Rapport d'activité - WWW Ircam

RECHERCHE ET DÉVELOPPEMENTAPPLICATIONS TEMPS RÉELRAPPORT DÉTAILLÉPierre Boulez, avec des sessions de tests préalables avec Dimitrii Vassilakis (pianiste, solistede l’EIC).Avec le projet i-Maestro, un nouveau projet européen a commencé et va assurer les moyensnécessaires pour le développement du projet de suivi de partition ces prochaines années. Leprojet porte sur les outils informatiques pour l’éducation musicale (voir plus bas).La thèse de doctorat de Julien Bloit, sur la reconnaissance d’événements dans des flux audio,débutée en automne dans l’équipe, concerne un thème de recherche complémentaireimportant pour les développements futurs du suivi de partition (voir aussi projet VoxLer plusloin).Participants : D. Schwarz, A. Cont (thèse), N. Schnell.Collaborations internes : A. Gerzso, J. Lochard (direction Pédagogie), S. Lemouton, T. Goepfer,D. Poissonnier (direction Production), R. Müller (équipe Pôle spectacle), Ph. Manoury(compositeur).Collaborations externes : Emmanuelle Ophèle (flûtiste, soliste EIC), Dimitri Vassilakis (pianiste,soliste EIC), Projet européen Semantic HIFI, université de Californie à San Diego (UCSD).1.7.1.1. Développement d’un environnement de gestion et de contrôleLe système de suivi de partition a nécessité, pour les concerts, le développement et leraffinement successifs d’un environnement de gestion de données et de contrôle du module desuivi. L’environnement implémenté comme patch Max/MSP permet l’importation et la gestiondes partitions (en MIDI) et des données de paramétrisation du système par apprentissage ainsique la navigation dans l’œuvre pendant les répétitions et le concert.Participant : D. Schwarz.Collaborations internes : A. Gerzso, J. Lochard (direction Pédagogie), S. Lemouton (directionProduction).1.7.1.2. Intégration d’un système d’apprentissage HMMLe but principal de cette recherche était l'élaboration d'une méthode pour l’apprentissage dusuivi de partition. L’apprentissage permet d’adapter automatiquement le suivi auxcaractéristiques de l’instrument soliste ou de la voix, ainsi qu’aux particularités de la pièce etde son interprétation.Le processus d’apprentissage a apporté une meilleure robustesse au système de suivi departition, ce qui a été crucial à la fois pour les projets de production de l’Ircam et l’utilisation dusuivi de partition dans le cadre du projet européen Semantic HIFI. Dans le contexte de ce projet,l’apprentissage permet l’adaptation du système aux différents types de voix.L’apprentissage se compose d'une analyse statistique des caractéristiques sonores observéesdans nombreuses exécutions d'exemples. Afin d’entraîner les différentes classes d'état dans leHMM du suiveur avec les données appropriées d'exemples, la classe correcte d'état de chaquetrame de l'exécution doit être identifiée. À cet effet, une méthode d’apprentissagediscriminative automatique a été développée. Cette méthode permet d’estimer la classe d'étatà partir d'un algorithme de détection de pitch et de périodicité.Pour le développement d’un environnement d’apprentissage en Max/MSP, un portaged’algorithmes d’apprentissage de Matlab vers des modules Max/MSP a été effectué. Dans cecadre, des modules Max/MSP pour la bibliothèque MnM basée sur FTM ont été développés.Participants : A. Cont (thèse), D. Schwarz.Collaboration extérieure : projet européen Semantic HIFI.122 IRCAMRAPPORT D'ACTIVITÉ 2005