Segmentations sonore et audiovisuelle?

Dans une première partie, partant d’une discrimination parole/musique/bruit, la segmentation est abordée. Pour la parole, la segmentation en locuteurs permet d’appréhender leur rôle au sein d’un document et leurs interactions. Concernant la composante musique, elle s’effectue à travers la discrimination monophonique/polyphonique, la détection du chant et du chœur à l’unisson. Afin d’aller au-delà de ces segmentations primaires, les zones de superpositions sont étudiées aussi bien en parole qu’en musique. Enfin l’étude de la composante bruit est initiée par l’analyse des applaudissements, des rires et des sons d’eau. Dans une seconde partie, le couplage avec la vidéo est abordé. Celui-ci permet deux types de segmentation: l’un autour des intervenants, l’autre autour de la similarité. Dans un premier temps, les intervenants sont ainsi détectés et caractérisés afin de structurer les documents audio-vidéo soit en programmes dans le cas d’enregistrements de télévision, soit en activités dans le cas d’enregistrements de la vie quotidienne. Dans un second temps, la similarité autour des documents est étudiée afin de « chapitrer » (structurer) tout type de document en zones homogènes.