Amélioration Des Techniques De Conversion Vocale Appliquées à La Voix Laryngée et à La Voix Pathologique
Year: 2023
Type: dissertation
Abstract: La conversion vocale (VC) vise à transformer un signal de parole émis par un locuteursource afin qu’il paraisse prononcé par un autre locuteur, appelé locuteur cible. Lessystèmes de conversion vocale s’appuient généralement sur des données parallèles, où lesénoncés source et cible partagent le même contenu linguistique, pour permettre l’apprentissagedu modèle. Cependant, ces données sont souvent coûteuses à obtenir et parfoisindisponibles, ce qui pose le défi de concevoir une fonction de conversion robuste, mêmeavec des données parallèles limitées ou non disponibles.Les laryngectomisés, par ailleurs, sont des personnes ayant subi une ablation totale dularynx, généralement en raison d’une pathologie laryngée avancée. Cette intervention entraîneune perte de la capacité à parler. Grâce à l’accompagnement d’un orthophoniste, denombreux patients apprennent à utiliser une voix alternative, appelée voix oesophagienne(ou alaryngée). Cependant, cette voix est souvent rauque, bruitée et peu intelligible, rendantla communication difficile.L’objectif principal de cette thèse est d’améliorer les performances des techniques deconversion vocale appliquées à la voix laryngée et alaryngée.Notre première contribution porte sur la mise en oeuvre d’un système de conversionvocale conçu pour surmonter le problème du lissage excessif, souvent causé par la modélisationstatistique fondée sur des caractéristiques de faible dimension. Pour améliorer laqualité de la modélisation, nous avons utilisé des caractéristiques spectrales de haute dimension,intégrées dans deux approches de réseaux neuronaux profonds. Pour répondre àla contrainte de données limitées, nous avons également proposé une technique innovantede pré-apprentissage basée sur un autoencodeur, permettant d’améliorer les performancesdes modèles de conversion.Notre deuxième contribution s’attache à lever la contrainte du parallélisme dans lesdonnées d’apprentissage. Nous avons développé une approche utilisant un modèle autorégressifet des représentations phonétiques pour intégrer les caractéristiques linguistiqueset acoustiques dans le processus de conversion, éliminant ainsi la dépendance à des donnéesparallèles.Enfin, notre dernière contribution concerne la création d’un système de rehaussementde la parole pathologique, en particulier pour la voix oesophagienne, afin d’en améliorerl’intelligibilité et le naturel. Ce système repose sur une nouvelle technique de conversionvocale qui évite les limites du processus d’alignement classique. Il s’appuie sur une architecturedite « de bout en bout », combinant un modèle séquence à séquence avec unmécanisme d’attention auditive, pour offrir des performances optimales.
Source: HAL
Author: Ezzine, Kadria
Institution: University of Carthage
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W4405427659
