, nous avons observé dans le chapitre 2 que la réalisation des deux cibles de l'accent nucléaire est le résultat de l'interaction entre la composition segmentale de la syllabe accentuée et la modalité intonative, ce qui conduit à penser qu'en acoustique, le plan segmental et l'intonation ne sont pas « autonomes » l'un de l'autre. De plus, nos résultats ne sont pas en accord avec ce qui a été observé pour d'autres langues, notamment que l'alignement tonal est gouverné par des principes de synchronie et de stabilité. Sur le plan méthodologique, l'adoption de la méthode manuelle vs. automatique de localisation des cibles tonales influence fortement l'interprétation théorique des données. Cela indique que les choix méthodologiques adoptés par les études sur l'alignement tonal doivent être comparables, afin de pouvoir aussi en comparer les résultats. De plus, nous avons suggéré l'importance d'effectuer des analyses statistiques séparées en fonction de la classe consonantique, car le mode consonantique influence la localisation des cibles tonales, quelle que soit la méthode de localisation choisie.

La structure de la syllabe accentuée influence également l'alignement tonal : l'alignement du pic accentuel relativement à la fin de la voyelle est plus retardé en présence d'une syllabe fermée que d'une syllabe ouverte, dans les deux modalités intonatives. Dans le chapitre 3, nous avons montré que la manipulation de l'alignement tonal (avancé vs. retardé) de l'accent nucléaire influence fortement l'identification des questions et des affirmations, ce qui confirme des résultats déjà connus dans la littérature. De plus, nous avons mis en évidence que la différence de structure syllabique est exploitée par les auditeurs napolitains pour l'identification du contraste entre questions et affirmations. Par ailleurs, les variations d'alignement dues à la structure syllabique sont utilisées activement pour l'identification de paires minimales en contraste de structure syllabique et durée segmentale (par ex. nonno « grandpère » / nono « neuvième »). Ceci indique que l'interaction entre le plan segmental et l'intonation est pertinente pour la perception des contrastes phonologiques. Ces résultats sont aussi contraires aux modèles qui postulent que la prosodie ne joue aucun rôle dans l'élaboration lexicale.

Les affirmations et les questions du napolitain sont aussi caractérisées par une différence systématique de la pente de f0 entre l'accent prénucléaire et nucléaire : le mouvement descendant après un accent montant prénucléaire est beaucoup plus rapide dans les affirmations que dans les questions. Les chapitres 4 et 5 ont ainsi été consacrés, respectivement, à l'étude acoustique et perceptive de cette variabilité dans la région prénucléaire. En particulier, dans le chapitre 4 nous avons montré que cette différence est systématique et nous suggérons qu´elle est provoquée par l'insertion d'un ton, spécifié différemment dans les questions et dans les affirmations. Ce ton marquerait la fin d'un constituant prosodique de niveau bas, le Syntagme Accentuel, et il serait spécifié comme un ton haut (HAP) dans les questions, et comme un ton bas (LAP) dans les affirmations. Il faut aussi noter que cette différence de pente a pu être déterminée uniquement grâce à l'adoption de méthodes de modélisation très sophistiquées, telles que la régression logistique et la régression linéaire par morceaux.

Nous avons supposé que la variabilité de la région interaccentuelle pouvait être utilisée pour renforcer le contraste entre questions et affirmations, dont l'indice principal est l'alignement de l'accent nucléaire. Cette hypothèse a été testée par un test d'identification et par un semantic differential task dans le chapitre 5. Nos expériences ont montré que les napolitains sont capables de différencier les deux modalités intonatives même lorsque l'accent nucléaire n'est pas disponible, puisque le contraste HAP vs. LAP est exploité comme indice pour la perception des questions vs. affirmations. De plus, des indices perceptifs relatifs aux deux modalités semblent être présents déjà dans la toute première portion de la phrase, même avant le ton du syntagme accentuel. Ces résultats sont contraires aux théories compositionnelles du sens intonatif qui considèrent le contour nucléaire comme le cœur sémantique de l'énoncé, et appelle à une meilleure compréhension du poids sémantique véhiculé par le contour prénucléaire.

Pour résumer, cette thèse propose que les variations systématiques de la F0 puissent être grammaticalisées pour établir des contrastes phonologiques, leur distribution sur la globalité de l'énoncé indiquant l'existence d'une interaction entre le contour nucléaire et prénucléaire dans la construction du sens intonatif. Mot clés : alignement tonal, valeur mélodique, représentation phonétique et phonologique, compositionalité du sens intonatif, modélisation, italien napolitain.

Mot clés : alignement tonal, valeur mélodique, représentation phonétique et phonologique, compositionalité du sens intonatif, modélisation, italien napolitain.

