Thèse « Séparation de Sources Par Ia

**votre rôle**:
Votre rôle est d’effectuer un travail de thèse sur la : « Séparation de sources par IA générative. Application à des contenus ambisoniques »
- **Contexte global et problématique du sujet**

Les récents progrès de la reconnaissance automatique de la parole, portés par les avancées en deep learning, ont grandement participé à mettre en avant les services vocaux. Cependant, qui n’a pas été excédé de devoir répéter plusieurs fois la même commande à un assistant domestique tel Alexa ou Google Home ? De fait, la prise de son main-libres se traduit par l’amplification de perturbations liées à l’environnement sonore : bruit, réverbération, interférences. Afin de rendre à la voix son intelligibilité, cela nécessite d’appliquer des techniques de rehaussement comme la séparation de sources permettant de supprimer les interférences.

Dernièrement, les technologies de séparation ont bénéficié de la démocratisation des antennes de microphones : la plupart des tablettes, smartphones, laptops, aides auditives sont équipés de plusieurs microphones,. Ces interfaces multicanales sont en effet plus performantes que les versions mono car elles peuvent tirer parti d’informations spatiales pour séparer les sources.

Cependant, ces méthodes présentent des limites fondamentales:
ii) les réseaux, entraînés de manières supervisées sur des bases de données synthétiques, fonctionnent mal en situations réelles.
- **Objectif scientifique - résultats et verrous à lever**

L’objectif de la thèse consiste à développer des méthodes de séparation de sources audio multicanal qui soient robustes en condition réelle.

Dans cette thèse, les données seront au format Ambisonique : c’est le format générique de représentation pour les contenus VR, est supporté par les plus récents codeurs audio comme IVAS du 3GPP, et il existe de nombreuses antennes permettant de capter des scènes dans ce format. Dans cette thèse, on utilisera les technologies d’IA générative, connues pour leur capacité de généralisation. Plus précisément, on se basera sur des architectures de type encodeur-décodeur monocanal comme SoundStream, que l’on adaptera aux contenus ambisonique pour encoder l’information spatiale et regénérer au décodage la source d’intérêt identifiée par sa position.

Ainsi, on espère:
i) briser l’éternel compromis « suppression des interférences vs qualité vocale »

ii) être capable s’adapter à des situations réelles et nouvelles, comme une nouvelle antenne.

**votre profil**:

- **Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste**
- Maitrise des techniques d’apprentissage automatique, réseaux de neurones profonds
- Maitrise des techniques de traitement du signal, audio.
- Connaissances approfondies en Python, Bash etc.
- Rigueur et créativité
- Notions de propriété intellectuelle
- **Formation demandée (master, diplôme d’ingénieur, doctorat, domaine scientifique et technique)**
- Diplôme niveau bac+5 (master, diplôme d’ingénieur, etc.) dans le domaine du traitement du signal ou de l’apprentissage automatique ou de l’acoustique.
- Une connaissance du domaine de l’audio est un plus
- **Expériences souhaitées (stages,projets, TPs)**
- Expérience en apprentissage automatique, notamment réseaux de neurones profonds (DNN), framework PyTorch/Tensorflow
- Expérience en traitement du signal audio ( filtrage, réduction de bruit, codage)

**le plus de l'offre**:
**Qu’est ce qui fait la valeur ajoutée de cette offre ?**

Vous aurez accès à différents matériels pour la réalisation des travaux de recherche : des antennes ambisoniques et une salle équipée d’une 30aine de haut-parleurs pour la création de base de données, des ressources de calcul centralisées (100aine de GPU) pour les travaux sur les réseaux de neurones.

D’autre part, cette thèse s’inscrit dans le cadre du projet DEESSE - Deep Generative Spatial Source Separation - en cours de soumission à l’ANR et qui implique plusieurs acteurs académiques majeurs du domaine. Vous serez ainsi amené à échanger régulièrement avec d’autres doctorants du projet et les chercheurs de ces laboratoires académiques.

**entité**:
L’ambition de la Division Innovation est de porter plus loin l’innovation d’Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l’humain, éclairer les choix stratégiques du Groupe à long terme et influencer l’écosystème digital mondial.
Nous formons les expertes et les experts des technologies d’aujourd’hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l’innovation dont 740 chercheurs. Porteu