42
Projet de Physique P6 STPI 2 - 2019 - Groupe 35 CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX ? Étudiants : Lisa Casino Anna Pineau Dian-Dian Liu Lucas Scellos Clément Pégé Deelayna Spitz-Strulo Enseignant-responsable du projet : Leila Khalij

CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

  • Upload
    others

  • View
    4

  • Download
    0

Embed Size (px)

Citation preview

Page 1: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Projet de Physique P6

STPI 2 - 2019 - Groupe 35

CHANGEMENT DE LANGUE CHANGEMENT DE VOIX

Eacutetudiants

Lisa Casino Anna Pineau Dian-Dian Liu Lucas Scellos Cleacutement Peacutegeacute Deelayna Spitz-Strulo

Enseignant-responsable du projet

Leila Khalij

__________________________________________________________ 2

Date de remise du rapport Lundi 17 juin Reacutefeacuterence du projet STPI P6 2019 - 35

Intituleacute du projet Changement de langue changement de voix Type de projet Bibliographique expeacuteriences mesures et deacutepouillement Objectif du projet

Le principal objectif de ce projet est de veacuterifier si les freacutequences recueillies deacutependent de la langue parleacutee pour cela nous allons mettre en oeuvre un protocole afin drsquoenregistrer des individus puis analyser leur voix Mots-clefs du projet Onde analyse langue freacutequence

INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE ROUEN Deacutepartement Sciences et Techniques Pour lrsquoIngeacutenieur

avenue de lUniversiteacute - 76801 Saint-Etienne-du-Rouvray - teacutel +33 (0)2 32 95 97 00 - fax +33 (0)2 32 95 98 60

__________________________________________________________ 3

__________________________________________________________ 4

TABLE DES MATIEgraveRES GLOSSAIRE 7

INTRODUCTION 9

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL 11

2GENERALITES 13

21Notions importantes 13

211Freacutequence fondamentale 13

212 Utilisation du logiciel Audacity [19] 14

22 Etudes de deux thegraveses issues de la litteacuterature 15

221Meacutemoire ldquoChangement de langue changement de voix rdquo 15

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo 15

223Comparaison des deux eacutetudes 17

23Preacutesentation des outils eacutevoqueacutes 17

3PRISES DE MESURE 20

31Protocole 20

32Les facteurs pouvant influencer les reacutesultats 21

33Fiabiliteacute des reacutesultats 22

331Erreurs dues aux outils 22

332Choix de la population eacutetudieacutee 22

4ANALYSES DES ENREGISTREMENTS 23

41Exploitation avec Audacity 23

42Exploitation avec Matlab 24

43Comparaison des deux meacutethodes 26

44Analyse des reacutesultats 27

441Parole spontaneacutee 27

442 Lecture drsquoune phrase 28

443 Lecture drsquoun texte 30

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats 30

CONCLUSION 32 BIBLIOGRAPHIE 33

LivreMeacutemoire 33

Sites internet 33

Images 33

ANNEXES 34

__________________________________________________________ 5

__________________________________________________________ 6

GLOSSAIRE

F0 Freacutequence fondamentale

Onde Modification de leacutetat physique dun milieu mateacuteriel ou immateacuteriel qui se propage agrave la suite dune action locale avec une vitesse finie deacutetermineacutee par les caracteacuteristiques des milieux traverseacutes [1]

Freacutequence Nombre de fois ougrave une action un pheacutenomegravene un fait se produit dans un temps donneacute(ici une seconde) [2]

Harmonique Oscillation sinusoiumldale composante spectrale ou terme dune seacuterie de Fourier dont la freacutequence est un multiple entier dune freacutequence dite laquo fondamentale raquo [3]

Prosodie Branche de la linguistique pour deacutecrire et repreacutesenter formellement des eacuteleacutements de lrsquoexpression orale (accent ton intonation) associeacutes agrave des variations de F0 de dureacutee et de longueur [4]

Timbre Signature vocale propre agrave chaque voix permettant de diffeacuterencier des sons de mecircme hauteur et intensiteacute eacutemis par des sources diffeacuterentes [5]

Amplitude Force sonore en dB cependant subjective car lrsquointensiteacute se compare par rapport agrave une reacutefeacuterence [6]

Dureacutee Progression de lrsquoonde sonore dans le temps en ms Il est compliqueacute de la mesurer (distinction entre les syllabes difficile par exemple) [7]

Etendue synonyme drsquoampleur

Filtre passe haut Un filtre passe-haut est un filtre qui laisse passer les hautes freacutequences et qui atteacutenue les basses freacutequences cest-agrave-dire les freacutequences infeacuterieures agrave la freacutequence de coupure [8]

__________________________________________________________ 7

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 2: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

__________________________________________________________ 2

Date de remise du rapport Lundi 17 juin Reacutefeacuterence du projet STPI P6 2019 - 35

Intituleacute du projet Changement de langue changement de voix Type de projet Bibliographique expeacuteriences mesures et deacutepouillement Objectif du projet

Le principal objectif de ce projet est de veacuterifier si les freacutequences recueillies deacutependent de la langue parleacutee pour cela nous allons mettre en oeuvre un protocole afin drsquoenregistrer des individus puis analyser leur voix Mots-clefs du projet Onde analyse langue freacutequence

INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE ROUEN Deacutepartement Sciences et Techniques Pour lrsquoIngeacutenieur

avenue de lUniversiteacute - 76801 Saint-Etienne-du-Rouvray - teacutel +33 (0)2 32 95 97 00 - fax +33 (0)2 32 95 98 60

__________________________________________________________ 3

__________________________________________________________ 4

TABLE DES MATIEgraveRES GLOSSAIRE 7

INTRODUCTION 9

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL 11

2GENERALITES 13

21Notions importantes 13

211Freacutequence fondamentale 13

212 Utilisation du logiciel Audacity [19] 14

22 Etudes de deux thegraveses issues de la litteacuterature 15

221Meacutemoire ldquoChangement de langue changement de voix rdquo 15

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo 15

223Comparaison des deux eacutetudes 17

23Preacutesentation des outils eacutevoqueacutes 17

3PRISES DE MESURE 20

31Protocole 20

32Les facteurs pouvant influencer les reacutesultats 21

33Fiabiliteacute des reacutesultats 22

331Erreurs dues aux outils 22

332Choix de la population eacutetudieacutee 22

4ANALYSES DES ENREGISTREMENTS 23

41Exploitation avec Audacity 23

42Exploitation avec Matlab 24

43Comparaison des deux meacutethodes 26

44Analyse des reacutesultats 27

441Parole spontaneacutee 27

442 Lecture drsquoune phrase 28

443 Lecture drsquoun texte 30

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats 30

CONCLUSION 32 BIBLIOGRAPHIE 33

LivreMeacutemoire 33

Sites internet 33

Images 33

ANNEXES 34

__________________________________________________________ 5

__________________________________________________________ 6

GLOSSAIRE

F0 Freacutequence fondamentale

Onde Modification de leacutetat physique dun milieu mateacuteriel ou immateacuteriel qui se propage agrave la suite dune action locale avec une vitesse finie deacutetermineacutee par les caracteacuteristiques des milieux traverseacutes [1]

Freacutequence Nombre de fois ougrave une action un pheacutenomegravene un fait se produit dans un temps donneacute(ici une seconde) [2]

Harmonique Oscillation sinusoiumldale composante spectrale ou terme dune seacuterie de Fourier dont la freacutequence est un multiple entier dune freacutequence dite laquo fondamentale raquo [3]

Prosodie Branche de la linguistique pour deacutecrire et repreacutesenter formellement des eacuteleacutements de lrsquoexpression orale (accent ton intonation) associeacutes agrave des variations de F0 de dureacutee et de longueur [4]

Timbre Signature vocale propre agrave chaque voix permettant de diffeacuterencier des sons de mecircme hauteur et intensiteacute eacutemis par des sources diffeacuterentes [5]

Amplitude Force sonore en dB cependant subjective car lrsquointensiteacute se compare par rapport agrave une reacutefeacuterence [6]

Dureacutee Progression de lrsquoonde sonore dans le temps en ms Il est compliqueacute de la mesurer (distinction entre les syllabes difficile par exemple) [7]

Etendue synonyme drsquoampleur

Filtre passe haut Un filtre passe-haut est un filtre qui laisse passer les hautes freacutequences et qui atteacutenue les basses freacutequences cest-agrave-dire les freacutequences infeacuterieures agrave la freacutequence de coupure [8]

__________________________________________________________ 7

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 3: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Date de remise du rapport Lundi 17 juin Reacutefeacuterence du projet STPI P6 2019 - 35

Intituleacute du projet Changement de langue changement de voix Type de projet Bibliographique expeacuteriences mesures et deacutepouillement Objectif du projet

Le principal objectif de ce projet est de veacuterifier si les freacutequences recueillies deacutependent de la langue parleacutee pour cela nous allons mettre en oeuvre un protocole afin drsquoenregistrer des individus puis analyser leur voix Mots-clefs du projet Onde analyse langue freacutequence

INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE ROUEN Deacutepartement Sciences et Techniques Pour lrsquoIngeacutenieur

avenue de lUniversiteacute - 76801 Saint-Etienne-du-Rouvray - teacutel +33 (0)2 32 95 97 00 - fax +33 (0)2 32 95 98 60

