Characterization of singing voice under monophonic and polyphonic context

Dans cet article, nous présentons une amélioration de notre système de détection de la voix chantée. La méthode se décompose en deux étapes. Tout d'abord, nous séparons les sons monophoniques des sons polyphoniques. Cette distinction se fonde sur le fait que la valeur estimée de la fréquence fondamentale d'un son monophonique est plus fiable que celle d'un son polyphonique. Nous estimons la moyenne et la variance à court terme d'un indice de confiance, et modélisons leur répartition avec des lois de Weibull bivariées. Nous présentons une nouvelle façon d'estimer les paramètres de ces lois par la méthode des moments. Nous passons ensuite à la détection du chant. Celle-ci se base sur la détection de vibrato, une oscillation de la fréquence fondamentale à un taux compris entre 4 et 8 Hertz. Dans le cas d'un son monophonique, nous recherchons effectivement le vibrato sur la fréquence fondamentale. Dans le cas d'un son polyphonique, nous recherchons le vibrato sur les suivis des maxima du spectre. Les résultats sont encourageants, puisque nous passons d'un taux d'erreur de 29,7 % (ancienne méthode) à un taux d'erreur de 25 %. Ceci correspond à un gain relatif de plus de 16 %, en prenant en compte le contexte (monophonique ou polyphonique