Caractérisation multi-modale des anches de clarinette

Encadrant(e)s: Marie Tahon, Bruno Gazengel, Amélie Gaillard, Emmanuel Brasseur
Equipes d’accueil : Le stage se déroule au sein du Laboratoire d’Acoustique de l’Université du Mans (LAUM) pour la partie expérimentale et au LIUM pour la partie analyses.
Lieu : Le Mans
Contact : Marie.Tahon(at)univ-lemans.fr et Bruno.Gazengel(at)univ-lemans.fr
Candidature : Envoyer CV + lettre de motivation à Marie Tahon et Bruno Gazengel, avant le 15 décembre 2023

 

Description : Les anches simples sont réalisées pour la plupart en roseau, certaines étant réalisées en matériaux composites ou plastique. Les caractéristiques mécaniques du roseau font des anches des systèmes mécaniques dont les propriétés varient d’une anche à l’autre, pour une famille d’anches identiques. Ainsi, les musiciens trouvent au sein d’un même paquet des anches de qualités musicales extrêmement différentes. De fait, les indicateurs utilisés par les facteurs d’anche (type d’anche, force) sont insuffisants pour caractériser musicalement une anche.

L’objectif du projet autour des anches est de déterminer des éléments caractéristiques qui permettraient d’expliquer pourquoi un musicien perçoit une anche comme étant mauvaise ou bonne. Cette question a été étudiée déjà suivant plusieurs angles [1,2], en utilisant les caractéristiques mécaniques d’une anche, des descripteurs extraits des signaux audio enregistrés par des musiciens, ou encore les perceptions des musiciens. L’effet d’une asymétrie a également étudiée [3].

Objectif du stage : L’objectif du stage est de travailler en complément de la thèse d’Amélie Gaillard sur cette thématique suivant deux axes principaux :

1) Constitution d’une base de données constituée de caractéristiques mécaniques mesurées sur plusieurs anches (poubelle ou concert) à l’aide d’une bouche artificielle et de mesures de profils de raideurs statiques.

2) Enregistrements de plusieurs musiciens (une dizaine) sur plusieurs anches. Plusieurs captations peuvent être réalisées : l’enregistrement audio dans un environnement contrôlé lorsque le musicien joue avec une anche donnée, une capture vidéo du visage en situation de jeu.

3) A partir de ces données, il faudrait extraire des descripteurs pertinents : mécaniques (raideurs, pression, pression seuil, etc.), audio (descripteurs harmoniques, CGS, buzziness), HNR, …), video (facial units, écartement entre ces points caractéristiques, estimation de la déformation de la bouche)

4) Analyse des données en utilisant les approches statistiques proposées dans l’article (Petiot, 2017) comme ANOVA, analyse multi-variées, etc. Puis une autre approche à base de machine learning sera envisagée : prédiction de la qualité de l’anche conditionnée par les différentes caractéristiques relevées. On utilisera des algorithmes tels que les modèles de mélanges de Gaussiennes, les machines à vecteurs support (SVM), ou des réseaux de neurones.

 

Profil de la ou du candidat·e : Master en Acoustique, Traitement de l’Audio, Apprentissage Automatique le fait d’être musicien.ne est un plus.

 

Bibliographie

• [1] Bruno Gazengel, Jean-Pierre Dalmont, and Jean Francois Petiot. “Link between objective and subjective characterizations of Bb clarinet reeds.” Applied Acoustics 106 (2016): 155-166.
• [2] Jean-François Petiot, Pierric Kersaudy, Gary Scavone, Stephen Mcadams, Bruno Gazengel. Investigation of the Relationships Between Perceived Qualities and Sound Parameters of Saxophone Reeds. Acta Acustica united with Acustica, 2017, 103 (5), pp.812 – 829.
• [3] Amélie Gaillard, Vincent Koehl, Bruno Gazengel. Link between stiffness symmetry and perceived quality of clarinet cane reeds. Forum Acusticum 2023, the 10th European Congress on Acoustics, European Acoustics Association, Sep 2023, Turin, Italy.