Axel Roebel

Biographie

Axel Roebel est directeur de recherche à l’IRCAM et responsable de l'équipe Analyse/Synthèse (AS). Il est diplômé de l'Université de Hanovre en génie électrique (1990) et obtient son doctorat en informatique à l'Université technique de Berlin en 1993. En 1994, il rejoint le Centre national de recherche allemand pour les technologies de l'information (GMD-First) à Berlin où il poursuit ses recherches sur l'utilisation de reseaux de neurone artificiel pour la modélisation adaptative de signaux généré par des systèmes dynamiques non linéaires. En 1996, il devient professeur adjoint pour le traitement numérique du signal au département des Sciences de la communication de l'Université Technique de Berlin. En 2000, il obtient une bourse de recherche au CCRMA (Université de Standford) où il débute une enquête sur la modélisation sinusoïdale adaptative.

En 2000, il rejoint l'équipe Analyse/Synthèse de l'IRCAM, obtient son habilitation de l'Université de la Sorbonne en 2011 et devient directeur de recherche en 2013. Il développe des algorithmes de pointe pour l'analyse et de transformation de la parole et de la musique. Il est l'auteur de nombreuses bibliothèques pour l'analyse, la synthèse et la transformation de signaux qui sont issue de ses recherches. Un exemple est SuperVP, un logiciel d'analyse et de transformation de signaux de musique et de parole qui a été intégré dans de nombreux outils audio professionnels. Ses recherches en cours se concentrent sur le développement de techniques d'apprentissage profond pour le traitement de la musique et de la voix. Cela inclut notamment le vocodeur neuronal, l'exploration de la représentation et de la manipulation du signal dans des espaces latents, ainsi que l'étude des stratégies de démêlage (disentanglement) dans ces espaces latents.

Sujets de recherche

Traitement de la voix
  • analyse de la voix (F0, sementation voisée non-voisée, impulsion glottique) ;
  • synthese du chant ;
  • transformation de la vox - (vocodeur de phase preservant la forme d'onde, modèle source et filtre etendu (PaN), vocodeur neuronal) ;
  • séparation de la voix chanté ;
  • traitement de la voix par des méthodes d'apprentissage profond ;
  • vocodeur neuronal.
Musique
  • transformation de haute qualité par moyen de vocodeur de phase,
  • modèles sinusoidaux des signaux utilisant des algorithmes specialisé pour l'analyse et la representation de signaux non-stationaire,
  • modèles structurés et descripteurs des signaux  (fundamental frequency, spectral envelope, ...)
  • decomposition des signaux
  • estimation de la fréquence fondamentale dans des signaux polyphonique

Activité de development

  • Multi-band Excited WaveNet Neual Vocoder (MBExWN)
  • ISiS: logiciel pour la synthèse du chant.
  • as_pysrc: module python pour le traitement du signal,
  • Traitement du signal avec des réseaux profonds en Tensorflow
  • SuperVP: un logiciel de vocodeur à phase étendue permettant des transformations de haute qualité des signaux musicaux et vocaux, et mettant en œuvre de nouvelles techniques d'estimation et de transformation de l'enveloppe spectrale.  SuperVP est une bibliothèque multi-plateforme disponible sous la forme d'une application en ligne de commande (SuperVP), qui est utilisée dans AudioSculpt et OpenMusic, ainsi que sous la forme d'un module de transformation de signaux en temps réel, qui est utilisé dans Max/MSP et SuperVP-TRaX.
  • VoiceForger: transfromation de la voix avec controle de haute niveau basé sur  SuperVP.
  • Pm2: bibliothèsque pour l'analyse et la synthèse des signaux utilisant des modèles  sinusoidaux avancées
  • MatMTL :  a matlab compatible c++ template library
  • LibFFT : bibliothèque pour le calcule de la transformation de Fourier permettant d'homogeniser l'utilisatio de differente bibliotheque existant sur differents plateformes

Courriel : Axel.Roebel (at) ircam.fr


Curriculum Vitae

University Degrees

2013 : HDR (Habilitation) Computer Science, University of Pierre and Mairie Curie, Paris VI,France.
1990-1993 : Dr.-Ing. Computer Science, Technical University of Berlin, Germany
1983-1990

Dipl.-Ing. Electrical Engineering, University of Hanover, Germany

WORK

01.2017-  : Research director, IRCAM
01.2011-  :  Team Leader, Analysis Synthesis Team, IRCAM
01.2008-12.2011  : Adjoint Team Leader, Analysis Synthesis team IRCAM
10.2000-12.2007  : Researcher and Developer, Analysis-Synthesis Team IRCAM
04.2006-07.2006  : Edgar Varese Guest Professor, Electronic Studio, Technical University of Berlin
04.2000-09.2000  : Invited researcher, Center for Computer Research in Music and Acoustics (CCRMA), Stanford University, USA
01.1996-09.2000  :  Assistant Professor, Communication Science, Technical University of Berlin
08.1994-12.1995  : PostDoc, GMD FIRST, Berlin.

