Téléchargé 57 fois
![@AmauryCrickx#dv14ievn
• Linear Predictive Coding – LPC
Utilisé pour compresser la voix dans la téléphonie
double[20]
• Fenêtres de 25ms
• Empreinte vocale = moyenne des double[20]
Extraction des caractéristiques
…
Empreinte vocale
Fen. 1
Fen. 2 Moyenne](https://image.slidesharecdn.com/dv14ievn-140419111051-phpapp01/75/Identification-d-une-empreinte-vocale-pour-les-Nuls-20-2048.jpg)
Téléchargé parAmaury Crickx
Identification d'une empreinte vocale pour les Nuls
Le document présente une introduction à l'identification de l'empreinte vocale, en expliquant les caractéristiques de la voix humaine et les processus techniques de numérisation et de modélisation. Il aborde aussi les objectifs tels que l'authentification, la classification et la segmentation, tout en décrivant les modalités d'authentification et les indices de performance. Enfin, il mentionne les acteurs clés du marché et les enjeux de cette technologie dans divers domaines.
Identification d'une empreinte vocale pour les Nuls
- 1. @AmauryCrickx#dv14ievn Identification d’une Empreinte Vocalepour les Nuls @AmauryCrickx Développeur Java Ingénieur du son Recognito
- 2.
- 3. @AmauryCrickx#dv14ievn Agenda Périmètre du Problème Comment ça marche? Aspects Pratiques
- 4. @AmauryCrickx#dv14ievn Caractéristiques de lavoix p arlée Tonalité Timbre AccentFlot Vocabulaire Physique Comportement
- 5. @AmauryCrickx#dv14ievn D’où vient ladifférence ? Larynx Cordes vocales 1. Pharynx 3. Cavité nasale 2. Cavité buccale 4. Cavité labiale
- 6. @AmauryCrickx#dv14ievn D’où vient ladifférence ? Larynx Cordes vocales 1. Pharynx 3. Cavité nasale 2. Cavité buccale 4. Cavité labiale
- 7.
- 8. @AmauryCrickx#dv14ievn Numérisation du signal Fréquence d’échantillonnage de16 KHz Amplitude Temps Encodé sur 16 bits
- 9. @AmauryCrickx#dv14ievn Empreinte vocale Modèle mathématiquebasé sur les formants de la voix • Trigonométrie • Equations différentielles et intégrales • Nombre Complexe (Réel + Imaginaire)
- 10.
- 11.
- 12. @AmauryCrickx#dv14ievn Agenda Périmètre du Problème Comment ça marche? Aspects Pratiques
- 13. @AmauryCrickx#dv14ievn Recognito ? Identification dulocuteur indépendamment du texte • Librairie orientée développeurs • Thread safe • Licence Apache 2
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20. @AmauryCrickx#dv14ievn • Linear PredictiveCoding – LPC Utilisé pour compresser la voix dans la téléphonie double[20] • Fenêtres de 25ms • Empreinte vocale = moyenne des double[20] Extraction des caractéristiques … Empreinte vocale Fen. 1 Fen. 2 Moyenne
- 21.
- 22.
- 23.
- 24.
- 25.
- 26. @AmauryCrickx#dv14ievn Distance Euclidienne Sommedu carré des différences
- 27. @AmauryCrickx#dv14ievn Une poignée declasses Recognito Voice Activity Detector Normalizer Features Extractor Window Function LPC Distance Calculator Voice Print
- 28. @AmauryCrickx#dv14ievn Agenda Périmètre du Problème Comment ça marche? Aspects Pratiques
- 29. @AmauryCrickx#dv14ievn FOSS • ALIZE –C/C++ – LGPL • Laboratoire Informatique d’Avignon • Plateforme open source d'authentification biométrique • LIUM – Java – GPL • Laboratoire Informatique de l’Université du Maine (Le Mans) • Diarisation des locuteurs • VoiceId – Python – GPL • Diarisation LIUM + Identification • MARF – Java – GPL
- 30. @AmauryCrickx#dv14ievn De nombreux acteurs •Nuance • VoiceVault • ValidSoft • Agnitio • VoiceSecure • Verint • SesTek • SpeechPro • VoiceTrust • Authentify • Voice Biometrics Group • Neurotechnology • OxfordWaveResearch • Recognition Technologies • Acustek • …
- 31.
- 32.
- 33.
- 34. @AmauryCrickx#dv14ievn Indicateurs de performance FAR,FRR, EER N’ont de sens que lorsqu’on compare les mêmes jeux de données Par exemple : NIST, PRISM, …
- 35. @AmauryCrickx#dv14ievn Modalités d’authentification 1. Phraseclé « Ma voix est mon mot de passe » Enrôlement : répéter 3 fois la phrase
- 36. @AmauryCrickx#dv14ievn Modalités d’authentification Reconnaissance Vocale Intonation FlotRobuste au bruit 1. Phrase clé « Ma voix est mon mot de passe »
- 37. @AmauryCrickx#dv14ievn Modalités d’authentification • Pas2 enregistrements identiques • Détection de traitements numériques 1. Phrase clé « Ma voix est mon mot de passe »
- 38. @AmauryCrickx#dv14ievn Modalités d’authentification • Plusdifficile à obtenir • Détection de traitements numériques 2. Phrase aléatoire « correct cheval batterie agrafe » Enrôlement : lire une (longue) liste de mots
- 39. @AmauryCrickx#dv14ievn Modalités d’authentification • Vérificateurhumain • Encore plus difficile à contrefaire • Détection de traitements numériques • Sensible au bruit environnant 3. En continu au cours d’une conversation Enrôlement : première conversation vérifiée
- 40. @AmauryCrickx#dv14ievn Vérification à facteursmultiples Savoir Posséder Etre Mot de passe Question / réponse Générateur de Token Biométrie
- 41.
- 42. @AmauryCrickx#dv14ievn En résumé • Technologiemature • Coût faible • Meilleure expérience utilisateur • Sensibilité au bruit • Variabilité de la voix • Statistique par nature
- 43.
- 44. @AmauryCrickx#dv14ievn Crédit image /Creative Commons • Rue pavée — By-Nc-Sa •http://www.flickr.com/photos/22914687@N05/4957591422/sizes/l/ • Sous la Tour Eiffel — By-Nc-Sa •http://www.flickr.com/photos/stewiedewie/244850735/sizes/l/in/photostream/ • Sous le pont — photo par B.Monginoux - By-Nc-Nd •http://www.landscape-photo.net/displayimage.php?pid=5194 • Le Louvre – Photo par Anthony Gaudun - By-Nc-Sa •http://www.flickr.com/photos/anthonygaudun/7474397964/sizes/o/in/photostream/ • Slide template created by @glaforge, completed by @nmartignole for Devoxx FR2014