Document : doc/theses/these_CP08.pdf

Transcription automatique de langues peu dotées

le webmestre — 2009-06-29T15:52:39Z

Résumé : Les technologies liées à la parole, et en particulier la reconnaissance de la parole, suscitent un grand intérêt pour un nombre croissant de langues. La très grande majorité des langues du monde ne possèdent pas de grands corpus de données nécessaires à l'élaboration des systèmes de reconnaissance à l'état de l'art, fondés sur des paradigmes probabilistes pour la plupart. Les travaux menés au cours de cette thèse ont consisté, dans un premier temps, à identifier les difficultés rencontrées lors de l'élaboration d'un système pour une langue peu dotée.

Nous avons travaillé principalement sur le problème des forts taux de mots hors-vocabulaire dus au manque de textes, qui est à nos yeux le problème le plus important pour ces langues. Nous défendons l'idée que l'utilisation de sous-unités lexicales correctement sélectionnées, qui peuvent être plus petites que les mots, peut amener des gains significatifs de performances. Nous avons utilisé et modifié un algorithme probabiliste qui propose des frontières de morphe, en introduisant des propriétés qui caractérisent la confusion acoustico-phonétique éventuelle entre les unités lexicales de reconnaissance.

Les expériences de reconnaissance ont été menées sur deux langues différentes : l'amharique et le turc, en collaboration avec une équipe de chercheurs turcs, de l'université stambouliote Bogazici. Les expériences de reconnaissance ont permis d'obtenir des gains modestes mais significatifs, autour de 5% relatifs pour les gains les plus élevés, avec des réductions relatives de taux d'OOV comprises entre 30% et 50%, sur les corpus des deux langues étudiées.

Document : doc/theses/these_TP08.pdf

Étude d'indices acoustiques dans le traitement temporel de la parole chez des adultes normo-lecteurs et des adultes dyslexiques

le webmestre — 2009-05-29T10:19:37Z

Résumé : Étude d'indices acoustiques dans le traitement temporel de la parole chez des adultes normo-lecteurs et des adultes dyslexiques

Quotidiennement, nous sommes confrontés à un signal de parole dégradé qui perturbe notre perception. Cependant, malgré cette distorsion du signal, la parole reste intelligible ce qui met en évidence nos capacité de compensation. Dans cette thèse, nous étudions les effets de la réduction temporelle d'indices acoustiques, tels que le voisement et les transitions formantiques, sur l'intelligibilité de la parole. Deux populations ont été étudiées, un groupe d'adultes normo-lecteurs normo-entendants et un groupe de dyslexiques adultes normoentendants. Les résultats chez les lecteurs experts permettent, d'une part, de constater le rôle et le poids des traits phonétiques manipulés ainsi que l'existence de processus de compensation de l'information manquante. D'autre part, une corrélation entre les performances d'identification de la parole compressée et les capacités en lecture, notamment au niveau de l'étape de traitement phonologique, a pu être observée. Ma thèse apporte également de nouvelles preuves d'un déficit auditif de traitement temporel de la parole chez les adultes dyslexiques. Les traits phonétiques manipulés sont traités différemment par les dyslexiques et les normo-lecteurs. De plus, l'étude du système auditif met en évidence des différences anatomo-fonctionnelles liées aux performances des dyslexiques en perception de parole. L'étude des détails acoustiques fins du signal de parole permet une meilleure connaissance des indices acoustiques primordiaux impliqués dans le traitement de la parole, ce qui permettrait également de répondre aux difficultés de certaines pathologies du langage, comme la dyslexie, et d'améliorer les méthodes de rééducation. Mots-clés : Perception de la parole dégradée, compression temporelle, indices acoustiques, traits phonétiques, voisement, VOT, transitions formantiques, dyslexie adulte.

Temporal speech perception of acoustic cues for expert readers and dyslexic adults

Everyday, we are faced with degraded speech signal. However speech remains intelligible meaning that we are able to deal with these variations. This dissertation investigates the effects of time-compression of acoustic cues on speech perception. Two acoustic cues are studied : voicing and formant transitions. The performances of two populations are compared : expert readers and dyslexic adults. On the one hand, expert readers' results highlight the role and the relative weight of each phonetic feature and the existence of mechanisms of restoration. On the other hand, we observed a correlation between compressed speech identification performances and reading abilities, particularly at the phonological stage. My dissertation provides new evidence for an auditory deficit of temporal processing in dyslexic adults. Phonetic features are differentially processed by expert readers and dyslexics. In addition, a study of the auditory system reveals anatomo-functional differences in relation with speech perception of dyslexics. The study of fine acoustic details allows for a better understanding of crucial acoustic cues involved in speech processing ; which in turn would improve our knowledge of language disorders, like dyslexia, and enhance methods of remediation. Keywords : Degraded speech perception, time-compression, acoustic cues, phonetic features, voicing, VOT, formant transitions, dyslexic adults.

Document : doc/theses/these_CJ08.pdf