__________________________________________________________ 3

__________________________________________________________ 4

TABLE DES MATIEgraveRES GLOSSAIRE 7

INTRODUCTION 9

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL 11

2GENERALITES 13

21Notions importantes 13

211Freacutequence fondamentale 13

212 Utilisation du logiciel Audacity [19] 14

22 Etudes de deux thegraveses issues de la litteacuterature 15

221Meacutemoire ldquoChangement de langue changement de voix rdquo 15

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo 15

223Comparaison des deux eacutetudes 17

23Preacutesentation des outils eacutevoqueacutes 17

3PRISES DE MESURE 20

31Protocole 20

32Les facteurs pouvant influencer les reacutesultats 21

33Fiabiliteacute des reacutesultats 22

331Erreurs dues aux outils 22

332Choix de la population eacutetudieacutee 22

4ANALYSES DES ENREGISTREMENTS 23

41Exploitation avec Audacity 23

42Exploitation avec Matlab 24

43Comparaison des deux meacutethodes 26

44Analyse des reacutesultats 27

441Parole spontaneacutee 27

442 Lecture drsquoune phrase 28

443 Lecture drsquoun texte 30

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats 30

CONCLUSION 32 BIBLIOGRAPHIE 33

LivreMeacutemoire 33

Sites internet 33

Images 33

ANNEXES 34

__________________________________________________________ 5

__________________________________________________________ 6

GLOSSAIRE

F0 Freacutequence fondamentale

Onde Modification de leacutetat physique dun milieu mateacuteriel ou immateacuteriel qui se propage agrave la suite dune action locale avec une vitesse finie deacutetermineacutee par les caracteacuteristiques des milieux traverseacutes [1]

Freacutequence Nombre de fois ougrave une action un pheacutenomegravene un fait se produit dans un temps donneacute(ici une seconde) [2]

Harmonique Oscillation sinusoiumldale composante spectrale ou terme dune seacuterie de Fourier dont la freacutequence est un multiple entier dune freacutequence dite laquo fondamentale raquo [3]

Prosodie Branche de la linguistique pour deacutecrire et repreacutesenter formellement des eacuteleacutements de lrsquoexpression orale (accent ton intonation) associeacutes agrave des variations de F0 de dureacutee et de longueur [4]

Timbre Signature vocale propre agrave chaque voix permettant de diffeacuterencier des sons de mecircme hauteur et intensiteacute eacutemis par des sources diffeacuterentes [5]

Amplitude Force sonore en dB cependant subjective car lrsquointensiteacute se compare par rapport agrave une reacutefeacuterence [6]

Dureacutee Progression de lrsquoonde sonore dans le temps en ms Il est compliqueacute de la mesurer (distinction entre les syllabes difficile par exemple) [7]

Etendue synonyme drsquoampleur

Filtre passe haut Un filtre passe-haut est un filtre qui laisse passer les hautes freacutequences et qui atteacutenue les basses freacutequences cest-agrave-dire les freacutequences infeacuterieures agrave la freacutequence de coupure [8]

__________________________________________________________ 7

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 4: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

__________________________________________________________ 4

TABLE DES MATIEgraveRES GLOSSAIRE 7

INTRODUCTION 9

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL 11

2GENERALITES 13

21Notions importantes 13

211Freacutequence fondamentale 13

212 Utilisation du logiciel Audacity [19] 14

22 Etudes de deux thegraveses issues de la litteacuterature 15

221Meacutemoire ldquoChangement de langue changement de voix rdquo 15

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo 15

223Comparaison des deux eacutetudes 17

23Preacutesentation des outils eacutevoqueacutes 17

3PRISES DE MESURE 20

31Protocole 20

32Les facteurs pouvant influencer les reacutesultats 21

33Fiabiliteacute des reacutesultats 22

331Erreurs dues aux outils 22

332Choix de la population eacutetudieacutee 22

4ANALYSES DES ENREGISTREMENTS 23

41Exploitation avec Audacity 23

42Exploitation avec Matlab 24

43Comparaison des deux meacutethodes 26

44Analyse des reacutesultats 27

441Parole spontaneacutee 27

442 Lecture drsquoune phrase 28

443 Lecture drsquoun texte 30

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats 30

CONCLUSION 32 BIBLIOGRAPHIE 33

LivreMeacutemoire 33

Sites internet 33

Images 33

ANNEXES 34

__________________________________________________________ 5

__________________________________________________________ 6

GLOSSAIRE

F0 Freacutequence fondamentale

Onde Modification de leacutetat physique dun milieu mateacuteriel ou immateacuteriel qui se propage agrave la suite dune action locale avec une vitesse finie deacutetermineacutee par les caracteacuteristiques des milieux traverseacutes [1]

Freacutequence Nombre de fois ougrave une action un pheacutenomegravene un fait se produit dans un temps donneacute(ici une seconde) [2]

Harmonique Oscillation sinusoiumldale composante spectrale ou terme dune seacuterie de Fourier dont la freacutequence est un multiple entier dune freacutequence dite laquo fondamentale raquo [3]

Prosodie Branche de la linguistique pour deacutecrire et repreacutesenter formellement des eacuteleacutements de lrsquoexpression orale (accent ton intonation) associeacutes agrave des variations de F0 de dureacutee et de longueur [4]

Timbre Signature vocale propre agrave chaque voix permettant de diffeacuterencier des sons de mecircme hauteur et intensiteacute eacutemis par des sources diffeacuterentes [5]

Amplitude Force sonore en dB cependant subjective car lrsquointensiteacute se compare par rapport agrave une reacutefeacuterence [6]

Dureacutee Progression de lrsquoonde sonore dans le temps en ms Il est compliqueacute de la mesurer (distinction entre les syllabes difficile par exemple) [7]

Etendue synonyme drsquoampleur

Filtre passe haut Un filtre passe-haut est un filtre qui laisse passer les hautes freacutequences et qui atteacutenue les basses freacutequences cest-agrave-dire les freacutequences infeacuterieures agrave la freacutequence de coupure [8]

__________________________________________________________ 7

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 5: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

TABLE DES MATIEgraveRES GLOSSAIRE 7

INTRODUCTION 9

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL 11

2GENERALITES 13

21Notions importantes 13

211Freacutequence fondamentale 13

212 Utilisation du logiciel Audacity [19] 14

22 Etudes de deux thegraveses issues de la litteacuterature 15

221Meacutemoire ldquoChangement de langue changement de voix rdquo 15

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo 15

223Comparaison des deux eacutetudes 17

23Preacutesentation des outils eacutevoqueacutes 17

3PRISES DE MESURE 20

31Protocole 20

32Les facteurs pouvant influencer les reacutesultats 21

33Fiabiliteacute des reacutesultats 22

331Erreurs dues aux outils 22

332Choix de la population eacutetudieacutee 22

4ANALYSES DES ENREGISTREMENTS 23

41Exploitation avec Audacity 23

42Exploitation avec Matlab 24

43Comparaison des deux meacutethodes 26

44Analyse des reacutesultats 27

441Parole spontaneacutee 27

442 Lecture drsquoune phrase 28

443 Lecture drsquoun texte 30

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats 30

CONCLUSION 32 BIBLIOGRAPHIE 33

LivreMeacutemoire 33

Sites internet 33

Images 33

ANNEXES 34

__________________________________________________________ 5

__________________________________________________________ 6

GLOSSAIRE

F0 Freacutequence fondamentale

Onde Modification de leacutetat physique dun milieu mateacuteriel ou immateacuteriel qui se propage agrave la suite dune action locale avec une vitesse finie deacutetermineacutee par les caracteacuteristiques des milieux traverseacutes [1]

Freacutequence Nombre de fois ougrave une action un pheacutenomegravene un fait se produit dans un temps donneacute(ici une seconde) [2]

Harmonique Oscillation sinusoiumldale composante spectrale ou terme dune seacuterie de Fourier dont la freacutequence est un multiple entier dune freacutequence dite laquo fondamentale raquo [3]

Prosodie Branche de la linguistique pour deacutecrire et repreacutesenter formellement des eacuteleacutements de lrsquoexpression orale (accent ton intonation) associeacutes agrave des variations de F0 de dureacutee et de longueur [4]

Timbre Signature vocale propre agrave chaque voix permettant de diffeacuterencier des sons de mecircme hauteur et intensiteacute eacutemis par des sources diffeacuterentes [5]

Amplitude Force sonore en dB cependant subjective car lrsquointensiteacute se compare par rapport agrave une reacutefeacuterence [6]

Dureacutee Progression de lrsquoonde sonore dans le temps en ms Il est compliqueacute de la mesurer (distinction entre les syllabes difficile par exemple) [7]

Etendue synonyme drsquoampleur

Filtre passe haut Un filtre passe-haut est un filtre qui laisse passer les hautes freacutequences et qui atteacutenue les basses freacutequences cest-agrave-dire les freacutequences infeacuterieures agrave la freacutequence de coupure [8]

__________________________________________________________ 7

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 6: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

__________________________________________________________ 6

GLOSSAIRE

F0 Freacutequence fondamentale

Onde Modification de leacutetat physique dun milieu mateacuteriel ou immateacuteriel qui se propage agrave la suite dune action locale avec une vitesse finie deacutetermineacutee par les caracteacuteristiques des milieux traverseacutes [1]

Freacutequence Nombre de fois ougrave une action un pheacutenomegravene un fait se produit dans un temps donneacute(ici une seconde) [2]

Harmonique Oscillation sinusoiumldale composante spectrale ou terme dune seacuterie de Fourier dont la freacutequence est un multiple entier dune freacutequence dite laquo fondamentale raquo [3]

Prosodie Branche de la linguistique pour deacutecrire et repreacutesenter formellement des eacuteleacutements de lrsquoexpression orale (accent ton intonation) associeacutes agrave des variations de F0 de dureacutee et de longueur [4]

Timbre Signature vocale propre agrave chaque voix permettant de diffeacuterencier des sons de mecircme hauteur et intensiteacute eacutemis par des sources diffeacuterentes [5]

Amplitude Force sonore en dB cependant subjective car lrsquointensiteacute se compare par rapport agrave une reacutefeacuterence [6]

Dureacutee Progression de lrsquoonde sonore dans le temps en ms Il est compliqueacute de la mesurer (distinction entre les syllabes difficile par exemple) [7]

Etendue synonyme drsquoampleur

Filtre passe haut Un filtre passe-haut est un filtre qui laisse passer les hautes freacutequences et qui atteacutenue les basses freacutequences cest-agrave-dire les freacutequences infeacuterieures agrave la freacutequence de coupure [8]

__________________________________________________________ 7

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 7: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

