Résumé
Ingénieur passionné et expert en traitement du signal audio, j’ai une forte expérience en séparation, localisation, et reconnaissance de sources sonores et de la parole.
Précurseur dans l’émergence des méthodes de Machine Learning pour la séparation de sources sonores, j’ai été co-fondateur et CTO de Audionamix de fin 2003 à 2007.
Depuis 2008, j’ai collaboré avec les laboratoires les plus prestigieux de France sur le traitement du signal audio, comme Télécom ParisTech et l'IRCAM, notamment pour appliquer mes compétences à la robotique, la musique, l’audio 3D.
En particulier, mes réalisation à l'IRCAM, concernent notamment la conversion de voix expressives, basée sur des réseaux neurones et l'apprentissage profond (Deep Learning).
Au sein de la startup Elsa (English Language Speech Assistant), en tant que Speech Scientist, j'ai travaillé sur l'amélioration de la détection d’erreur de prononciation.
Expériences professionnelles
Ingénieur de recherche en traitement de la parole
IRISA - Institut de Recherche en Informatique et Systèmes Aléatoires , Rennes - CDD
De Novembre 2024 à Aujourd'hui
Massive generation of TTS for Deepfake detection : l'équipe EXPRESSION équipe participe à un projet visant le développement et l'évaluation de systèmes de détection de faux discours. À cette fin, nous devons mettre en œuvre une grande variété de systèmes de synthèse vocale, y compris des systèmes de clonage de voix et des systèmes de conversion de voix. Mon travail consiste en la génération massive de parole synthétisée dans le contexte de la détection de deepfake
Chargé de recherche en traitement de la parole
IRCAM (INST.DE RECHERCHE ET COORDI.ACOUST/MUSIQUE) , Paris
De Juin 2023 à Octobre 2024
Projet DeTOX : Il est extrêmement difficile de mettre au point des détecteurs universels de vidéos hyper-truquées (deep fakes) utilisées pour contrefaire l'identité d'une personne.
Mon rôle : préparer des bases d'apprentissage, apprendre et évaluer des modèles, distribuer des modèles et/ou données aux partenaires du projet afin de leur permettre de les utiliser pour les recherches sur la détection de deep fake.
Speech scientist
Elsa Corp , San francisco - CDI
De Septembre 2021 à Avril 2022
- machine learning pour l’amélioration de la détection d’erreur de prononciation,
- reconnaissance de la parole basée sur les réseaux de neurones
Chargé de recherche en traitement de la parole
IRCAM (INST.DE RECHERCHE ET COORDI.ACOUST/MUSIQUE) , Paris - CDD
De Mars 2020 à Août 2021
Le projet TheVoice s'attaque à la création de voix pour la production de contenu dans le secteur de l'industrie créative (films, séries, documentaires).
Réalisation de technologie de conversion de l’identité vocale, basée sur des réseaux de neurones.
Ingénieur de recherche
Telecom-ParisTech , Paris
De Décembre 2016 à Décembre 2018
1) projet EDISON 3D, aide au développement de contenus audio 3D et des technologies associées en facilitant l’adoption des nouveaux formats audio de diffusion 3D dans toute la chaîne de production et de diffusion sonore.
Séparation de sources pour la manipulation d'objets sonores (démixage, upmix, codage).
Amélioration des algorithmes existants du point de vue des modèles de sources et des conditions acoustiques.
Unification de travaux déjà effectués à Telecom ParisTech.
2) projet DESIR réunissant l'Institut Langevin, l'Institut Supérieur de l’Aéronautique et de l'Espace, SAFRAN et Télécom ParisTech.
L'objectif de ce projet est le monitoring vibro-acoustique des moteurs, par la recherche de signaux faibles sur des données acoustiques, signalant la présence de défauts de roulement.
Analyse et modélisation de signaux acoustiques de vol, analyse spectrale à haute résolution.
Chargé de recherche en traitement de la parole
IRCAM (INST.DE RECHERCHE ET COORDI.ACOUST/MUSIQUE) , Paris - CDD
De Décembre 2015 à Novembre 2016
Projet ROUTE (RObot à l’écoUTE),
Séparation et localisation de signaux de parole, en binaural, pour l’interaction homme/robot.
Formation complémentaire
Docteur
IRISA / Université Rennes I - traitement du signal
1999 à 2003
Titre de ma thèse : Séparation de plusieurs sources sonores avec un seul microphone.
Étude et développement de modèles probabilistes pour la séparation de sources sonores avec un seul capteur.
Ce domaine de recherche était entièrement nouveau (en monophonique).
Parcours officiels
Compétences
Centres d'intérêt
- Grand fan Arduino et SO
website