Comparer 2 sons

**Tymk** · 30/01/2006, 13h17

J'ai exposé mon problème dans le forum C++ et on m'a conseillé de m'adresser ici, alors voilà.

Je cherche le meilleur moyen de comparer 2 sons et d'en déduire un pourcentage de ressemblance. Les fichiers à comparer dureront au maximum jusqu'à une dizaine de secondes et je me demande s'il n'existe pas une méthode bit à bit.

Pour l'instant je me débat avec fmod sans aucun résultat.

**progfou** · 30/01/2006, 13h20

Tu peux les comparer temporellement, en utilisant l'autocorrélation, par exemple.
Tu peux aussi les comparer fréquentiellement, tout dépend de l'application ?
L'erreur quadratique moyenne peut être une bonne première approximation.

**Tymk** · 30/01/2006, 13h25

Je ne m'y connais pas vraiment en matière de sons mais je cherche avant tout une direction pour mes recherches.

Mon but est de déterminer un coëfficient de similitude entre 2 sons sachant que l'un des deux sera certainement parasité par un bruit. Vers quelle méthode je devrais d'abord m'orienter ?

**Biosox** · 30/01/2006, 14h03

en fait ça dépend pas mal de la nature des sons, et de la nature des bruits. Tu devrais nous en dire plus.

Le problème peut devenir très simple si le son et les bruits sont de nature complétement différentes. Mais il peut devenir tres complexe sinon!

C'est un problème de "traitement du signal", et les méthodes utilisées dans ce domaines sont aussi variées que les situations rencontrées.

**Tymk** · 30/01/2006, 14h15

Je devrais vraisemblablement comparer certains mots d'une voix parmis d'autres voix.
Mais dans un premier temps, je vais réaliser une version dans laquelle les bruits de fond seront très négligeables. J'augmenterais la "difficulté" plus tard si le besoin s'en fait ressentir.

Donc, pour le moment il faut que je compare 2 occurences d'une même expression énoncée avec la même voix.

Je pensais d'abord, enregistrer le son à partir du micro puis analyser les fréquences à intervalles de temps réguliers, faire de même sur la seconde occurence et faire une sorte de moyenne pour obtenir un coëfficient de ressemblance.

**r0d** · 30/01/2006, 14h33

Une méthode possible serait d'effectuer une FT sur tes deux sons et de comparer les résultats. Cette méthode présente les avantages suivants:
- une fois la FT effectuée (il existe des libs qui font cela très bien), les calculs seront simples
- le résultat est totalement indépendant du temps
- méthode facilement paramétrable et "améliorable"

Hope it helps.

**Biosox** · 30/01/2006, 15h43

Envoyé par Tymk

Je devrais vraisemblablement comparer certains mots d'une voix parmis d'autres voix.

Si je comprends bien, tu as un enregistrement de plusieurs voix, et tu dois isoler certains mots? c'est de la reconnaissance de parole.
C'est un problème complexe. D'autant plus qu'un même mot peut être prononcé plusieurs fois avec une vitesse et une dynamique différente, même par la même personne.
Si en plus les plusieurs voix se mettent à parler en même temps la ça devient vraiment problèmatique.

Je te conseille de chercher des cours de "traitement du signal" et "reconnaissance de la parole"

**xxiemeciel** · 30/01/2006, 16h22

Salut,

Les solutions dans ce domaine passent presques toutes par de l'analyse de spectre, il faut utiliser la FT comme l'a suggéré r0d. Et effectivement c'est un problème complexe.

XXiemeciel

**Tymk** · 30/01/2006, 17h03

C'est parti pour la FT alors. Je tiens tout de même à préciser que dans mes conditions de départ il n'y a pas de bruit, je pense que cela devrait réduire significativement la difficulté. Enfin, j'espère.

Merci, à tous pour les conseils. Je vous tiens au courant.

mat.M · 30/01/2006, 18h10

Envoyé par Tymk

Pour l'instant je me débat avec fmod sans aucun résultat.

je ne connais pas fmod mais il faut pour cela que tu puisses accéder octet par octer au fichier son .
fmod le permet-il ?

**Tymk** · 30/01/2006, 18h52

On m'a certifié que oui mais en parcourant fmod.h je n'ai pas trouvé la définition d'une fonction qui pouvait m'aider.

**PRomu@ld** · 30/01/2006, 19h58

Il faudrait regarder dans la doc, c'est possible (j'ai déjà vu quelqu'un sur ce forum le faire).

en utilisant l'autocorrélation, par exemple.

