Séparation voix / musique à partir d'enregistrements mono : quelques remarques sur le choix et l'adaptation des modèles

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

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

The problem of singing voice extraction from mono audio recordings, i.e., one microphone separation of voice and music, is studied. The approaches are based on a priori probabilistic models for two sources. A comparative study of different models and estimators is done together with a study of the impact of heterogeneity between training data and data to be separated. We show that the adaptation of music model from the non vocal parts allows to obtain the good results in realistic conditions.

Le problème de l'extraction de 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 les modèles statistiques a priori de deux sources. Une étude comparative des différentes modèles et estimateurs est effectuée, ainsi qu'une étude d'impact de l'hétérogénéité entre les données d'apprentissage et les données à séparer. On montre que l'adaptation du modèle de la musique sur les parties non vocales permet d'obtenir des bonnes performances dans un cadre relativement réaliste.

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

Alexey Ozerov, Rémi Gribonval, Pierrick Philippe, Frédéric Bimbot. Séparation voix / musique à partir d'enregistrements mono : quelques remarques sur le choix et l'adaptation des modèles. XXe colloque GRETSI (traitement du signal et des images), 6-9 septembre 2005, Sep 2005, Louvain-la-Neuve, Belgique. ⟨inria-00564758⟩