2.6.1.2Contrôle perceptif de la synthèse par modèle physique
L’objectif de ce thème d’étude est de pouvoir proposer des interfaces de haut niveau permettant un contrôle de la synthèse, notamment dans le cadre de l’utilisation d’un logiciel comme Modalys. Des approches préliminaires ont permis de proposer, pour des modèles simples, une relation entre dimensions perceptives pertinentes et paramètres des modèles [Derio05a] [DosSantos06a]. Une autre approche possible est de considérer des classes génériques de sources sonores, et non plus des modèles spécifiques. Cette nouvelle direction a été prise sur la base d’un environnement de synthèse sonore (SDT – Sound Design Toolkit9. Nous nous sommes intéressés à des catégories de matériaux (bois, métal, verre, plastique). Nous avons identifié les caractéristiques acoustiques compatibles avec la synthèse SDT (fréquences, gains et amortissements modaux), et nous avons construit un corpus d’étude représentatif pour une expérience de catégorisation aboutissant à la labellisation des sons suivant la typologie étudiée. Dans ce processus expérimental, nous avons introduit des techniques de Machine Learning afin d’orienter le choix des stimuli présentés et converger plus rapidement vers la définition des classes : parmi plusieurs techniques testées, les meilleures performances ont été obtenues avec un modèle de Perceptron. Pour l’instant, les résultats ne permettent pas d’obtenir de meilleures conclusions que ceux de la littérature : la différenciation entre 2 grandes classes (verre, métal) vs. (plastique, bois) [Ludlow08b].
