Biographie
Axel Roebel est directeur de recherche à l’IRCAM et responsable de l'équipe Analyse/Synthèse (AS). Il est diplômé de l'Université de Hanovre en génie électrique (1990) et obtient son doctorat en informatique à l'Université technique de Berlin en 1993. En 1994, il rejoint le Centre national de recherche allemand pour les technologies de l'information (GMD-First) à Berlin où il poursuit ses recherches sur l'utilisation de reseaux de neurone artificiel pour la modélisation adaptative de signaux généré par des systèmes dynamiques non linéaires. En 1996, il devient professeur adjoint pour le traitement numérique du signal au département des Sciences de la communication de l'Université Technique de Berlin. En 2000, il obtient une bourse de recherche au CCRMA (Université de Standford) où il débute une enquête sur la modélisation sinusoïdale adaptative.
En 2000, il rejoint l'équipe Analyse/Synthèse de l'IRCAM, et devient respojsbale de cette équipe en 2011. Il obtient son habilitation de l'Université de la Sorbonne en 2013 et devient directeur de recherche en 2017. Il développe des algorithmes de pointe pour l'analyse et de transformation de la parole et de la musique. Il est l'auteur de nombreuses bibliothèques pour l'analyse, la synthèse et la transformation de signaux qui sont issue de ses recherches. Un exemple est SuperVP, un logiciel d'analyse et de transformation de signaux de musique et de parole qui a été intégré dans de nombreux outils audio professionnels. Ses recherches en cours se concentrent sur le développement de techniques d'apprentissage profond pour le traitement de la musique et de la voix. Cela inclut notamment le vocodeur neuronal, l'exploration de la représentation et de la manipulation du signal dans des espaces latents, ainsi que l'étude des stratégies de démêlage (disentanglement) dans ces espaces latents.
Sujets de recherche
Traitement de la voix
- analyse de la voix (F0, sementation voisée non-voisée, impulsion glottique) ;
- synthese du chant ;
- transformation de la vox - (vocodeur de phase preservant la forme d'onde, modèle source et filtre etendu (PaN), vocodeur neuronal) ;
- séparation de la voix chanté ;
- traitement de la voix par des méthodes d'apprentissage profond ;
- vocodeur neuronal.
Musique
- transformation de haute qualité par moyen de vocodeur de phase,
- modèles sinusoidaux des signaux utilisant des algorithmes specialisé pour l'analyse et la representation de signaux non-stationaire,
- modèles structurés et descripteurs des signaux (fundamental frequency, spectral envelope, ...)
- decomposition des signaux
- estimation de la fréquence fondamentale dans des signaux polyphonique
Activité de development
- Multi-band Excited WaveNet Neual Vocoder (MBExWN)
- ISiS: logiciel pour la synthèse du chant.
- as_pysrc: module python pour le traitement du signal,
- Traitement du signal avec des réseaux profonds en Tensorflow
- SuperVP: un logiciel de vocodeur à phase étendue permettant des transformations de haute qualité des signaux musicaux et vocaux, et mettant en œuvre de nouvelles techniques d'estimation et de transformation de l'enveloppe spectrale. SuperVP est une bibliothèque multi-plateforme disponible sous la forme d'une application en ligne de commande (SuperVP), qui est utilisée dans AudioSculpt et OpenMusic, ainsi que sous la forme d'un module de transformation de signaux en temps réel, qui est utilisé dans Max/MSP et SuperVP-TRaX.
- VoiceForger: transfromation de la voix avec controle de haute niveau basé sur SuperVP.
- Pm2: bibliothèsque pour l'analyse et la synthèse des signaux utilisant des modèles sinusoidaux avancées
- MatMTL : a matlab compatible c++ template library
- LibFFT : bibliothèque pour le calcule de la transformation de Fourier permettant d'homogeniser l'utilisatio de differente bibliotheque existant sur differents plateformes
Courriel : Axel.Roebel (at) ircam.fr