GLOSSAIRE

F0 Freacutequence fondamentale

Onde Modification de leacutetat physique dun milieu mateacuteriel ou immateacuteriel qui se propage agrave la suite dune action locale avec une vitesse finie deacutetermineacutee par les caracteacuteristiques des milieux traverseacutes [1]

Freacutequence Nombre de fois ougrave une action un pheacutenomegravene un fait se produit dans un temps donneacute(ici une seconde) [2]

Harmonique Oscillation sinusoiumldale composante spectrale ou terme dune seacuterie de Fourier dont la freacutequence est un multiple entier dune freacutequence dite laquo fondamentale raquo [3]

Prosodie Branche de la linguistique pour deacutecrire et repreacutesenter formellement des eacuteleacutements de lrsquoexpression orale (accent ton intonation) associeacutes agrave des variations de F0 de dureacutee et de longueur [4]

Timbre Signature vocale propre agrave chaque voix permettant de diffeacuterencier des sons de mecircme hauteur et intensiteacute eacutemis par des sources diffeacuterentes [5]

Amplitude Force sonore en dB cependant subjective car lrsquointensiteacute se compare par rapport agrave une reacutefeacuterence [6]

Dureacutee Progression de lrsquoonde sonore dans le temps en ms Il est compliqueacute de la mesurer (distinction entre les syllabes difficile par exemple) [7]

Etendue synonyme drsquoampleur

Filtre passe haut Un filtre passe-haut est un filtre qui laisse passer les hautes freacutequences et qui atteacutenue les basses freacutequences cest-agrave-dire les freacutequences infeacuterieures agrave la freacutequence de coupure [8]

__________________________________________________________ 7

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 8: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Jitter pheacutenomegravene qui affecte la transmission des donneacutees numeacuteriques par un deacutecalage temporel Ce qui induit une reproduction de moins bonne qualiteacute Il y aura toujours plus ou moins de jitter lideacuteal eacutetant dabaisser le plus possible ce taux derreurs dans la transmission pour obtenir une restitution la plus fiable et la plus musicale possible [9]

Shimmer Le Shimmer est une mesure de la perturbation agrave court terme de

lamplitude des peacuteriodes de la freacutequence fondamentale [10]

__________________________________________________________ 8

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 9: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

INTRODUCTION

Mardi 26 septembre 2018 Manuel Valls ancien premier ministre franccedilais srsquoexprimait agrave Barcelone pour sa candidature agrave la mairie de la ville Degraves ses premiers mots en espagnol une chose nous a choqueacute sa voix En passant du franccedilais agrave lrsquoespagnol elle semblait avoir changeacute alors qursquoil srsquoagissait bien de la mecircme personne qui eacutetait en train de parler

Un questionnement nous est venu immeacutediatement agrave lrsquoesprit questionnement

qui a eacuteteacute notre probleacutematique tout du long de ce projet ldquo Changement de langue changement de voix rdquo

Durant ce projet nous nous sommes fixeacutes plusieurs objectifs agrave atteindre

Validation ou refus de la theacuteorie ldquosrsquoil y a changement de langue il y a changement de voixrdquo

Prise en main des logiciels de traitements de son Deacutecouverte de nouveaux outils de traitements du signal Organisation drsquoun projet travail de groupe reacutepartition des tacircches prises de

deacutecisions

Ce rapport est composeacute drsquoune partie theacuteorique ougrave nous nous sommes baseacutes

sur des eacutetudes deacutejagrave existantes afin de voir si cette notion de changement de voix lorsque que lrsquoon change de langue est quelque peu remise en cause Ensuite vient la partie expeacuterimentale ougrave nous avons mis agrave contribution des personnes afin de beacuteneacuteficier de nos propres observations Ces observations nous ont permis de comparer nos reacutesultats agrave ceux des diffeacuterentes thegraveses Enfin nous en avons tireacute des conclusions sur lrsquoefficaciteacute de notre travail ainsi que sur la validiteacute ou non de notre probleacutematique

__________________________________________________________ 9

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 10: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

__________________________________________________________ 10

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 11: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

1MEacuteTHODOLOGIE ORGANISATION DU TRAVAIL

Notre groupe se compose de 6 eacutetudiants Degraves le deacutebut du projet nous nous

sommes reacutepartis les tacircches agrave traiter mais nous travaillions tous ensemble en se supervisant mutuellement Par exemple les premiegraveres semaines Deelayna et Anna eacutetaient principalement en charge de reacutediger un reacutesumeacute des informations recueillies sur les meacutemoires trouveacutes pour la partie II EacuteTUDES PREacute-EXISTANTES Cependant nous avons tous lu les meacutemoires et veacuterifieacute leur synthegravese De mecircme elles nheacutesitaient pas agrave apporter leur avis aux autres parties

Nous avons rapidement creacuteeacute un planning pour respecter les deacutelais (reacutedaction du rapport creacuteation du poster enregistrements agrave effectuer) mais eacutegalement nos missions Le tableau 1 reacutesume les tacircches des diffeacuterents membres du groupe attribueacutees pour le deacutebut du projet

Elegraveves Objectifs initiaux

Deelayna SPITZ-STRULO Anna PINNEAU

- Reacutediger la partie II EacuteTUDES PREacute-EXISTANTES

- Srsquoinformer sur les meacutethodes drsquoanalyse gracircce aux eacutetudes deacutejagrave reacutealiseacutees

Lisa CASINO - Reacutediger la partie II PRISES DES MESURES - Trouver les facteurs influenccedilant les reacutesultats

Cleacutement PEGE - Reacutediger lrsquoINTRODUCTION - Reacutediger un reacutesumeacute drsquoune partie drsquoun des

meacutemoire

Lucas SCELLOS Dian-Dian LIU

- Srsquoinformer sur les meacutethodes drsquoanalyse - Trouver un protocole pour analyser les

enregistrements

Tableau 1 Exemple de preacutesentation de la reacutepartition des tacircches

Bien que des tacircches preacutecises eacutetaient affecteacutees agrave chaque personne au cours du

projet chaque eacutelegraveve eacutetait autonome et nous nheacutesitions pas agrave compleacuteter le travail de nos camarades Tout au long du semestre nous avons aussi tenu un calendrier avec les dates butoires pour chaque grande partie mais aussi pour que chaque personne note les tacircches accomplies lors de la seacuteance (voir annexe avec Calendrier complet)

__________________________________________________________

11

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 12: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

2GENERALITES

Quelques eacutetudes sur le sujet existent Nous en avons trouveacute deux datant de 2013 qui soutiennent des thegraveses diffeacuterentes

21Notions importantes 211Freacutequence fondamentale

Nous avons reacutecupeacutereacute trois enregistrements par langue Si une personne Y

parlait 4 langues nous avions donc 4 times 3 = 12 enregistrements au nom de Y

Sur chaque enregistrement nous avons noteacute la freacutequence fondamentale recueillie

La freacutequence fondamentale F0 drsquoun son est sa freacutequence avec le plus drsquointensiteacute En effet en pratique un son est rarement purement sinusoiumldal Crsquoest une addition de signaux sinusoiumldaux Ceux-ci sont drsquointensiteacutes diffeacuterentes (amplitude du signal) et de freacutequences diffeacuterentes (longueur de la peacuteriode) Ces diffeacuterents signaux sont appeleacutes harmoniques du son De plus la premiegravere harmonique est appeleacutee freacutequence fondamentale [11] Drsquoun point de vue acoustique la freacutequence fondamentale moyenne est communeacutement consideacutereacutee comme la principale diffeacuterence entre les voix drsquohommes et de femmes [12 13]

Figure 4 Courbe des variations damplitude en fonction du temps [14]

La courbe de la figure 4 repreacutesente les diffeacuterentes harmoniques la premiegravere montrant une intensiteacute eacuteleveacutee par rapport aux autres est la freacutequence fondamentale Lrsquoensemble des harmoniques (leur freacutequence et intensiteacute) est propre agrave chaque personne (ou instrument) crsquoest le timbre [15] Comme le note Emile Leipp un chercheur acousticien laquo La sensation de hauteur dun son de freacutequence donneacutee varie avec la hauteur absolue du son avec son timbre avec son intensiteacute avec le contexte musical raquo [16]

__________________________________________________________ 12

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 13: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Comment calculer la freacutequence fondamentale en theacuteorie

Si le son est pur le calcul de la freacutequence fondamentale est relativement simple il consiste agrave trouver la peacuteriode puis agrave faire le calcul

F0 = 1 T

En pratique pour trouver la freacutequence fondamentale nous avions besoin des seacuteries de Fourier Le principe est de donner lrsquoexpression matheacutematique du signal sous forme de la somme des diffeacuterentes harmoniques [17]

s(t) = a0 + Σ infinn=1 A

ncos(nωot-ϕn )

avec ωo = 2π T la pulsation propre a0 la valeur moyenne de lrsquoamplitude et ϕn la phase agrave t = 0 ϕ isin [minusπ π] [18]

Ainsi il est facile drsquoextraire la premiegravere harmonique puis avec ωo trouver la peacuteriode et ainsi la freacutequence fondamentale

Les freacutequences fondamentales seront deacutetermineacutees par le biais des logiciels

Matlab et Audacity 212 Utilisation du logiciel Audacity [19]

Le logiciel Audacity nous permettra de trouver la freacutequence fondamentale

drsquoun son Les avantages de ce logiciel sont la faciliteacute drsquoutilisation et le fait qursquoil soit installeacute sur un grand nombre drsquoordinateurs agrave lrsquoINSA

Pour pouvoir traiter le son correctement il est neacutecessaire de supprimer les

eacuteventuels bruits parasites autres que le son de la voix (bruits drsquoinspiration par exemple) qui fausseraient le calcul de la freacutequence fondamentale par le logiciel Audacity permet de couper ces parties inutilisables que nous avons simplement seacutelectionneacutees et supprimeacutees gracircce au curseur et agrave la fonction de deacutecoupage et de raccordage

Ensuite il suffit de seacutelectionner lrsquoensemble du son puis agrave lrsquoaide de lrsquoonglet

analyse de tracer le spectre Il suffit de se placer sur le pic le plus haut qui nous donnera la valeur de la freacutequence fondamentale

