Apprentissage de représentations de la parole et du locuteur pour une reconnaissance robuste du locuteur et de la langue

Learning speech and speaker representations for robust speaker and language recognition

• Auteur / Autrice : Théo Lepage
• Direction : Thierry Geraud
• Type : Projet de thèse
• Discipline(s) : Sciences et technologies de l'information et de la communication
• Date : Inscription en doctorat le 02/11/2022
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Recherche de l'EPITA

Mots clés

Mots clés libres

Apprentissage de représentations

Reconnaissance du locuteur

Reconnaissance de la langue

Learning representations

Speaker recognition

Language recognition

Résumé

Apprendre des modèles de représentation de la parole ou du locuteur pour des tâches de traitement de la parole est très difficile. Généralement, nous voulons que les représentations de discours apprises soient désenchevêtrées, invariantes et hiérarchiques. Étant donné que les énoncés parlés contiennent, en plus du contenu phonétique, des informations sur l'identité du locuteur, son style, son émotion, le bruit environnant et le bruit du canal de communication, il est essentiel d'apprendre des représentations qui démêlent ces facteurs de variation.

Learning speech or speaker representation models for speech-processing tasks is very challenging. Generally, we want the learned speech representations to be disentangled, invariant, and hierarchical. Since spoken utterances contain, in addition to the phonetic contents, information about speaker identity, style, emotion, surrounding noise, and communication channel noise, it is essential to learn representations that disentangle these factors of variation.