Stage - Séparation de sources à partir d'une antenne circulaire F/H

Description de l'offre

about the role

Orange Labs travaille à la réalisation d'un prototype d'antenne temps-réel permettant d'extraire - séparer- les différentes sources dans une scène acoustique. Les approches exploitent le format ambisonique de l'antenne pour effectuer la séparation de sources : une première étape de localisation estime la position des sources, positions exploitées par l'étape de séparation qui dérive des filtres spatiaux de type Wiener multicanal. Cependant, le format ambisonique n'est pas parfaitement adapté à une intégration dans un produit de faible volume, car il nécessite une antenne sphérique. L'objectif du stage sera d'évaluer la dégradation des performances en utilisant une antenne circulaire plutôt qu'une antenne sphérique.

Dans le cadre de ce stage, vous devrez tester ce réseau, appris sur des données ambisoniques, sur des données synthétiques au format circulaire.

Pour cela, vous devrez :

- générer, à l'aide d'un logiciel de synthèse d'acoustique de salle acquis par Orange, une base de données au format circulaire,

- adapter les entrées du réseau à partir de techniques de filtrage multicanal qui restent à implémenter,

- tester ce réseau sur des données réelles : il faudra ainsi enregistrer une base de données réelle à l'aide d'une antenne circulaire du marché.

Vous disposerez d'une salle équipée de nombreux haut-parleurs et d'un kit de développement de type XMOS VocalFusion VF3100 Les algorithmes, développés en Python, seront évalués régulièrement via des mesures objectives permettant de quantifier leurs performances en termes de séparation. A cet effet, vous devrez interfacer ses développements à un logiciel de reconnaissance vocale interne (Python).

 

about you

Formation de niveau Bac+5 dans le domaine du traitement du signal.

Maîtrise du traitement du signal audio.

Connaissances en traitement d'antenne et en méthodes d'apprentissage statistique, si possible en réseaux de neurones.

Maîtrise des logiciels Matlab et Python.

Connaissances en programmation de réseaux de neurones sous Python (Keras/Tensorflow).

Forte appétence pour le traitement du signal.

Maîtrise de l'anglais

 

additional information

Vous travaillerez au sein de l'équipe de traitement de la parole et du son.

Vous serez amené-e à échanger avec les différents membres de l'équipe, experts sur les domaines du traitement audio multicanal, le développement informatique et  l'intelligence artificielle liés à l'audio.

Vous travaillerez directement avec un doctorant dont la thèse traite de la problématique de localisation de sources.

Vous contribuerez, au sein d'une équipe motivée, à la recherche de 2 domaines en plein essor, les assistants vocaux, le machine learning et le traitement d'antenne. Vous travaillerez ainsi sur des technologies qui seront de plus en plus utilisées dans le futur.

Vous pourrez être amené-e à déposer un ou plusieurs brevets, et à participer à la publication d'articles.

 

department

L'équipe CVA (Content Video Audio), basée à Rennes Cesson Sévigné, travaille sur les algorithmes de traitement audio, tels que les codecs voix/audio, les algorithmes d'amélioration (réduction du bruit, annulation d'écho, séparation de sources), le son 3D (dont le son binaural) et leurs intégration dans les services innovants ainsi que sur les technologies de traitement du signal audio et machine learning : interface homme-machine, compression, spatialisation sonore, conférence audio 3D, VoD, webradio. Elle participe notamment à la recherche et au développement des technologies audio pour les services d'assistant vocal domestique Djingo. Elle contribue également à la normalisation des technologies et services avec des participations dans les organismes internationaux (3GPP, SA4, Mpeg Audio) et par son expertise, elle contribue à l'établissement et au suivi des normes internationales du domaine (ITU-T, MPEG, 3GPP, IETF).

contract

Internship

Duration : 6 months

Level : Master 2, Master 1