Ce projet développe un modèle avancé de renforcement vocal basé sur un autoencodeur variationnel récurrent. Il vise à améliorer la clarté de la parole dans des environnements bruyants, comme les communications téléphoniques ou les enregistrements audio. Le code permet également de générer des jeux de données audio spécifiques pour l'entraînement et l'évaluation des algorithmes de traitement du signal. Les applications potentielles incluent les assistants vocaux, les systèmes de reconnaissance automatique de la parole et les outils de post-production audio.

Ce projet permet d'évaluer automatiquement l'intelligibilité de la parole à partir d'enregistrements audio. Il utilise des embeddings de locuteurs (X-Vectors ou ECAPA_TDNN) pour entraîner un réseau de neurones peu profond. L'outil prédit des scores liés à la sévérité des troubles de la parole, la qualité vocale, la résonance, la prosodie et les distorsions phonémiques, facilitant ainsi le diagnostic ou l'amélioration des systèmes de reconnaissance vocale.