Noureddine Aboutabit
Grenoble Images Parole Signal Automatique, département Parole & Cognition
Session JEP poster P3 Mardi 10 Juin - 14h00 16h00
-
papier 1674
Analyse de la Production d'un Codeur LPC Sourd
- Pablo Sacher ( Grenoble Images Parole Signal Automatique - Dpt. Parole et Cognition)
- Denis Beautemps ( Grenoble Images Parole Signal Automatique - Dpt. Parole et Cognition)
- Marie-Agnès Cathiard ( Centre de Recherche sur l'Imaginaire - Université Stendhal Grenoble III)
- Noureddine Aboutabit ( Grenoble Images Parole Signal Automatique - Dpt. Parole et Cognition)
- Résumé : Cet article se concentre sur l'analyse de la production de code LPC par une personne sourde. En effet, ce genre d'analyse, pour des codeurs normo-entendants est rare, et quasiment inexistante en ce qui concerne la production de code par une personne sourde. Précisons qua par analyse nous entendons coordination temporelle des gestes labiaux et manuels du code LPC. Nous verrons que l'anticipation manuelle sur le geste labial (découvert par Attina et al. (2004)) est conservée pour ce codeur.
- article
Session JEP orale O2 Pathologies Mardi 10 Juin - 16h30 18h30
-
papier 1670
Adaptation de la production labiale d'un participant sourd et classification : le cas des voyelles en contexte du code LPC
- Noureddine Aboutabit ( Grenoble Images Parole Signal Automatique, département Parole & Cognition)
- Denis Beautemps ( Grenoble Images Parole Signal Automatique, département Parole & Cognition)
- Olivier Mathieu ( Grenoble Images Parole Signal Automatique, département Parole & Cognition)
- Laurent Besacier ( Laboratoire d'Informatique de Grenoble)
- Résumé : The phonetic translation of Cued Speech (CS) gestures needs to mix the manual CS information together with the lips, taking into account the desynchronization delay (Attina et al. [2], Aboutabit et al. [7]) between these two flows of information. This contribution focuses on the lip flow modeling in the case of French vowels. Previously, classification models have been developed for a professional normal hearing CS speaker (Aboutabit et al., [7]). These models are used as a reference. Now, we process the case of a deaf CS speaker and discuss the possibilities of classification. The best performance (92,8%) is obtained with the adaptation of the deaf data to the reference models.
- article