__________________________________________________________ 13

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 14: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

22 Etudes de deux thegraveses issues de la litteacuterature 221Meacutemoire ldquoChangement de langue changement de voix rdquo

La premiegravere eacutetude est regroupeacutee dans le meacutemoire de Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec [20] Cette eacutetude visait agrave deacuteterminer si dans des reacutegions ougrave cohabitent deux langues comme crsquoest le cas au Queacutebec les bilingues utilisent la mecircme voix dans une langue ou lrsquoautre

Les participants 10 femmes et 7 hommes acircgeacutes entre 18 et 40 ans et seacutelectionneacutes selon des critegraveres preacutecis (anglais ou franccedilais pour langue maternelle apprentissage de la deuxiegraveme langue avant lrsquoacircge de 7 ans utilisation des deux langues quotidiennement) ont drsquoabord passeacute un test de perception des enregistrements de personnes lisant un texte en anglais et en franccedilais leur ont eacuteteacute preacutesenteacutes et ils devaient essayer drsquoeacutetablir le profil des locuteurs (statut et traits de caractegravere)

Agrave leur tour les participants ont ensuite eacuteteacute enregistreacutes en train de lire et de

deacutecrire un tableau en franccedilais puis en anglais Les chercheurs ont alors deacutetermineacute la freacutequence fondamentale (noteacutee F0) la hauteur moyenne et lrsquoeacutetendue des enregistrements (voir glossaire)

Drsquoapregraves les reacutesultats la hauteur des voix en franccedilais a tendance agrave ecirctre plus eacuteleveacutee que celle en anglais De plus la voix des locuteurs a tendance agrave ecirctre plus haute pendant la lecture que lors drsquoune prise de parole spontaneacutee

Drsquoautre part lrsquoeacutetendue de F0 observeacutee est plus grande en franccedilais qursquoen anglais et plus grande chez les hommes que chez les femmes

Ces reacutesultats sont cependant agrave nuancer mecircme si les diffeacuterences observeacutees

reflegravetent une certaine tendance les analyses statistiques montrent qursquoelles ne peuvent ecirctre consideacutereacutees comme significatives La taille de lrsquoeacutechantillon eacutetudieacute srsquoavegravere insuffisante pour interpreacuteter de faccedilon solide les correacutelations obtenues

222Eacutetude ldquoTravail de la voix dans la langue le cas de la prononciation du Franccedilais Langue Etrangegravererdquo

Lrsquoeacutetude de Claire Pillot-Loiseau (CNRS ndash Universiteacute Paris-Sorbonne) est

drsquoabord une eacutetude visant agrave proposer une nouvelle faccedilon drsquoapprendre les langues [21] En effet gracircce aux reacutesultats ldquo les apprenants de bon niveau de prononciation articulant correctement les voyelles et consonnes peuvent cependant ecirctre encore perccedilus comme eacutetrangers agrave cause de leur prosodie rdquo (Flege 1988) Claire Pillot-Loiseau nous montre les diffeacuterences de freacutequences et donc lrsquoimportance de prendre les hauteurs et la prosodie en compte lors de lrsquoapprentissage drsquoune nouvelle langue

__________________________________________________________ 14

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 15: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Lrsquoeacutetude srsquoest deacuterouleacutee en en trois temps dans en premier par le biais drsquoun questionnaire qui slsquoest deacuteclineacute comme suit ougrave chacun pouvait faire des commentaires sur le sujet Votre voix change-t-elle de hauteur quand vous parlez le franccedilais par rapport agrave

votre langue maternelle

1 Ma voix ne change pas de hauteur

2 Ma voix est UN PEU plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

3 Ma voix est BEAUCOUP plus haute (eacuteleveacutee) quand je parle le franccedilais par

rapport agrave ma langue maternelle

4 Ma voix est UN PEU plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

5 Ma voix est BEAUCOUP plus basse (grave) quand je parle le franccedilais par

rapport agrave ma langue maternelle

6 Ne sait pas

Dans un deuxiegraveme temps les participants eacutetaient ameneacutes agrave lire un texte dans les diffeacuterentes langues et eacutetaient enregistreacutes Les enregistrements eacutetaient analyseacutes afin de deacuteterminer le jitter et le shimmer Comme indiqueacute dans le glossaire ces deux mesures fournissaient des indications de reacutegulariteacute de la voix en fonction du temps

Le tableau 2 preacutesente le nombre de sujets auditionneacutes (426 au total) reacuteparti en

deux cateacutegories La premiegravere est composeacutee de bilingues (312 personnes) et apprenant du Franccedilais Langue Etrangegravere (noteacute FLE) (114 personnes) Dans la deuxiegraveme cateacutegorie il y a 25 hommes et 89 femmes de 18 agrave 64 ans lrsquoacircge moyen est de 30 ans 51 de ces sujets sont de niveau intermeacutediaire (B1 et B2) et 32 de niveau avanceacute (C1 et C2)

Sujets

Pourcentage ou nombre drsquoapprenant

Groupe 1

Hispanophones 20

Japonophones 12

Anglophones 11

Sinophones 11

Germanophones 8

Italophones 5

Coreacuteens 4

Autres (non preacuteciseacute) 19

__________________________________________________________ 15

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 16: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Reacutesultats diffeacuterence ressentie

F0 Intensiteacute Hateur

Groupe 2

Bilingues arabophones

6

807 716

60 Arabophones

apprenant le FLE 6

Franccedilais 14

Bilingue Sinophobes 8 63

Tableau 2 Reacutesumeacute des reacutesultats de lrsquoeacutetude [22]

Cependant il eacutetait important de noter que les reacutesultats deacutependent du ressenti des sujets et eacutetaient donc par deacutefinition subjectifs La deuxiegraveme eacutetape de lrsquoeacutetude en revanche eacutetait objective Celle-ci indiquait une F0 significativement plus eacuteleveacutee en arabe standard qursquoen franccedilais en lecture et une F0 du franccedilais significativement plus eacuteleveacutee chez les sinophones que chez des sujets monolingues

223Comparaison des deux eacutetudes

Les deux eacutetudes [20 21] ont des approches tregraves diffeacuterentes En effet nous avons pu observer (cf tableau 2) que la premiegravere eacutetude avait des critegraveres beaucoup plus preacutecis sur le choix des sujets (utilisation des deux langues au quotidien apprentissage avant 7 ans etc) que la deuxiegraveme Celle-ci demandait simplement la maicirctrise de la langue niveau C1 pour ecirctre consideacutereacute bilingue De plus la deuxiegraveme eacutetude eacutevoquait les facteurs sociaux-culturels et caracteacuteriels de chaque individu

Nous avons donc pu la consideacuterer plus preacutecise que la premiegravere Concernant les reacutesultats la premiegravere eacutetude nrsquoa donneacute aucune conclusion de faccedilon trancheacutee sur le changement de voix consideacuterant lrsquoeacutechantillon trop petit et les outils drsquoanalyses pas assez preacutecis De lrsquoautre cocircteacute la deuxiegraveme eacutetude concluait sur la preacutesence drsquoun changement de la freacutequence fondamentale chez les sujets

23Preacutesentation des outils eacutevoqueacutes

La derniegravere thegravese [21] bien qursquoutilisant des enregistrements pour ses tests et ses analyses ne nous a donneacute aucune information sur la maniegravere et les outils utiliseacutes Dans la thegravese reacutefeacuterenceacutee [20] le micro casque Audio technica BP892 agrave condensateur omnidirectionnel a eacuteteacute utiliseacute comme outil drsquoenregistrement

__________________________________________________________ 16

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 17: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Ce microphone est aussi appeleacute BP892-TH MicroSetreg Il est fabriqueacute par la compagnie Audio-Technica Il est ainsi consideacutereacute comme un laquo microphone dernier cri en matiegravere de discreacutetion et de haute performance sonore raquo[23] Il peut supporter des niveaux de pression acoustique eacuteleveacutes et possegravede un filtre passe-haut sur le module drsquoalimentation afin atteacutenuer les basses freacutequences (ne nuit pas agrave la voix mais diminue le bruit environnant) Sa reacuteponse en freacutequence est de 20 Hz agrave 20 kHz

Nous avons aussi noteacute que les analyses acoustiques ont eacuteteacute reacutealiseacutees gracircce agrave

trois logiciels sur ordinateur Le premier est Praat [24] conccedilu pour lrsquoanalyse de la voix Il est utiliseacute pour modifier la hauteur drsquoun enregistrement sa dureacutee et il permet de voir la courbe de lrsquoenregistrement Puisque le logiciel est initialement creacuteeacute pour lrsquoanalyse phoneacutetique il est possible drsquoavoir un spectrogramme de la freacutequence en fonction du temps (cf Figure 1) [25]

Figure 2 Exemple drsquoune analyse de son avec le logiciel Praat [26]

Le second logiciel utiliseacute pour lrsquoeacutetude est Goldwave Crsquoest un logiciel pour les professionnels et les particuliers afin deacutediter des fichiers audios Il est donc principalement utiliseacute pour faire des montages audios (mix rajouter des couches couper rajouter des effets) On peut cependant aussi srsquoenregistrer et analyser des fichiers audios (cf Figure 3) De plus il est possible drsquoaffecter des filtres comme des transformations de Fourier ou lrsquoisolation de certaines freacutequences

Figure 3 Exemple drsquoun montage Audio avec le logiciel Goldwave

__________________________________________________________ 17

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 18: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Statistica est une gamme de logiciel drsquoanalyse statistique des donneacutees de lrsquoexploration de donneacutees et de linformatique deacutecisionnelle Elle a eacuteteacute deacuteveloppeacutee par lrsquoentreprise StatsoftLa gamme de logiciel Statistica est tregraves vaste et la thegravese ne preacutecise pas quelle version du logiciel est utiliseacutee On suppose lrsquoutilisation de STATISTICA Module Analytiques Cette version contient en effet tous les outils neacutecessaires agrave lrsquoeacutetude de diffeacuterentes variables et tableau de donneacutees De plus le logiciel offre aussi la possibiliteacute drsquoafficher les reacutesultats sous forme de graphiques [cf Figure 3] [2728]

