LMA - Laboratoire de Mécanique et d’Acoustique

[Stage alternance-recherche Centrale] Synthèse sonore en temps réel et apprentissage

début année scolaire 2018-2019

Mots clés : synthèse sonore en temps réel , modélisation physique, fonctionnement d’un instrument de musique

Un des axes de recherche de l’équipe Sons du LMA concerne la synthèse sonore en temps réel dite par modélisation physique, c’est à dire reproduisant le fonctionnement d’un instrument de musique. Les synthétiseurs obtenus se comportent donc comme des instruments virtuels. C’est une force de l’approche puisque le son se modifie « naturellement » en fonction des paramètres de contrôle de la simulation manipulés par le musicien. C’est aussi une difficulté puisque l’instrument virtuel nécessite un apprentissage, comme l’instrument réel. A défaut, le synthétiseur produit des fausses notes, qui peuvent être satisfaisantes intellectuellement dans un contexte de recherche scientifique puisque conformes au son produit par l’instrument modélisé, mais qui rendent délicate la mise en oeuvre dans un contexte musical. L’enjeu est réel, puisque selon les entreprises spécialisées en synthèse sonore, c’est aujourd’hui ce problème qui limite le développement de produits commerciaux en synthèse par modélisation.

Des années d’apprentissage sont nécessaires au musicien pour ajuster les paramètres nécessaires à la production du son souhaité (pour la clarinette, pression dans la bouche, appui sur l’anche, doigtés …).
Lorsqu’on modélise un instrument de musique, le problème est identique avec les paramètres de la simulation et rend la synthèse sonore délicate.
Comment rendre le synthétiseur plus facile à jouer que l’instrument réel ?

L’objectif de ce parcours recherche

est de tester une méthode d’apprentissage automatique supervisée, pour proposer au musicien une sélection automatique des combinaisons de paramètres permettant d’obtenir le son recherché. Le travail demandé se décompose en trois phases :
1/ Programmation en langage C++ dans l’environnement informatique Juice d’un synthétiseur temps-réel.
2/ Prise en main de la méthode d’apprentissage, dans l’environnement Matlab.
3/ Évaluation de la capacité de la méthode à prédire les zones d’intérêt pour le musicien dans l’espace des paramètres.


Encadrants :
Patrick Sanchez, ingénieur de recherche LMA, sanchez@lma.cnrs-mrs.fr
Christophe Vergez, chercheur LMA, vergez@lma.cnrs-mrs.fr


Similar Items

Team