Description
Date depot: 12 avril 2019
Titre: Modélisation neuronale de la prosodie pour la transformation de l’expressivité de la voix
Directeur de thèse:
Axel ROEBEL (STMS)
Encadrant :
Nicolas OBIN (STMS)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
L’objectif de cette thèse est d’exploiter les avancées récentes en apprentissage profond et en traitement automatique de la parole pour développer des algorithmes d’apprentissage par réseaux de neurones pour la modélisation faiblement supervisée de l’expressivité vocale avec application transformation et synthèse de la parole. L’approche envisagée se situe dans l’apprentissage faiblement supervisé de représentations latentes expressives apprises sur des bases de données naturellement expressives, dans la lignée de (Székely et al., 2012 ; Jauk, 2017 ; Wang et al., 2018; Skerry-Ryan et al., 2018). L’objectif principal de la thèse est de réaliser un modèle d’expressivité qui permette l’apprentissage de codes expressifs latents et leur transfert pour reproduire des expressivités désirées par un utilisateur.
Doctorant.e: Le Moine Clément