Projects

2023-2026 : ANR project EVA, Explicit Voice Attributes
2023-2025 : Project DeTOX, Lutte contre les vidéos hyper-truquées de personnalités françaises
2023-2026 : ANR project BRUEL, ElaBoRation d’Une méthodologie d’EvaLuation des
systèmes d’identification par la voix
2023-2027 : ANR project ExoVoices, Virtual Story Telling for Kids: Expressive and Cognitive Aspects of Voice Synthesis
2020-2024 : H2020 project AI4Media, Deep learning for media production
2020-2024 : ANR project ARS, Analysis and tRansformation of Singing style
2017-2022 : H2020/ERC project IRiMaS, Interactive Research in Music as Sound. Conseil and collaboration on signal processing methods for music analysis.
2018-2021 : ANR Project TheVoice, Voice creation for media content production. Supervision of PhD thesis on deep learning-based voice conversion.
2014-2017 : ANR Project Chanter, Real-time controlled digital singing. Coordination of WP2 on text to chant synthesis
2012-2015 : ANR Project Physis, Physically informed and semantically controllable interactive sound synthesis. Coordination of WP3 on low level sound representation
2011-2015 : FP7-ICT-2011 Project 3DTVS, 3DTV Content Search. Coordination of WP4 3D Audio & Multi Modal Content Analysis and Description.
2010-2013 : ANR Project Sample Orchestrator II Hybrid Sound Processing and Interactive Arrangement for New Generation Samplers. Coordination of WP2 Structured Instrument Models and Signal Transformations
2000-2000 : DFG Project Ref RO2277/1-1 : Adaptive additive synthesis of non-stationary sounds. Research scholarship at CCRMA

PhD Students

Directed or Co-directed

2023- Simon Rouard, Control and Adaptation of Deep Learning Models of Music Generation
2023- Mathilde Abrassart, Voice Identity Conversion with DNN
2023- Théodor Lemerle, Expressive Speech Synthesis
2021- Lenny Renault, Deep learning-based generation of high-quality music from symbolic music representation.
2019-2023 Frederic Bous, Voice Synthesis and Transformation with DNN
2019-2023 Yann Teytaut, Speech and Singing Alignment and Style analysis with DNN
2019- Antoine Lavault, Drum synthesis with DNN
2019-é023 Clement Le Moine Veillon, Expressive speech transformation with DNN
2016-2019 Hugo Caracalla, Sound texture synthesis from summary statistics, Sorbonne University, 2019
2016-2019 Céline Jacques, Machine learning methods for drum transcription (in French), Sorbonne University, 2019
2014-2017 Luc Ardaillon, Synthesis and expressive transformation of singing voice, UPMC, 2017
2012-2015 Wei-Hsiang Liao, Modelling and transformation of sound textures and environmental sounds, UPMC, 2015. co directed with X. Rodet (IRCAM) and A.Su (NCKU Taiwan)
2011-2015 Stefan Huber, High quality voice conversion by modelling and transformation of extended voice characteristics, UPMC 2015, co-directed with Xavier Rodet
2012-2015 Henrik Hahn, Expressive sampling synthesis: Learning extended Source-Filter models from Instrument sound databases for expressive sample manipulations, UPMC 2015, co directed wih X. Rodet

Supervised

2009-2012 Marco Liuni, Automatic adaptation of sound analysis and synthesis, UPMC, 2012, PhD directors X. Rodet and M.Romito 
2006-2010 Fernando Villavicencio, High quality voice conversion, UPMC 2010, PhD director X. Rodet
2007-2010 Gilles Degottex, Glottal source and vocal-tract separation, UPMC 2010, PhD director X. Rodet
2003-2008 Chunghsin Yeh, Multiple fundamental frequenc estiation of polypohnic recordings, UPMC 2008, PhD director X. Rodet.

PhD/HDR Jury

2022 Ajinkya Kulkarni (PhD), Expressivity transfer in deep learning based text-to-speech synthesis
2022 Merlijn Blaauw (PhD), Modeling Timbre for Neural Singing Synthesis
2022 Grégoire Locqueville (PhD), Voks: A vocal instrument Family Based on Syllabic Sequencing o Vocal Samples.
2022 Javier Nistal (PhD), Exploring Generative Adversarial Networks for Controllable Musical Audio Synthesis (Examiner)
2020 Muhammad Huzaifah (PhD), Directed Audio Texture Synthesis With Deep Learning (Reporter and examiner)
2020 Alexandre Defossez (PhD), Optimization of fast deep learning models for audio analysis and synthesis. (Reporter and examiner)
2019 Alexey Ozerov (HDR), Contributions in audio modeling for solving inverse problems: Source separation, compression, and inpainting, (Reporter and examiner)
2019 Alice Cohen-Hadria (PhD), Estimation de Descriptions musicales et sonore par apprentissage profond, (Examiner)
2019 Clément Laroche (PhD), Apprentissage de dictionnaire et décomposition orthogonal pour la séparation de sources harmoniques/percussives, PhD, (Examiner)
2017 Benjamin Cohen-Lhyver (PhD), Modulation de mouvements de tête pour l'analyse multimodale d'un envirnonnement inconnu, PhD, (Examiner)
2013 Ricard Marxer (PhD), Audio source separation for music in low-latency and high-latency scenarios, (Reporter and examiner)
2013 Saso Musevic (PhD), Non-stationary sinusoidal analysis, (Reporter and examiner)
2013 Alexis Moinet, (PhD) Slowdio: Audio time-scaling for slow motion sports videos, PhD, (Examiner)


Publications

Articles et Thèses

Rapports et Preprints

En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour nous permettre de mesurer l'audience, et pour vous permettre de partager du contenu via les boutons de partage de réseaux sociaux. En savoir plus.