Ce que révèle la parole : mémoire et humeur dans l'audio clinique
Un souvenir raconté, une séance de thérapie, un parent qui joue avec son enfant : chacun porte des pauses, une prosodie et des choix de mots qui disent quelque chose de la mémoire et de l'humeur, et aucun clinicien ne peut les coter à grande échelle. Quelle part de ce signal peut-on capter dans l'audio clinique en français, comparer dans le temps et partager sans exposer la personne qui parle ? L'équipe en construira les briques : qui parle quand, marqueurs de la voix et du langage, et une anonymisation qui protège l'identité tout en gardant le signal. Modèles de fondation de la parole, modèles de langage et traitement embarqué travaillent sur des corpus ouverts, et les deux jours se terminent par un plan pour les amener jusqu'à la clinique. Encore grande ouverte : la question de marqueurs qui résistent à un appel téléphonique.
Ressources
- Sensitive data handling
- Brain signals and imaging
- Wearables and phone sensing
- Common Voice FR — French read speech (Mozilla, open) ↗
- Multilingual LibriSpeech French — audiobook speech (OpenSLR 94, CC BY 4.0) ↗
- VoxPopuli — French parliamentary speech (Meta, CC0) ↗
- VoxConverse — who-spoke-when benchmark (CC BY 4.0, research) ↗
- AMI Meeting Corpus — multi-speaker, overlapping speech ↗
- CaFE — Canadian French emotional speech (CC BY-NC-SA 4.0) ↗
- RAVDESS — emotional speech and song (CC BY-NC-SA 4.0) ↗
- CHILDES French — child–parent speech (TalkBank, ground rules apply) ↗
- DementiaBank — speech in dementia (TalkBank, membership required) ↗
- EATD-Corpus — depression speech, Mandarin ↗
- DAIC-WOZ — depression interviews, English (EULA required) ↗
- Speech models
- Language-model endpoints
- Video / vision models
- Lab equipment
- Data platform and governance
- faster-whisper — fast Whisper transcription (MIT) ↗
- WhisperX — word timings and diarisation on Whisper (BSD-2) ↗
- NVIDIA Canary-1B-v2 — multilingual ASR incl. French (CC BY 4.0) ↗
- NVIDIA Parakeet-TDT-0.6B-v3 — multilingual ASR (CC BY 4.0) ↗
- pyannote.audio — who spoke when (MIT; accept model terms on Hugging Face) ↗
- openSMILE — acoustic features (audEERING research licence, non-commercial) ↗
- VoicePrivacy Challenge 2024 — voice anonymisation baselines ↗
- SA-toolkit — speaker anonymisation in Python (Apache-2.0) ↗
- Presidio — text de-identification (MIT) ↗
- Vosk — on-device speech recognition incl. French ↗
- CamemBERT — French language model ↗