Figure 4 Exemple drsquoutilisation du logiciel avec preacutesentation drsquoun diagramme [29]

Ainsi drsquoapregraves lrsquoeacutetude de ces diffeacuterents logiciels nous pouvons remarquer la

compleacutementariteacute de ceux-ci En effet le traitement lrsquoanalyse et lrsquointerpreacutetation des donneacutees sont effectueacutes seacutepareacutement On peut cependant noter le manque de preacutecision sur les outils drsquoenregistrement et les processus drsquoanalyse preacutesenteacutes dans les thegraveses [20 21]

__________________________________________________________ 18

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 19: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

3PRISES DE MESURE

Pour reacutecolter les diffeacuterentes donneacutees nous avons mis en place un protocole Nous avons tout drsquoabord reacutefleacutechi aux critegraveres que les personnes interrogeacutees devaient respecter et creacuteeacute un tableau excel (voir annexe) dans lequel nous avons noteacute tous les noms des teacutemoins

Puis nous nous sommes interrogeacutes sur les facteurs exteacuterieurs pouvant influencer une eacutevolution de la voix Suite agrave plusieurs recherches nous avons conclu que la cigarette pouvait influencer la voix ainsi que la posture dans laquelle la personne eacutetait lors de lrsquoenregistrement

Pour finir nous avons choisi ce que nous allions enregistrer soit la parole spontaneacutee la lecture drsquoun texte et la lecture drsquoune phrase courte Nous devions choisir une question et un texte neutre pour eacuteviter des effets eacutemotionnels et compreacutehensibles par tous Notre choix srsquoest donc porteacute sur le premier article de la Deacuteclaration des Droits de lrsquoHomme [30]

31Protocole

Afin drsquoeacutetayer la thegravese preacutecedemment eacutevoqueacutee nous avons eacutevalueacute un total de

37 personnes et avons analyseacute ces reacutesultats au travers de plusieurs langues Nous avions un total de 11 langues parleacutees par les diffeacuterents intervenants franccedilais anglais espagnol italien grec roumain russe portugais vietnamien arabe et allemand La proceacutedure complegravete a eacuteteacute effectueacutee plusieurs fois dans chaque langue Les personnes interrogeacutees devaient se tenir debout pendant toute la session La premiegravere fois elle srsquoest faite dans la langue maternelle Ensuite elle srsquoest deacuterouleacute en franccedilais Dans le cas ougrave la langue maternelle du participant eacutetait le franccedilais la 1ere et 2eme parties eacutetaient reacuteunies en une seule Pour finir les intervenants parlant plusieurs langues ont reacutepeacuteteacute le processus dans les autres dialectes

Abordons maintenant les eacutetapes des enregistrements effectueacutes par nos

teacuteleacutephones portables Tout drsquoabord nous avons poseacute une question parmi celles preacutesenteacutees ci-dessous aux participants

Qursquoest-ce que tu as mangeacute hier soir Qursquoest-ce que tu as fait ce week end Peux-tu nous raconter un film que tu as appreacutecieacute

De cette faccedilon les intervenants pouvaient reacutepondre en plusieurs phrases en

plusieurs secondes en parole spontaneacutee De plus ils ont lu les trois interrogations ci-dessus trois fois afin drsquoeacutetudier eacutegalement les intonations dans les diffeacuterents langues

__________________________________________________________ 19

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 20: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Nous avons analyseacute des phrases interrogatives pour veacuterifier leur influence sur les reacutesultats en essayant de reacutepondre agrave la question voit-on plus ou moins de diffeacuterences entre ces deux cas

Dans un deuxiegraveme temps nous avons fait lire un texte de quelques lignes aux

participants qui est le premier article de la Deacuteclaration des Droits de lrsquoHomme [31]

ldquoTous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de

fraterniteacuterdquo

Preacutecisons que ce passage a eacuteteacute lu trois fois de suite dans chaque langue Nous avons compareacute les reacutesultats des analyses entre ces deux cas lecture assisteacutee et parole spontaneacutee

Ces enregistrements ont eacuteteacute analyseacutes agrave lrsquoaide de deux logiciels Matlab et Audacity dans le but de trouver les freacutequences et leurs amplitudes

32Les facteurs pouvant influencer les reacutesultats

En quelques mots le processus composeacute de trois parties eacutetait reacutepeacuteteacute le nombre de fois que les participants savaient parler de langues Les deux derniegraveres parties en lecture non spontaneacutee ont eacuteteacute reacutepeacuteteacutees chacunes trois fois En effet nous voulions veacuterifier notre hypothegravese eacutenonccedilant que la personne intervieweacutee serait davantage habitueacutee agrave la langue parleacutee au bout de plusieurs phrases Ainsi les analyses effectueacutees comparant les langues eacutetrangegraveres agrave la langue maternelle seraient plus distinctes si les personnes parlent plus longtemps

Dans ces interviews nous voulions au deacutepart nous pencher sur plusieurs variables pouvant influencer les analyses qui sont

Le sexe Lrsquoacircge Freacutequence drsquousage de tabac

Cependant nos reacutesultats nrsquoeacutetaient pas assez concluants et nombreux pour

effectuer ces comparaisons Mais ces facteurs ont pu tout de mecircme influencer ces mecircmes reacutesultats (cf IIIAnalyse des mesures)

De plus nous savions que la distance entre la source et le microphone ainsi que le bruit environnant (voiture passants bruits exteacuterieurs ventilation ordinateurhellip) pouvaient influer sur la qualiteacute des enregistrements et les analyses Crsquoest pourquoi nous les avons effectueacutes seuls dans des salles de classes fermeacutees et nous avons essayeacute de garder la mecircme distance entre la personne intervieweacutee et le teacuteleacutephone portable

__________________________________________________________ 20

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 21: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

33Fiabiliteacute des reacutesultats

331Erreurs dues aux outils

Pour reacutealiser lrsquoanalyse nous avons enregistreacute les participants avec nos teacuteleacutephones (faute drsquoun meilleur moyen) Or chaque teacuteleacutephone eacutetant diffeacuterent les microphones servant agrave enregistrer les sons nrsquoeacutetaient pas identiques non plus par conseacutequent nous ne pouvions obtenir la mecircme qualiteacute de son De plus il nous a eacuteteacute impossible de savoir quelle eacutetait la freacutequence drsquoeacutechantillonnage des teacuteleacutephones Il faut aussi rappeler que nous nrsquoavons pas pu enregistrer dans une piegravece parfaitement insonoriseacutee

Enfin pour ne pas prendre en compte les parties inaudibles ou inutiles notamment le laps de temps entre le deacutebut de lrsquoenregistrement et le moment ougrave le locuteur commence agrave parler nous avons coupeacute les enregistrements en utilisant Audacity qui ne prend pas en charge le format des fichiers audios initiaux Il a alors fallu les convertir ce qui a pu entraicircner une perte de qualiteacute

Ainsi lrsquoanalyse de nos enregistrements nrsquoa pas pu ecirctre totalement fiable il y a une marge drsquoerreur non neacutegligeable due agrave la qualiteacute drsquoenregistrement Ce manque de qualiteacute va forceacutement se ressentir lors de lrsquoanalyse reacutealiseacutee avec Audacity et Matlab

332Choix de la population eacutetudieacutee

Les participants eacutetaient tous des membres de lrsquoINSA de Rouen consideacutereacutes bilingues Nous avons deacutecideacute qursquoun niveau B2 dans la langue eacutetait suffisant pour ecirctre dit bilingue Cela restait cependant une notion relativement subjective appliqueacutee agrave une population restreinte il eacutetait neacutecessaire de le prendre en compte dans lrsquointerpreacutetation de nos reacutesultats

__________________________________________________________ 21

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 22: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

4ANALYSES DES ENREGISTREMENTS

41Exploitation avec Audacity

Pour le nombre de points Audacity propose des puissances de 2 car il utilise

un algorithme de transformeacutee de Fourier rapide [32] et nous avons choisi la valeur 29 Theacuteoriquement plus la valeur est grande plus la preacutecision est bonne mais nous nrsquoavons pas remarqueacute de variation flagrante pour une puissance plus grande De plus nous voulions entrer les mecircmes paramegravetres que sur Matlab et les premiers tests effectueacutes sur ce dernier donnaient des reacutesultats similaires pour 29 points

La figure 5 preacutesente un exemple drsquoun spectre obtenu avec Audacity et la freacutequence fondamentale F0 associeacutee agrave ce spectre (la valeur est directement lue dans le carreacute vert)

Figure 5 Spectre du signal obtenu sur Audacity

__________________________________________________________ 22

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 23: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

42Exploitation avec Matlab Le calcul de la freacutequence fondamentale peut srsquoobtenir en utilisant les fonctions

disponibles sur Matlab Ce logiciel qui dispose de son propre langage est eacutegalement pratique pour des rendus visuels en 3D Le script utiliseacute est regroupeacute en annexe et nous preacutesenterons ici les principales fonctions du programme

Drsquoabord il faut reacutealiser un eacutechantillonnage du signal sonore afin de pouvoir le traiter Il srsquoagit en fait de preacutelever les valeurs du signal agrave des intervalles de temps identiques pour le transformer en une suite discregravete drsquoeacutechantillons Cette opeacuteration est faite lorsque lrsquoon utilise [yfs] = audioread(enregistrementm4a) ougrave y est le signal eacutechantillonneacute et fs la freacutequence drsquoeacutechantillonnage extraite automatiquement par Matlab agrave partir du signal enregistreacute

Pour eacuteviter le pheacutenomegravene de repliement [33] cette freacutequence doit respecter la

regravegle drsquoeacutechantillonnage de Shannon selon laquelle la freacutequence drsquoeacutechantillonnage doit ecirctre supeacuterieure ou eacutegale au double de la freacutequence maximale que contient le signal [34]

