Master 2015 2016
Stages de la spécialité SAR
Chapitrage/Segmentation automatique des musiques électroniques


Site : Deezer
Lieu : Deezer HQ, Paris
Encadrant : Jimena Royo-Letelier
Dates :février 2015 (6 mois)
Rémunération : 1000€
Mots-clés : Parcours ATIAM : Informatique musicale, Parcours ATIAM : Traitement du signal

Description

L’analyse automatique de la musique, et en particulier l’extraction d’information (MIR pour Music Information Retrieval) a franchi, ces dernières années, de nombreux obstacles théoriques et pratiques. Bénéficiant d’avancées en traitement des images, du langage et de développements spécifiques, le champ du MIR est aujourd’hui largement reconnu et utilisé dans des contextes industriels. Pour Deezer, acteur de premier plan dans l’industrie du streaming, forte de son catalogue de plus de 35M de titres dans son catalogue et de ses 30M d’utilisateurs actifs dans plus de 180 pays, l’analyse automatique de la musique constitue un important enjeu et l’utilisation des algorithmes MIR un outil intéressant.

Un défi qui reste à relever en MIR est l’extraction des informations prenant en compte la complexité et diversité des différents styles de musique. Ainsi, le développement d’algorithmes spécifiques à certains genre de musique représente une direction de recherche prometteuse pour surmonter les limites actuelles. De plus, un couplage intelligent des techniques traditionnelles du MIR avec les derniers développements en apprentissage profond devrait permettre l’amélioration des performances.

Le but du stage est d’envisager l’application des techniques automatiques de segmentation, chapitrage et extraction de boucles en y incorporant des connaissances préalables sur la structure des pistes audio. Un exemple d’application serait la segmentation et l’extraction de boucles dans des musiques électroniques qui présentent des structures rythmique complexes ou syncopées (e.g. dubstep, drum’n’bass) pour la génération automatique de mix.

Le stagiaire sera encadré par des chercheurs et des développeurs qui seront à même de lui fournir une aide aussi bien théorique que matérielle, ainsi que des moyens techniques de pointe en terme de puissance et de volume de calculs grâce à l’environnement “big data” disponible au sein de l’entreprise. Il sera néanmoins incité à une grande autonomie et prise d’initiative dans la conduite du projet. Le stage pourra donner lieu à une publication de conférence.

Profil recherché

Etudiant/e en Master 2 avec de solides bases en apprentissage automatique et en traitement du signal audio. La connaissance de la musique électronique est un plus. Une expérience en programmation serait également appréciée.

Compétences nécessaires

- Traitement du signal audio (analyse Temps/Fréquence, extraction de descripteurs audio)
- Connaissance de techniques d’apprentissage automatique (SVM, HMM, réseaux de neurones...)
- Curiosité et motivation

Bibliographie

“Music Boundary Detection Using Neural Networks on Spectrograms and Self-Similarity Lag Matrices”. Thomas Grill, Jan Schlüter ; EUSIPCO 2015 conference, Nice, France.

Music performance by discovering community loops. Roma, G. and Serra X. ; WAC - 1st Web Audio Conference