Indexation de documents audio : Cas des grands volumes de données

Abstract

Cette thèse est consacrée à l'élaboration et l'évaluation des techniques visant à renforcer la robustesse des systèmes d'indexation de documents audio au sens du locuteur. L'indexation audio au sens du locuteur consiste à reconnaître l'identité des locuteurs ainsi que leurs interventions dans un flux continu audio ou dans une base de données d’archives audio, ne contenant que la parole. Dans ce cadre nous avons choisi de structurer les documents audio (restreints à des journaux radiodiffusés) selon une classification en locuteurs. La technique utilisée repose sur l’extraction des coefficients mel-cepstrales, suivi par l’apprentissage statistique de modèles de mélange de gaussiennes (MMG) et sur la détection des changements de locuteur au moyen de tests d'hypothèses Bayésiens. Le processus est incrémental : au fur et à mesure que de nouveaux locuteurs sont détectés, ils sont identifiés à ceux de la base de données ou bien, le cas échéant, de nouvelles entrées sont créées dans la base.

L'organisation des MMG des locuteurs en structure arborescente est un choix qui permet de réduire considérablement la complexité du traitement lors du passage à l'échelle incrémentale. Plusieurs techniques ont été réalisées dans ce travail de thèse.

Comme toute structure de données adaptée au problème incrémental, notre système d’indexation permet d’effectuer la mise à jour des modèles MMG des locuteurs à l’aide de l’algorithme fusion des MMG. Cet algorithme a été conçu à la fois pour créer une structure ascendante en regroupant deux à deux les modèles GMM jugés similaires.

Enfin, au travers de deux expérimentations utilisant des structures arborescentes binaires ou n’aires, une réflexion est conduite afin de trouver une structure ordonnée et adaptée au problème incrémental. Quelques pistes de réflexions sur l'apport de l'analyse vidéo sont discutées et les besoins futurs sont explorés.