Audio

Corrélation, Fourier, spectrogrammes

Dans ce chapitre, vous apprendrez à

• Représenter un son comme un signal
• Passer du temps aux fréquences (Fourier, spectrogrammes)
• Faire reconnaître des sons à une machine

Outils : NumPy, SciPy (signal)

4 exercices

Chaque exercice est corrigé automatiquement, dans le navigateur. Les énoncés complets sont accessibles avec un compte.

1. À quoi ça sert dans la vraie vie

   Un son n'est qu'une courbe qui monte et descend des centaines de fois par seconde, et pourtant on y reconnaît une voix, une note ou une chanson. - Shazam. Quelques secondes captées dans un café bruyant suffisent…

2. Ingrédients du son

   Votre Shazam progresse. Maintenant, vous devez analyser un signal audio mystère signal qui est un mélange de plusieurs notes (fréquences pures). Le signal a été échantillonné à sr = 1000 Hz pendant 1 seconde (1000…

3. Empreinte sonore

   Votre Shazam doit maintenant identifier des morceaux dans une base de données. Le problème : un morceau dure plusieurs secondes, et les fréquences changent dans le temps (la mélodie !). Une seule analyse…

4. Machine qui écoute

   Vous avez décortiqué le son à la main (corrélation, Fourier, spectrogrammes). Voici ce que ça permet de construire : Whisper (OpenAI), un modèle de reconnaissance vocale qui transcrit la parole en texte. Ouvrez le…