En effet lrsquoeacutechantillonnage ne doit pas causer une perte drsquoinformations ce qui veut dire qursquoil srsquoagit drsquoune opeacuteration qui reste reacuteversible Repasser du signal eacutechantillonneacute au signal initial doit pouvoir se faire et ce nrsquoest possible que si la freacutequence drsquoeacutechantillonnage est assez eacuteleveacutee [35]

Nous pouvons tracer ainsi alors le spectrogramme 3D du signal sonore qui est

la repreacutesentation visuelle de la transformeacutee de Fourier agrave court terme du signal crsquoest-agrave-dire le traceacute de la reacutepartition eacutenergeacutetique du signal sonore en fonction du temps et des freacutequences Ceci nous permet de voir qursquoil y a bien une eacutevolution de la freacutequence et de lrsquointensiteacute au cours du temps Plus les pics sont de couleur chaude plus la densiteacute eacutenergeacutetique est eacuteleveacutee

Figure 6 Spectrogramme 3D du signal

__________________________________________________________ 23

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 24: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Par la suite nous avons traceacute le graphe repreacutesentant les freacutequences en fonction du temps puis le spectre correspondant aux amplitudes en fonction des freacutequences comme par exemple sur la figure 7

Figure 7 Graphe repreacutesentant lrsquoeacutevolution des freacutequences en fonction du temps

Comme sur Audacity les pics observeacutes sur le spectre sont associeacutes aux maximums drsquoamplitude et donc aux freacutequences de propres du signal

Figure 8 Graphe repreacutesentant lrsquoeacutevolution de lrsquoamplitude en fonction de la freacutequence

__________________________________________________________ 24

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 25: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Le pic le plus grand correspond agrave la freacutequence fondamentale et les pics plus petits aux harmoniques Il suffit alors de reacutecupeacuterer labscisse du pic maximal pour obtenir la valeur de F0 et lrsquoabscisse du dernier pic si lrsquoon veut obtenir la valeur maximale de la plage de freacutequence

43Comparaison des deux meacutethodes

Utiliser Matlab est certainement la meacutethode la plus rigoureuse le calcul de la freacutequence fondamentale est explicite compareacute agrave lrsquoutilisation drsquoun logiciel ougrave les paramegravetres des fonctions ne sont pas toujours connus ni modifiables par lrsquoutilisateur Malheureusement les reacutesultats obtenus sur Matlab se sont reacuteveacuteleacutes peu exploitables car ils preacutesentaient des variations anormalement fortes En effet dans certains cas les valeurs afficheacutees pour le signal associeacute agrave la lecture correspondaient agrave plus du double du signal associeacute agrave la parole spontaneacutee ce qui paraissait improbable car il srsquoagissait des enregistrements de la mecircme personne et pour la mecircme langue

Concernant lrsquoautre meacutethode si Audacity est relativement facile agrave utiliser puisqursquoil suffit de seacutelectionner la partie agrave analyser avec la souris puis de tracer son spectre gracircce agrave une fonction toute faite nous ne pouvons savoir preacuteciseacutement comment la freacutequence fondamentale est obtenue Nous nous sommes quand mecircme baseacutes sur ce logiciel pour la suite de lrsquoeacutetude car les reacutesultats afficheacutes nous ont paru plus coheacuterents qursquoavec Matlab les valeurs pour une mecircme personne et pour la mecircme langue semblaient plus stables lorsque lrsquoon passait de la lecture agrave la parole spontaneacutee

44Analyse des reacutesultats

Nous nrsquoavons pas pu enregistrer toutes les personnes preacutevues ainsi certaines

langues comme lrsquoitalien ou le tamoul nrsquoont pas pu ecirctre eacutetudieacutees car la population eacutetait trop petite (une ou deux personnes) 441Parole spontaneacutee

Pour analyser les reacutesultats nous avons rencontreacute un problegraveme deacutechantillonnage Ainsi les freacutequences reacutesultantes variaient eacutenormeacutement Nous avons tout de mecircme analyseacute les reacutesultats afin de voir si nous pouvions obtenir des reacutesultats concluants Nous avons supprimeacutes les valeurs aberrantes crsquoest agrave dire celles qui contrastent grandement avec les autres Pour traiter les reacutesultats nous avons utiliseacute les outils ldquoboicirctes agrave moustachesrdquo comme preacutesenteacutes sur les figures 9 agrave 13 (les valeurs entre parenthegravese repreacutesentent les valeurs en abscisse) Les figures 9 et 10 montrent les freacutequences fondamentales extraites des enregistrements en parole spontaneacutee en franccedilais en anglais en espagnol et en grec Le tableau 3 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

__________________________________________________________ 25

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 26: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Figure 9 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee avec valeurs aberrantes

Figure 10 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le grec(4) en parole spontaneacutee sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Allemand Grec

Moyenne 29665 34355 41885 182 31233

Eacutecart-type 24385 39321 27799 10 28490

Tableau 3 Tableau des moyennes et eacutecart-type en fonction des langues

Nous avons observeacute donc en parole spontaneacutee qursquoil y a des variations entres chaque langue (boicirctes agrave moustache toutes diffeacuterentes) Cependant nous avons aussi observeacute une augmentation de la F0 en anglais ainsi qursquoen espagnol Nous avons remarqueacute que pour le grec les reacutesultats nrsquoont pas beaucoup de sens ducirc agrave une population trop faible aussi (3 individus) Nous lrsquoavons donc retireacute pour le reste des analyses

__________________________________________________________ 26

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 27: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Nos reacutesultats sur la parole spontaneacutee ne permettaient pas de faire des conclusions car si la variation de F0 entre lrsquoanglais et le franccedilais confirmait les reacutesultats de la deuxiegraveme thegravese celle entre le franccedilais et lrsquoespagnol la contredisait 442 Lecture drsquoune phrase

Les figures 11 et 12 montrent les freacutequences fondamentales extraites des enregistrements lors de la lecture drsquoune phrase en franccedilais en anglais en espagnol et en chinois Le tableau 4 reacutesume les valeurs moyennes et eacutecarts types associeacutees agrave ces courbes

Figure 11 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoune phrase avec valeurs aberrantes

Figure 12 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3)

et le chinois(4) lors de la lecture drsquoune phrase sans valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40675 42803 69855 6724

Eacutecart-type 34362 32227 70588 16782

Tableau 4 Tableau des moyennes et eacutecart-type en fonction des langues

__________________________________________________________ 27

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 28: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Nous avons tireacute la mecircme conclusion que pour la parole spontaneacutee En effet les diffeacuterentes langues ont les mecircmes dispositions On a cependant pu noter que le chinois avait un eacutecart-type bien plus faible que les autres langues et une moyenne de F0 bien plus eacuteleveacutee 443 Lecture drsquoun texte

Figure 13 Repreacutesentation de la freacutequence fondamentale sur le franccedilais(1) lrsquoanglais(2) lrsquoespagnol(3) et

le chinois(4) lors de la lecture drsquoun texte avec valeurs aberrantes

Langues Franccedilais Anglais Espagnol Chinois

Moyenne 40886 3811 45615 6268

Eacutecart-type 27273 25634 29467 37549

Tableau 5 Tableau des moyennes et eacutecart-type en fonction des langues

Pour ce cas drsquoeacutetude lrsquoanglais a une moyenne plus eacuteleveacutee que le franccedilais La moyenne de la freacutequence fondamentale de lrsquoespagnol eacutetait toujours bien au dessus des deux preacuteceacutedentes

Ainsi nous avons remarqueacute des variations de F0 entre les diffeacuterentes langues Seulement ces variations ne correspondaient pas agrave celles attendues (donc pas celles de la litteacuterature) Nous avons donc pu conclure agrave un changement de langue changement de voix drsquoune certaine faccedilon

__________________________________________________________ 28

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 29: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

45Une reacuteelle preacutesence de facteurs influenccedilant les reacutesultats

Bien que nous nrsquoavons pas compareacute les reacutesultats des analyses en fonction du sexe de lacircge et du tabac nous savons que les facteurs de lrsquoacircge et tabagique peuvent influencer les reacutesultats

En effet nous pouvons facilement trouver sur internet plusieurs eacutetudes eacutenonccedilant que la freacutequence fondamentale moyenne entre les hommes et les femme est diffeacuterente Celle des hommes serait moins hautes leur voix serait donc plus grave

De plus drsquoapregraves plusieurs eacutetudes une consommation eacuteleveacutee de tabac entraicircnerait une baisse assez forte de la freacutequence fondamentale moyenne Des chercheurs ont mesureacute la freacutequence fondamentale moyenne de deux groupes de locutrices anglophones ameacutericaines (15 fumeuses et 15 non-fumeuses acircgeacutees de 30 agrave 54 ans) lors de la lecture drsquoun texte et en discours spontaneacute Les reacutesultats font eacutetat drsquoune diffeacuterence de 19 Hz en moyenne entre femmes non-fumeuses et fumeuses en lecture et de 8 Hz en discours spontaneacute Dans une eacutetude similaire des chercheurs ont retrouveacute cette mecircme diminution pour des locuteurs de genre masculin Selon ces diffeacuterents auteurs ce pheacutenomegravene srsquoexplique par lrsquoeacutepaississement des plis vocaux chez les sujets fumeurs [36] Nous nrsquoavons malheureusement pas pu obtenir un assez grand nombre de participants fumeurs pour que les reacutesultats soient pertinents

__________________________________________________________ 29

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 30: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

CONCLUSION

Nous avons pu constater lors de notre analyse que nous observions bien un changement de voix en fonction de la langue parleacutee Notre objectif est donc rempli mecircme si on remarque que ce changement nrsquoest pas exactement le mecircme que celui deacutecrit dans les documents consulteacutes la premiegravere eacutetude de 2013 sur des sujets Queacutebeacutecois eacutevoque une voix geacuteneacuteralement plus aigueuml en franccedilais qursquoen anglais et nous obtenons lrsquoinverse

