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
__________________________________________________________ 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
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
__________________________________________________________ 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
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
__________________________________________________________ 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
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
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
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
__________________________________________________________ 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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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