Biographie
Axel Roebel est responsable de l'équipe Analyse et synthèse des sons (AS) à l'IRCAM (STMS), où il occupe le grade de Directeur de Recherche depuis 2017.
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 neurones artificiels pour la modélisation adaptative de signaux générés 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.
Arrivé à l'IRCAM en 2000 au sein de l'équipe Analyse/Synthèse, Axel Roebel y développe des algorithmes de pointe pour l'analyse et la transformation de la parole et de la musique. Il est l'auteur de nombreuses bibliothèques logicielles issues de ses recherches, telles que SuperVP, un moteur d'analyse et de synthèse devenu une référence dans le milieu audio professionnel. Nommé responsable de l'équipe en 2011, il obtient son habilitation à diriger des recherches (HDR) de Sorbonne Université en 2013, puis est promu au grade de Directeur de Recherche en 2017.
Ses recherches actuelles 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) au sein de ces espaces.
Sujets de recherche
Traitement de la voix
- analyse de la voix (F0, segmentation voisée non-voisée, impulsion glottique) ;
- synthese du chant ;
- transformation de la voix - (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
