# Stage - développement de métriques pour l'évaluation subjective de méthodes de séparation de sources F/H at Orange

Orange is hiring a Stage - développement de métriques pour l'évaluation subjective de méthodes de séparation de sources F/H. Level rates it Builds AI ●●●●; you can [apply on Orange](https://jobsbylevel.com/go/ece50b39-c6f9-4d52-9b3e-642ee8b5bd49?utm_medium=ai-agent).

AI Level 4, AI centrality 90 out of 100. CESSON-SÉVIGNÉ,FRANCE.

## Details

- Company: [Orange](https://jobsbylevel.com/companies/orange)
- AI level: AI Level 4 (score 90 out of 100)
- Location: CESSON-SÉVIGNÉ,FRANCE
- Posted: October 21, 2026
- Apply: https://jobsbylevel.com/go/ece50b39-c6f9-4d52-9b3e-642ee8b5bd49?utm_medium=ai-agent

## Prepare for this job

The job page lists 5 likely interview questions for this offer, with a CV checklist: https://jobsbylevel.com/jobs/stage-developpement-de-metriques-pour-l-evaluation-subjective-de-methodes-de-separation-de-sources-f-h-at-orange-503534

## Description

Publication date : Oct 21, 2026, 8:37AM 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. 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. Dans leur phase d’entraînement, les approches neuronales se basent des données en masse, ainsi que des fonctions de pertes permettant de guider le réseau vers l’objectif à atteindre. Il est primordial que ces fonctions de pertes soit corrélées avec la tâche à atteindre. Dans le domaine de l’audio, c’est généralement l’oreille humaine au travers de tests d’écoute qui fait office de juge de paix en termes de qualité: un métrique comme PESQ par exemple [1], utilisée pour quantifier pour la qualité de transmission, s’appuie la reproduction de résultats de tests subjectifs. Cependant, dans le domaine de la séparation de sources, il n’existe pas de protocole de test subjectif permettant de générer ces scores et les fonctions de pertes restent par conséquent très heuristiques. L’objectif du stage est dans un premier temps d’élaborer un protocole de test subjectif permettant de quantifier la qualité de séparation de sources. Pour cela, on s’inspirera de la norme P.835 qui s’applique au algorithmes de débruitage. Dans un deuxième temps, il s’agira de d’élaborer des métriques objectives qui permettent de reproduire ces résultats. Enfin, le stagiaire devra mettre en place les métriques objectives identifiées dans une chaîne d’ entraînement de réseau de séparation de sources génératif développée au sein de l’équipe. Travaux du stage Les principales activités seront : La recherche bibliographique de protocoles de tests subjectifs L’élaboration de tests subjectifs et la collecte de résultats La recherche et le développement de métriques objectives adaptées à la prédiction de scores d’écoute L’entraînement de réseaux de séparation de sources supervisés et génératifs References [1] «P.862:Perceptual evaluation of speech quality (PESQ): An objective method for end-to-end speech quality assessment of narrow-band telephone networks and speech codecs». https://www.itu.int/rec/T-REC-P.862. [2] «P.835:Subjective test methodology for evaluating speech communication systems that include noise suppression algorithm». Consulté le 19 mars 2024. https://www.itu.int/rec/T-REC-P.835. 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) Connaissances en tests d’écoute appréciée Maîtrise du langage Python et connaissances en programmation de réseaux de neurones sous Python/PyTorch Aptitudes personnelles : Forte appétence pour le traitement du signal et l’audio Vous maîtrisez l’anglais Vous travaillerez au sein de l’équipe de traitement de la parole et du son. Vous serez amené(e) à échanger avec les différents membres de l’équipe, experts sur les domaines du traitement audio multicanal, le développement informatique et l’intelligence artificielle liés à l’audio. Ce stage s’inscrit également dans le cadre des tâche 2 et 3 du projet ANR DEESSE, auquel participe des laboratoires académiques de TélécomParis, CentraleSupelec et Grenoble Université. Ainsi, vous

The description is cut here. Read the full offer: https://jobsbylevel.com/jobs/stage-developpement-de-metriques-pour-l-evaluation-subjective-de-methodes-de-separation-de-sources-f-h-at-orange-503534

Source: https://jobsbylevel.com/jobs/stage-developpement-de-metriques-pour-l-evaluation-subjective-de-methodes-de-separation-de-sources-f-h-at-orange-503534

## Cite this page

Level. https://jobsbylevel.com/jobs/stage-developpement-de-metriques-pour-l-evaluation-subjective-de-methodes-de-separation-de-sources-f-h-at-orange-503534.

Get job alerts: https://jobsbylevel.com/newsletter