Le projet vise à améliorer la qualité de la parole captée en environnement réel, notamment pour les applications comme la téléphonie ou les assistants vocaux, en traitant les perturbations sonores telles que le bruit, la réverbération et l’écho. Il s’appuie sur des techniques de séparation de sources audio multicanales, rendues possibles grâce à des dispositifs comportant plusieurs microphones. Le projet exploite l’intelligence artificielle générative, afin de dépasser les limites des approches neuronales classiques. Le projet met également l’accent sur l’apprentissage semi-supervisé, en utilisant des données réelles partiellement annotées. Il intègre le format ambisonique pour représenter les scènes sonores en 3D et enrichir l’analyse spatiale du son.