Drsquoautre part nous pouvons remarquer que le projet a rencontreacute quelques

limites Premiegraverement srsquoassurer que la piegravece ougrave lrsquoon effectuait les mesures eacutetait bien isoleacutee phoniquement fut assez subjectif De plus nous avons utiliseacute nos smartphones pour reacutealiser les enregistrements dont la qualiteacute nrsquoeacutegale pas celle des veacuteritables microphones La conversion des fichiers neacutecessaire au traitement des signaux a pu eacutegalement alteacuterer leur qualiteacute et les participants nrsquoont pas non plus forceacutement utiliseacute leur voix naturelle srsquoils se sentaient stresseacutes Enfin pour certaines langues le nombre de personnes interrogeacutees fut insuffisant pour qursquoon puisse prendre en compte les reacutesultats

De maniegravere plus globale ce projet nous a permis drsquoapprendre agrave nous organiser agrave 6 autour drsquoun mecircme objectif sur un semestre entier Ce fut lrsquooccasion de deacutevelopper la confiance entre les membres du groupe car chacun srsquooccupait drsquoune tacircche preacutecise de faccedilon autonome puis partageait son travail avec le reste du groupe Ce projet nous a appris agrave travailler dans un certain cadre ougrave nous devions eacutegalement nous organiser dans le temps pour respecter les deacutelais imposeacutes

Ce projet fut aussi lrsquooccasion de mobiliser nos connaissances drsquoautres EC plus theacuteoriques Nous avons ainsi repris nos cours drsquooptique ondulatoire pour comprendre au mieux les calculs drsquoamplitude et de freacutequence fondamentale De plus lrsquoEC de M8 (science des donneacutees) nous a permis drsquoanalyser et de repreacutesenter nos reacutesultats avec des outils adeacutequats

Pour finir nous tenons agrave remercier Mme Leila Khalij notre enseignante responsable pour ce projet pour sa bienveillance sa disponibiliteacute et ses conseils qui ont permis de mener ce projet agrave bien

__________________________________________________________ 30

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 31: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

BIBLIOGRAPHIE

LivreMeacutemoire [4-7 11 20] Meacutemoire Changement de Langue changement de voix Marilegravene C Rousseau de lrsquoUniversiteacute du Queacutebec consultable en ligne agrave lrsquoadresse httpsphonetiqueuqamcauploadfilesthesesRousseau_2013compressedpd f

Sites internet

[1] httpswwwlaroussefrdictionnairesfrancaisonde [2] httpswwwlaroussefrdictionnairesfrancaisfrC3A9quence [3] httpswwwlaroussefrdictionnairesfrancaisharmonique [8] httpdictionnairesensagentleparisienfrfiltre20passe-hautfr-fr [910] httppierroufreefrpraat4htm [1224] httpswwwinstitut-numeriqueorgchapitre-3-levaluation-subjective-et-objective-de-la-voix [13] httpstelarchives-ouvertesfrtel-00821462document [1415] httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm [16] httptpepouvoirmusiquee-monsitecompagespartie-1-l-acoustique-musicalea-de-petites-notes-qui-surfent-sur-les-ondeshtml [1718] httpw3cranuniv-lorrainefrpersohuguesgarnierEnseignementTdSTdS-Serie_Fourierpdf [19] httpswwwaudacityteamorg [2122] httpshalarchives-ouvertesfrhal-00862340document [23] httpswwwaudio-technicacomcmswired_mics467809f320a041a4indexhtml [2526] httpswwwyoutubecomwatchv=EDNhmBsOXcM [27] httpwwwstatsoftfrcataloguecatalogue-des-produitsphp [2829] httpswwwtopbestalternativescomstatsoft-statistica [3031] httpswwwlexilogoscomdeclarationarticlehtm [32] httpswwwunilimfrpages_persojeandebordmathfourierffthtm [33] httpmivu-strasbgfrmazetanimationsaliasinghtml [34] httpwwwaltracusticaorgdocsfr_analyse_sig_syspdf [35] httpwwwta-formationcomacrobat-coursspectrepdf httpshalarchives-ouvertesfrhal-00285554document

Images

httpessencestudiocombrencontrando-sua-voz-no-mundo page de couverture httpf5zvpagesperso-orangefrRADIORMRM23RM23BRM23B04htm 090519

httpswwwtopbestalternativescomstatsoft-statistica

httpwwwstatsoftfrcataloguecatalogue-des-produitsphp

__________________________________________________________ 31

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 32: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

ANNEXES

Scripts Matlab utiliseacutes pour lrsquoanalyse des sons

Programme principal

Lecture des fichiers

[yfs] = audioread(ludovic_auvray_francais_textemp3) eacutechantillonnage

du son avec y regroupant les donneacutees et fs la freacutequence drsquoeacutechantillonnage

calculeacutee automatiquement par le logiciel et qui vaut 44 100 Hz

Paramegravetres

fmin=0 on fixe la valeur minimale des freacutequences agrave consideacuterer fmax=fs2 la valeur maximale doit suivre la regravegle de Shannon Nfft=2^9 nombres de points pour le spectrogramme choisi pour que les

reacutesultats attendus se rapprochent de ceux sur Audacity

Lancement de lrsquoanalyse

frfr=lecture(yfsNfftfminfmax) appel de la fonction pour le

traitement du signal

Fonction appeleacutee pour lrsquoanalyse

function [fr]=lecture(yfsNfftfminfmax)

Visualisation du signal observe

data=y(1) on prend lrsquoentiegravereteacute du signal figure() affichage du signal observeacute plot(data)

title(Signal temporel enregistre)

xlabel(Temps)

Affichage du spectrogramme

figure()

f=linspace(fminfmaxNfft) on creacutee Nfft=2^9 points agrave consideacuterer w=hamming(Nfft) le traccedilage du spectrogramme utilise la meacutethode de

Hamming

[SFTP]=spectrogram(dataw0ffs) creacuteation du spectrogramme mesh(TFP) repreacutesentation 3D

__________________________________________________________ 32

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 33: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

axis tight

title(Spectrogramme)

xlabel(Temps)

ylabel(Frequence (Hz))

zlabel(Intensite (dB))

Extraction des pics de freacutequence

[qnd] = max(P)

fr = F(nd)

figure()

plot(Tfr)

title(Frequence propre en fonction du temps)

xlabel(Temps)

ylabel(Frequence)

Affichage du spectre

figure()

plot(frabs(S))

title(Spectre du signal)

xlabel(Frequence (Hz))

ylabel(Amplitude)

Obtention de f0

mx=max(max(abs(S))) on affiche lrsquoabscisse du pic maximal observeacute sur

le spectre preacuteceacutedemment traceacute

[kl]=find(abs(S)==mx)

f0=F(k)

__________________________________________________________ 33

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 34: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Annexe

seacuteance Date (ndeg de semaine) Cleacutement Lisa DianDian Deelayna Anna Lucas

1 7 fev (6) Recherche Bibliographie deacutecouverte du sujet mise en place du calendrier

2 28 fev (9) Recherche Bibliographie choix du plan seacuteparation des diffeacuterentes taches

3 7 mars (10)

Lecture de la 4egraveme partie du

meacutemoire et reacutesumeacute

Recherche dapplications pour le test et

mise en place de son protocole

Recherche sur des logiciels danalyses

Recherche sur diffeacuterentes thegravese

Lecture dela 1egravere partie du

meacutemoire et reacutesumeacute

Recherche sur diffeacuterentes

thegraveses Lecture de la 2egraveme partie

du meacutemoire et reacutesumeacute

Lecture de la 3egraveme partie du meacutemoire

et reacutesumeacute

4 14 mars (11)

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction introduction

Reacutecupeacuteration de donneacutees (4 personnes) Reacutedaction II

Reacutecupeacuteration de donneacutees (6 personnes)

Apprentissage des outils danalyse

(Audacity)

Reacutecupeacuteration de donneacutees (5 personnes)

synthegravese finale du meacutemoire

Reacutecupeacuteration de donneacutees (7 personnes) Reacutedaction I2

Reacutecupeacuteration de donneacutees (4 personnes)

Apprentissage des outils danalyse

(Audacity)

5 21 mars (12)

6 28 mars (13) Fin des reacutecupeacuteration de donneacuteesVacances

7 25 avril (17)Apprentissage des

outils Praat et Audacity

Reacutedaction du rapport et mise

en page

Apprentissage des outils Praat

Redaction du rapport et analyse

des fichiers audios

Analyse des fichiers audios

Apprentissage des outils Praat et

Audacity

8 2 mai (18)Analyse des

enregistrements avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Analyse des enregistrements

avec Praat

Reacutedaction rapport fin de la

partie 1 (deuxiegraveme eacutetude et comparaison)

Analyse des enregistrements

avec Praat

9 9 mai (19)Analyse

enregistrement avec Matlab

Mise en page reacutedaction rapport

Analyse enregistrement

avec Matlab

Analyse enregistrement

avec Matlab

Reacutedaction rapport calcul

freacutequence fondamentale

Analyse enregistrement

avec Matlab

10 16 mai (20)Annalyse des

enregistrements avec Praat

Analyse avec Praat deacutebut de

poster

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab correction du

rapport

Reacutecupeacuteration des freacutequence

fondamentale avec Praat

Analyse enregistrement

Praat

11 23 mai (21)Annalyse des

enregistrements avec Praat

Correction et eacutecriture du

rapport

Analyse enregistrement

avec Praat

Analyse enregistrement avec Matlab et

Praat

Analyse des reacutesulatste et eacutecriture du

rapport

Analyse enregsitrement

Praat deacutebut de la soutenance

12 30 mai (22) PAS COURS

13 6 juin (23) Mise en page du rapport + Reacutealisation du poster14 13 juin (24) Preacuteparation de loral

