Discussion :

[KantinOfficiel]

Bonjour,
dans le cadre de travaux, je suis amené à étudier la notion de reconnaissance automatique de la parole à l'aide des réseaux de neurones.
J'aimerai alors savoir s'il était envisageable de développer un "petit" algorithme de type réseaux de neurones et l'entrainer à reconnaitre quelques consonnes ou voyelles phonétiques, pour ensuite tester son efficacité.
Et si oui, quelques explications/conseils pour y parvenir.
Merci d'avance.

[Andéol]

Bonjour,

C'est un projet assez ambitieux.
Je ne suis pas expert des réseaux de neurones, mais j'ai fait un peu de classification de signaux avec d'autres méthodes, et certains conseils vont s'appliquer aussi.

La première étape, c'est le pré-traitement de ton signal. Il ne faut surtout pas sous-estimer son importance. Disons que ton signal d'entrée est un son d'une seconde, échantillonné à 10 000Hz.

_ Tu peux transformer ton signal, par exemple par la transformée de Fourier. Donner la transformée de Fourier en entrée de ton réseau plutôt que le signal brut est sans doute préférable.

_ Tu peux lisser le signal. Pas évident de reconnaitre un son quand il y a de la friture sur la ligne. Appliquer un filtre passe-bas au signal (par exemple avec une fréquence de coupure à 1000 Hz) devrait te permettre de réduire ce bruit.

_ Tu peux sous-échantillonner le signal. Pour une voix humaine, il ne semble pas très utile d'avoir des infos au-delà de 1000Hz (à vue de nez). Ca nous gagne pas mal sur la dimension du signal.

Toutes ces méthodes visent à réduire la dimension du signal, tout en conservant l'information utile (ça va être dur de classifié si on a trop filtré et qu'il ne reste rien). Elles visent aussi à améliorer le rapport signal/bruit.
Si ces étapes-là sont bien faites, ton réseau reçoit en entrée des données plus claires (moins bruitées) et plus simples (petite dimension). Ca va énormément te faciliter la tâche. Tu aura besoin d'un réseau de neurone plus petit, et de moins de données d'entrainement.

Bon courage !

[KantinOfficiel]

Merci beaucoup pour ces précisions.
J'aimerais vous poser une autre question : après avoir analysé mon signal, quelles sont les différentes caractéristiques que je pourrai utiliser en entrée de mon réseau de neurones ? L'amplitude des différentes composantes, la durée du signal ? Quoi d'autre ?
Merci d'avance.

[Andéol]

Difficile à dire, n'étant pas expert de la reconnaissance de la parole.
Si vous parlez bien anglais, vous pouvez voir ce que vous trouvez sur google scholar avec les mot-clés: "features for speech recognition", mais ça va vitre être très spécialisé.

De base, l'amplitude (Fourier) dans différentes bandes de fréquence, et échantillonnée avec une bonne précision, devrait déjà pouvoir suffire, pour une version simple.
Je pense que vous avez intérêt à mettre en place un système basé uniquement sur Fourier, avant d'aller chercher plus loin. C'est déjà assez riche en information, et vous allez devoir faire les bons choix (par essais/erreur, sans doute) sur les paramètres d'échantillonnage (sur quelle plage de on applique la transformation, utilise-t-on une fenêtre glissante, etc)

[dev_ggy]

Bonjour à tous,

Connaissant la reconnaissance de la voix, il existe des bases de connaissance sur Kaggle pour l'anglais.

Il y a aussi des exemples de réseaux de neurone récursif, ils sont utilisés plutôt sur un mot que sur une syllabe.

Dernier point, il me semble que le traitement de l'image du signal et des fréquences du son à l'aide de réseaux de neurones de reconnaissance de forme est plus efficace que les réseaux récursifs.

Bien cordialement,