Ne serait ce pas l'intercorrelation. Mais hormis ce point, cela est une bonne idée. Pour la FFT, tu vas peut être trouver des sons qui sont peut être resemblant (à un % près) alors que temporellement ce n'est pas la même chose. Je pense qu'il faut faire intervenir une notion temporelle, pour identifier deux sons (un son de 20 sec à très peu de chance de resembler à un son de 1 sec, pourtant si les freq sont les mêmes, tu as de fortes chances de les identifier) prends le code morse par exemple la durée est très importante.

**Matthieu Brucher** · 30/01/2006, 20h07

Déjà, définis ce que tu entends par ressemblant :
- même durée
- même contenu spectral
- identique avec un bruit différent
- accéléré, ralenti, autre personne, ...

Selon la ressemblance choisie, les algos seront simples et faisables pour toi ou complètement hors de portée pour qqn qui ne connaît rien au traitement du signal 1D.

**Tymk** · 30/01/2006, 20h08

Pour répondre à PRomu@ld :
Effectivement, c'est une très bonne remarque. Mais le problème reste entier : quelle méthode dois-je utiliser ? Est-ce que la dimension temporelle peut être ajoutée comme simple paramètre supplémentaire de la FFT (ça serait trop beau) ou est-ce que l'intercorrelation répond directement à mes attentes ?

PS : J'attend d'être fixé sur le problème avant de commencer mes recherches.

**r0d** · 30/01/2006, 20h22

Envoyé par Tymk

Mais le problème reste entier : quelle méthode dois-je utiliser ?

Justement, la méthode à utiliser sera en fonction de tes besoins et contraintes. Il est indipensable de bien les définir avant de choisir la façon dont tu va t'y prendre pour coder ça.

Pour synthétiser ce qui a été dit précédemment, tu dois d'abord répondre à ces questions:
1/ Importance de la durée des sons (longueur totale du son, vitesse d'élocution, silences, etc.)
2/ Importance des caractéristiques acoustiques des voix analysée (timbre, hauteur, bruit, etc.)
3/ Importance des différences de prise de son (bruit, enveloppe, volume...)
4/ Sur quel(s) type(s) de format audio tu souhaites (ou tu peux) travailler (format, vitesse d'échantillonage, taille des échantillons,...)
5/ Y aura-t-il des traitements préalable à effectuer sur tes fichiers audio (filtres). Par exemple, dans le cas où il y a plusieurs vois simultanées, s'il y a des fréquences à gérer, etc.
6/ Une constante dans l'analyse audio: la qualité des silences.
7/ Souhaites-tu travailler en temps réel?
...

Envoyé par Tymk

Est-ce que la dimension temporelle peut être ajoutée comme simple paramètre supplémentaire de la FFT (ça serait trop beau) ou est-ce que l'intercorrelation répond directement à mes attentes ?

Je ne connais pas l'intercorrelation. Mais déjà, tu peux utiliser la (F)FT d'un côté, qui te donnera une partie des renseignements, et puis une analyse temporelle d'un autre côté, qui te fournira d'autres informations. En rassemblant le tout, tu peux arriver à de bons résultats.

**Tymk** · 30/01/2006, 20h25

Les définitions que Miles requiert :
- même durée
- même contenu spectral
- identique avec un bruit différent
- accéléré, ralenti, autre personne, ...

Pour simplifier le plus possible le problème je me suis confronté à la comparaison de 2 fichiers sonores :
- de durées sensiblement équivalentes (à quelques secondes près sur une durée totale d'une dizaine de seconde)
- énoncés par la même personne, sans effet d'aucune sorte (écho, distorsion...) et avec un bruit négligeable.

Ne sachant pas exactement à quoi correspond un contenu spectral je ne peut pas t'en dire plus.

Sinon, après avoir réfléchi au problème de temps, je me suis dit que si je pouvais faire sans, cela permetterait d'énoncer les expressions à des vitesses différentes et avoir ainsi un meilleur pourcentage de similitudes. D'autant plus que l'utilisation de la FFT à semble-t-il des avantages selon r0d. Notamment, "l'améloirabilité".
[/quote]

**Tymk** · 30/01/2006, 20h31

Merci r0d pour avoir clarifier la démarche à suivre.
Il se peut effectivement que seul l'expérimentation me donne les renseignements dont j'ai besoin. Je vais tenté une approche FFT pour commencer.

Biensûr, je vous remercie tous pour les conseils avisés.