Stage 6 mois - Recherche : Séparation de sources audio à base d'IA F/H

Publication date : Oct 19, 2026, 11:52AM

Contract duration : 6 months

Les technologies immersives telles que la réalité augmentée, les casques audio spatialisés ou les systèmes de téléconférence multi-antennes dépendent de plus en plus sur la captation de scènes sonores complexes. Ces scènes sonores sont souvent assujetties au bruit, à la réverbération des salles, aux interférences, et autres perturbations. Ainsi, de nombreuses applications s'intéressent à l'isolation sélective de la parole d'un locuteur d'intérêt. Dans ce contexte, le format ambisonique est un bon candidat pour la captation de scènes sonores et l'extraction de sources car son format permet d'exploiter l'information spatiale inhérente à la scène. Plus précisément, nous nous intéressons au problème de "Target Speaker Extraction", qui a pour but d'extraire la parole d'un locuteur spécifique étant donné des indices ou conditions (identité du locuteur, position du locuteur, etc.).

Ces dernières années, l'intelligence artificielle et les réseaux de neurones ont permis d'atteindre des niveaux avancés de traitement de scènes sonores complexes. Les architectures de type autoencodeur, souvent utilisées pour des tâches de codage neuronal ou de débruitage, ont montré leur efficacité à représenter des signaux audios de manière compacte dans un espace latent. L'objectif de ce stage est d'adapter ce type d'architecture à une tâche de séparation de sources multi-canal à partir de captations ambisoniques. Ce stage vise à intégrer une méthode de conditionnement au niveau de l'espace latent pour extraire une source cible à partir de l'information de position de la cible.

Ce stage explorera l'utilisation de réseaux de neurones de type autoencodeur dit "sparse", qui ont déjà montré leur efficacité à associer des caractéristiques acoustiques à certaines régions de l'espace latent. L'objectif sera de développer des solutions d'extraction de sources par autoencodeur sparse à partir de représentations latentes d'un autoencodeur audio ambisonique, puis apprendre à partir de cet espace latent une relation avec la position de la source d'intérêt. Ceci permettrait de générer de nouveaux vecteurs qui facilitent l'extraction d'une source provenant d'une direction donnée.

Les principales activités seront :

- La recherche bibliographique des méthodes de conditionnement

- L’adaptation d’architectures d’autoencodeurs (denses puis sparse) à des signaux ambisoniques multicanaux

- La mise en place d’un mécanisme de conditionnement par DoA dans l’espace latent sparse

- L’évaluation de la capacité du réseau à extraire une source cible en fonction de sa position spatiale, notamment dans des scènes dynamiques avec sources mobiles

Références

[1] D. Marković, A. Défossez, A. Richard, Implicit Neural Spatial Filtering for Multichannel Source Separation in the Waveform Domain, 2022.

[2] N. Paek, Y. Zang, Q. Yang, R. Leistikow, Learning Interpretable Features in Audio Latent Spaces via Sparse Autoencoders, 2025.

Vous préparez une formation de niveau Bac+5 dans le domaine du traitement du signal et/ou de l’audio

Pré-requis techniques :

Maîtrise du traitement du signal audio.
Connaissances en méthodes d’apprentissage statistique et réseaux de neurones (deep learning)
Maîtrise du langage Python et connaissances en programmation de réseaux de neurones sous Python/PyTorch

Aptitudes personnelles :

Forte appétence pour le traitement du signal
Vous maîtrisez l’anglais

Afin de pouvoir étudier votre candidature, nous avons besoindesinformations suivantes :le nom de l'école dans laquelle vous êtes inscrit(e) pour la rentrée 2026, le nom du diplôme préparéet l'année du diplôme.

Au sein de la Direction de la Recherche d’Orange, la Direction de Recherche Clients et Collaborateurs Augmentés adressent plusieurs champs de recherche, en particulier l’IA Générative et Agentique, de la création à l’évaluation des modèles dans le traitement du langage écrit et parlé, ainsi que les techniques d’IA nécessaire à la compression des signaux audio et vidéo.

Cette expertise est mise à disposition de l’exploration de nouveaux services dans l’environnement de la maison, du poste de travail du salarié avec un focus particulier sur la relation et l’expérience client.

Dans le respect des règlementations actuelles telles que le Règlement Général sur la Protection des Données et l’AI Act, les travaux de recherche s’attache également à l’analyse de la relation entre la personne et la machine, la personne et l’IA dans ses dimensions d’impact cognitif, social et sociétal.

Vous intégrerez l'équipe Immersive Communications and Audio Expertise, spécialisée dans le traitement du signal appliqué aux contenus audio et aux services de communication. L'équipe est constituée de chercheurs, doctorants et post-doctorants travaillant sur différents sujets appliqués à l'audio tels que les formats d'audio immersifs, le rehaussement de la parole, la séparation de sources ainsi que le codage.

Desired start date : Mar 01, 2027, 12:00AM

At Orange, only your skills matter.

Regardless of your age, gender, background, origin, religion, sexual orientation, disability, neurodiversity, or appearance, we actively encourage diversity within our teams, as it is a collective strength and a driver of innovation.
Orange is a disability-inclusive employer: please feel free to let us know about any specific needs you may have.