Le fichier audio visualisé est le passage de musique à discours (sur une radio). Le changement est net sur le spectre (l'image blanche en bas). Le réseau de neurones met un peu de temps à réagir, parce qu'il se base sur les deux variables du milieu, qui sont lissées par une moyenne temporelle (pour augmenter la stabilité de la détection). Il faudrait qu'il utilise le spectre, ou une feature qui en est dérivée (celle du haut, par exemple). Malheureusement je suis limité par les capacités d'apprentissage de mon réseau (mon algo ne doit pas être super) : je n'arrive pas à faire converger le réseau avec plus de paramètres.

Première séparation effective entre la musique et le texte. Dans ce cas, une séparation linéaire suffit : c'est plutôt rassurant de penser que ce type de séparation est simple. Les textes sont en blanc, la musique est en noir. En abscisses, le HZCRR. En ordonnées, le LSTER.

Les quatres courbes qu'on voit ici sont des mesures d'un même fichier audio (enregistré depuis une radio), avec un passage (au centre) de la musique à des paroles. Les courbes sont, de bas en haut : le Zero Crossing Rate (ZCR), puis le HZCRR (High ZCR Ratio), suivi du Short Time Energy (STE) et du LSTER (Low STE Ratio). Là, on obtient des mesures relativement significatives par rapport au contenu : il ne reste plus qu'à lisser un peu et donner le résultat à un réseau de neurones.

Cette image représente les variations du spectre de fréquences d'un fichier audio (de la musique). Les fréquences les plus graves sont représentées à gauche (la gamme représentée correspond à peu près au domaine audible). Tel quel, ça fait beaucoup trop de données à gérer. L'idée est de sélectionner sur ce spectre les infos utiles pour détecter la nature du son.

Ces deux images représentent les différentes positions que peut prendre un réseau de neurones lors d'entrainements successifs sur un même ensemble de points. C'est la partie heuristique à proprement parler du projet. Pour l'instant, je n'ai pas encore des mesures assez fiables des échantillons audio pour lancer des entrainements sur des corpus audio.

Une petite blague que j'ai faite en classe, en première année de prépa.

Un micro-moteur de recherche avait été implémenté, pour aider l'utilisateur à trouver son bonheur dans les codes proposés.

L'interface du logiciel. Le texte codé était calculé en direct, et l'interface se voulait la plus simple possible.

Le chiffrage en symboles était réalisé avec des polices de caractères spéciales, créées avec Fontforge.

L'affiche s'adresse surtout aux initiés, avec un certain nombre de références à toute l'affaire. Elle n'est donc pas très efficace, puisqu'elle est compliquée, que son auteur n'est pas identifié, qu'aucune alternative n'est proposée... Mais bon, ça fait du bien de mettre ce genre d'idées en forme. L'image a beaucoup évolué depuis la première version, gràce aux conseils de plusieurs "regards extérieurs". .