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 35: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Ann

exe

Fran

ccedilais

Ang

lais

Esp

agno

lC

hino

isP

ortu

gais

Alle

man

dG

rec

Rou

mai

nR

usse

Vie

tnam

ien

Ara

beIta

lien

Hon

groi

sTa

mou

lP

arol

e S

pont

aneacute

e

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure

ques

tion

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Par

ole

Spo

nta

neacutee

Lect

ure qu

esti

on

Lect

ure

text

e

Sel

ena

Sai

nt-P

rix21

822

919

419

719

719

2Lo

ic G

uille

met

e 21

523

525

424

526

823

4Ze

ina

Tafn

out

406

416

414

420

408

405

427

420

416

428

218

417

Arm

en N

ajar

ian

351

209

353

701

193

390

San

tiago

Gon

zale

z25

458

910

5264

182

418

125

3367

613

381

976

9Y

assi

r Kas

ry

255

344

819

Apo

stol

os67

101

9688

131

114

3063

2248

5827

Ana

stas

ia L

iapi

229

197

184

194

196

221

3222

1092

1169

Ale

xand

ru C

ostri

ta21

419

019

016

617

017

544

9224

9828

6636

9822

7211

56E

lora

Cha

ssar

d20

620

520

510

320

019

7Y

an T

ongl

in69

475

478

353

446

785

596

780

953

6Zh

en S

ipen

g48

969

841

187

513

5493

310

9876

612

18Zh

ou H

anya

n76

011

7591

911

4369

889

978

968

723

6W

ang

Hua

ijin

568

643

337

673

455

391

678

346

265

Tran

Thi

Min

h Ta

m87

676

095

375

480

973

367

849

032

4S

oos

Szi

lvia

1365

1784

1145

895

1187

615

786

978

1052

745

1108

843

Julia

na C

heva

iller

172

176

162

143

168

162

Lisa

19

121

140

656

622

419

8A

nna

200

220

208

185

189

189

Dee

layn

a41

648

922

523

123

823

124

325

323

4Lu

cas

799

576

684

668

668

581

Cle

men

t27

633

024

427

947

930

1D

iand

ian

702

650

726

595

760

508

810

754

879

Car

olin

e D

umai

s tu

rpin

184

179

197

220

223

192

194

219

192

200

Ludo

vic

Auv

ray

214

238

225

228

237

222

222

Hor

tens

e Fo

ntai

ne-L

arch

evecircq

ue24

319

518

618

723

922

2M

illou

9813

016

111

718

619

6Lo

os23

723

923

522

823

324

8M

adam

e B

arre

r96

653

274

899

893

210

60D

udu

211

216

214

Am

bre

Baf

fert

1306

804

791

1749

654

757

Hug

o S

imoe

s-M

aric

ato

435

439

244

496

247

211

Thile

epan

Um

apat

hipi

llai

160

162

179

163

171

179

194

172

180

217

181

178

Rym

Khe

lif22

023

121

121

122

320

722

222

120

922

930

021

7O

scar

Fra

pper

eau

328

481

302

265

479

487

Am

icie

Nad

aud

228

226

223

219

478

474

Eacutem

ilie

henr

ique

s 46

748

244

665

648

548

8

12129631254215714286

4286969697

4088648649

4536896552

4280384615

38114465454545

6985555556

4561538462

8684

6724

6268

496

247

2112973333333

18222575

2328666667

1177666667

2462

4492

2498

2866

3698

2272

1156

678

490

3243285

259

769

745

1108

843

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 36: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Protocole Enregistrement

I Preacuteconditions

Demander agrave la personne langue maternelle fumeur

Indications

lls doivent parler debout FAIRE DrsquoABORD LE TEST COMPLET DANS LA LANGUE MATERNELLE PUIS

FRANCcedilAIS PUIS AUTRE(S) LANGUE(S) Faire 3 fois chaque partie (sauf parole spontaneacutee) pour plus de preacutecisions dans les

reacutesultats

II Deacuteroulement du test 1er partie parole spontaneacutee ( reacutepondre agrave une question voir IIIb) 2e partie lecture question ( reacutepeacuteter la question agrave laquelle ils ont reacutepondu) 3e partie lecture texte (voir IIIa) 4e partie phrase (premiegravere phrase du texte preacuteceacutedemment lu)

III Test a Premier article de la deacuteclaration des droits de lrsquohomme httpswwwlexilogoscomdeclarationarticlehtm

franccedilais Tous les ecirctres humains naissent libres et eacutegaux en digniteacute et en droits Ils sont doueacutes de raison et de conscience et doivent agir les uns envers les autres dans un esprit de fraterniteacute

allemand Alle Menschen sind frei und gleich an Wuumlrde und Rechten geboren Sie sind mit Vernunft und Gewissen begabt und sollen einander im Geist der Bruumlderlichkeit begegnen

anglais All human beings are born free and equal in dignity and rights They are endowed with reason and conscience and should act towards one another in a spirit of brotherhood

chinois 人 人 生 而 自 由 在 尊 严 和 权 利 上 一 律 平 等 他 们 赋 有 理 性 和 良 心 并 应 以 兄 弟 关 系 的 精 神 相 对 待

arabe یولد جمیع الناس أحرارا متساوین في الكرامة والحقوق

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 37: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

وقد وهبوا عقلا وضمیرا وعلیهم أن یعامل بعضهم بعضا بروح الإخاء

russe Все люди рождаются свободными и равными в своем достоинстве и правах Они наделены разумом и совестью и должны поступать в отношении друг друга в духе братства

espagnol Todos los seres humanos nacen libres e iguales en dignidad y derechos y dotados como estaacuten de razoacuten y conciencia deben comportarse fraternalmente los unos con los otros

grec Όλοι οι άνθρωποι γεννιούνται ελεύθεροι και ίσοι στην αξιοπρέπεια και τα δικαιώματα Είναι προικισμένοι με λογική και συνείδηση και οφείλουν να συμπεριφέρονται μεταξύ τους με πνεύμα αδελφοσύνης

italien Tutti gli esseri umani nascono liberi ed eguali in dignitagrave e diritti Essi sono dotati di ragione e di coscienza e devono agire gli uni verso gli altri in spirito di fratellanza

portugais Todos os seres humanos nascem livres e iguais em dignidade e em direitos Dotados de razatildeo e de consciecircncia devem agir uns para com os outros em espiacuterito de fraternidade

Vietnamien Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Roumain Toate ființele umane se nasc libere și egale icircn demnitate și icircn drepturi Ele sunt icircnzestrate cu rațiune și conștiință și trebuie să se comporte unele față de altele icircn spiritul fraternității

Hongrois Minden emberi leacuteny szabadon szuumlletik eacutes egyenlő meacuteltoacutesaacutega eacutes joga van Az emberek eacutesszel eacutes lelkiismerettel biacutervaacuten egymaacutessal szemben testveacuteri szellemben kell hogy viseltessenek

b Questions agrave poser (Ils doivent dire plusieurs phrases au moment de reacutepondre pour de meilleures reacutesultats)

- Qursquoest-ce que tu as mangeacute hier soir - Qursquoest-ce que tu as fait ce week end - Racontes nous un film que tu as aimeacute

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 38: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Tuto MATLAB 1Ouvrir spectrogrammem et lecturem 2Dans spectrogrammem agrave la ligne 9 mettre le nom du fichier agrave analyser

(remplacer homedspitzstruloBureauP6AUVRAY

Ludovicauvray_ludovic_francais_texte1m4apar le chemin relatif du fichier)

3Exeacutecuter spectrogrammem (F5 ou cliquer sur Run)

4Sur la Figure 1 cliquer sur le deacutebut des pics bleus comme ici

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 39: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

4)Couper tous les bruits parasites les bruits drsquo inspiration de celui qui parle quitte agrave

enlever des petites parties de ldquobon sonrdquo et couper aussi le deacutebut et la fin

Pour savoir ougrave couper il faut eacutecouter le son (surtout pour les bruits parasites qui sont

en plein milieu et en mecircme temps que le locuteur parle on les reconnaicirct parce que ce

sont souvent des pics tregraves fins et en plein milieu drsquoun bloc large mais moins haut)

Pour couper il faut que lrsquoicocircne entoureacutee en noir soit seacutelectionneacutee (ccedila se fait direct

normalement) ensuite seacutelectionner la partie agrave enlever et faire Ctrl+X

On doit obtenir ccedila

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 40: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

4)Enregistrer FichiergtExportergtExporter en mp3

Cela servira pour Matlab aussi

5)Tracer le spectre en faisant Ctrl+A puis onglet AnalysegtTracer le spectre

Renseigner les paramegravetres entoureacutes en rouge et veacuterifier que lrsquoaxe est bien ldquoFreacutequence

lineacuteairerdquo

Utiliser le zoom pour bien se placer par rapport au plus haut pic et faire glisser la souris

sur la partie la plus fine et haute de ce pic Cela correspond agrave F0 dont on lit la valeur en

face de ldquoPicrdquo

Noter la valeur et passer agrave lrsquoenregistrement suivant (on ne peut pas enregistrer lrsquoimage

du spectre ni la valeur du pic il faut reporter agrave la main)

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 41: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

Tuto Audacity 1) Choisir les bons audios agrave convertir

Par ex on a les fichiers

Loic_francais_texte1m4a

Loic_francais_texte2m4a

Loic_francais_texte3m4a

On convertit seulement celui ougrave on entend le moins de bruit (ccedila serait plus simple pour

la suite)

2)Convertir les fichiers en STEREO par ex sur httpwwwthe-converternetfraudio

3)Ouvrir le fichier sur Audacity 2 signaux (harrsteacutereacuteo) doivent apparaicirctre

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax

Page 42: CHANGEMENT DE LANGUE, CHANGEMENT DE VOIX

5Reporter la valeur de X (ici 2033e4) agrave la ligne 12 pour lrsquoajouter agrave la variable deb (on

veut analyser agrave partir du deacutebut du son donc quand les pics commencent-penser agrave

commencer quand les pics sont relativement grands)

Dans lrsquoexemple on remplace le 1e4 par 3033e4

6Relancer le programme Vous devez obtenir la valeur de f0 (penser agrave noter) dans la

console et 3 figures

7Cliquer sur la figure spectre du signal

Cliquer sur ToolsgtData Cursor puis sur les points des lignes tout agrave droite Le X

correspondant est la valeur de fmax (agrave noter) On obtient ainsi la plage de freacutequence qui

va de f0 agrave fmax