Choix et adaptation de modèles statistiques pour la séparation de voix chantée à partir d'un seul microphone

Alexey Ozerov (1, 2) , Pierrick Philippe (2) , Rémi Gribonval (1) , Frédéric Bimbot (1)

1 METISS - Speech and sound data modeling and processing
2 Orange Labs R&D [Rennes]

Le problème de l'extraction de la voix chantée dans des enregistrements musicaux monophoniques, c'est-à-dire la séparation voix / musique avec un seul capteur, est étudié. Les approches utilisées sont basées sur des modèles statistiques a priori des deux sources (musique et voix), notamment sur des Modèles de Mélange de Gaussiennes (MMG). Une méthode d'adaptation des modèles aux caractéristiques des sources mélangées est proposée, et une étude comparative des différents modèles et estimateurs est effectuée. Les résultats montrent que l'adaptation du modèle de musique sur les parties non-vocales des chansons permet d'obtenir de bonnes performances dans un cadre réaliste.

Domaines: Traitement du signal et de l'image [eess.SP]; Traitement du signal et de l'image [eess.SP]

Alexey Ozerov, Pierrick Philippe, Rémi Gribonval, Frédéric Bimbot. Choix et adaptation de modèles statistiques pour la séparation de voix chantée à partir d'un seul microphone. Traitement du Signal, 2007, 24 (3), pp.211--224. ⟨inria-00544771⟩