Stage 6 mois - Recherche : Séparation de sources audio à base d'IA F/H

Description de l'offre

Date de publication : Oct 19, 2026, 11:52AM

Durée du contrat : 6 mois

Les technologies immersives telles que la réalité augmentée, les casques audio spatialisés ou les systèmes de téléconférence multi-antennes dépendent de plus en plus sur la captation de scènes sonores complexes. Ces scènes sonores sont souvent assujetties au bruit, à la réverbération des salles, aux interférences, et autres perturbations. Ainsi, de nombreuses applications s'intéressent à l'isolation sélective de la parole d'un locuteur d'intérêt. Dans ce contexte, le format ambisonique est un bon candidat pour la captation de scènes sonores et l'extraction de sources car son format permet d'exploiter l'information spatiale inhérente à la scène. Plus précisément, nous nous intéressons au problème de "Target Speaker Extraction" , qui a pour but d'extraire la parole d'un locuteur spécifique étant donné des indices ou conditions (identité du locuteur, position du locuteur, etc.).

Ces dernières années, l 'intelligence artificielle et les réseaux de neurones ont permis d'atteindre des niveaux avancés de traitement de scènes sonores complexes. Les architectures de type autoencodeur, souvent utilisées pour des tâches de codage neuronal ou de débruitage, ont montré leur efficacité à représenter des signaux audios de manière compacte dans un espace latent. L'objectif de ce stage est d'adapter ce type d'architecture à une tâche de séparation de sources multi-canal à partir de captations ambisoniques. Ce stage vise à intégrer une méthode de conditionnement au niveau de l'espace latent pour extraire une source cible à partir de l'information de position de la cible.

Ce stage explorera l'utilisation de réseaux de neurones de type autoencodeur dit "sparse