MR-PEG : archives : 2007

Le principal frein à l'utilisation des systèmes de reconnaissance automatique de la parole grand vocabulaire relève aujourd'hui principalement de leur relative lenteur d'exécution, lenteur rendant par exemple complexe leur portage dans des environnements pauvres en ressources calculatoires (PDA, etc.). L'étude réalisée au cours de cette thèse a ainsi porté sur la recherche de méthodes efficaces d'accélération de la reconnaissance.
Une première phase d'étude des méthodes d'accélération du décodage et en particulier de celles liées à la limitation du nombre de densités, nous a permis de regrouper celles-ci en trois catégories distinctes selon qu'elles se basent sur le partitionnement hiérarchique, sur la classification de type k-moyennes ou sur la sous-quantification vectorielle. Notre travail a consisté à étudier et à améliorer les méthodes issues de chacune de ces catégories.
Les contributions de notre étude se déclinent alors en trois propositions concernant respectivement le partitionnement hiérarchique multi-niveaux, la sélection contextuelle des gaussiennes par regroupement k-moyennes et la sous-quantification vectorielle contextuelle.
Les expériences ont montré un gain important en termes de réduction du nombre de densités calculées puisque cette réduction se mesure autour de 87% sans perte de performances.

L'introduction des contraintes morphologiques dans la modélisation statistique de la langue arabe prend un intérêt particulier car la langue arabe présente une morphologie très riche. Le choix de base dans cette thèse est d'intégrer l'information morphologique sous la forme de classes. En effet, les modèles à base de classes ont prouvé leur efficacité. Ces modèles apportent un plus pour l'adaptation et pour l'apprentissage de modèles à partir de bases de données réduites, et ils nécessitent généralement un espace mémoire réduit. Les travaux présentés dans cette thèse, permettent d'explorer la possibilité de proposer des modèles robustes incluant des contraintes morphologiques. Partant de l'hypothèse que les mots sont formés de triplets (racines, règles, types), un cadre général est proposé et plusieurs modèles N-gram à base de classes sont dérivés. En utilisant ces modèles des résultats satisfaisants sont obtenus tout en réduisant le nombre de paramètres. Pour les langues riches en structures morphologiques comme la langue arabe, l'idée consiste à séparer la dépendance du mot à son contexte en deux dépendances ; une dépendance entre la racine des mots et les racines du contexte et, une autre dépendance entre les règles morphologiques et les racines. Cette simplification nous a permis de réduire considérablement le nombre de paramètres au prix d'une perte limitée de la perplexité. La réintroduction de la dépendance entre les règles morphologiques et les règles morphologiques du contexte a rendu le modèle bien riche mais ceci a augmenté significativement le nombre de paramètres. Ce qui a demandé une factorisation des règles du contexte en utilisant l algorithme des K-means. Les résultats obtenus par cette approche sont satisfaisants et surtout l interpolation linéaire avec le modèle N-gram de base qui a permis une réduction de 13% de la perplexité. Nous nous sommes intéressés ensuite aux modèles de langage à base de facteurs. Là nous avons considéré l information morphologique comme facteurs caractérisant les mots. Le modèle ainsi défini donne une meilleure perplexité que le N-gram de base mais au prix d une augmentation du nombre de paramètres. Ceci prouve que l information morphologique apporte à la modélisation du langage et que les approches proposées précédemment font introduire cette information tout en réduisant le nombre de paramètres. La dernière partie des travaux est consacrée à l ambigüité qui peut existe lors d une analyse morphologique. Cette ambigüité est augmentée dans le cas de la langue arabe vu que les mots du dictionnaire sont non-vocalisés. De nombreuses décompositions morphologiques sont ainsi possibles par mot. Ceci nous a poussés à proposer un modèle morpho-linguistique intégré. En effet, on pense que la décomposition morphologique dépend du contenu linguistique et vice versa. Ce qui justifie cette intégration des deux informations. Lors de l analyse linguistique d une phrase on suppose que plusieurs décompositions morphologiques sont possibles et que la bonne décomposition des mots est une information cachée. On sélectionne la décomposition optimale selon le critère de maximum de vraisemblance au niveau linguistique.

With the emergence of smart phones and third and fourth generation mobile and communication devices, and the appearance of a "first generation" type of mobile PC/PDA/phones with biometric identity verification, there has been recently a greater attention to secure communication and to guaranteeing the robustness of embedded multi-modal biometric systems. The robustness of such systems promises the viability of newer technologies that involve e-voice signatures, e-contracts that have legal values, and secure and trusted data transfer regardless of the underlying communication protocol. The robustness of a biometric identity verification system is best evaluated by monitoring the behavior of the system under impostor attacks. Such attacks may include the transformation of one, many, or all of the biometric modalities, such as face or voice. In this work, we describe the effect of voice transformation on an audio-visual speaker verification system and the corresponding experimental results on the BANCA talking-face database. MixTrans, a novel mixture-structured bias voice transformation in the cepstral domain, is introduced as an imposture procedure to evaluate its effects on the verification system. We also propose an extension to MixTrans, a signal-level stochastic technique for voice transformation, which allows a reconstructed "forged" speech signal to be audibly perceived, in addition to monitoring its effects on the verification system. It has been proved that voice transformation that attempts to mimic a target speaker (client) can affect the performance of the biometric verification system.

Voir le résumé