Tél. 01 75 31 96 60
Curriculum vitæ (pdf)Résumé (pdf)
Site web personnelPersonal Web Site
Équipe de recherche :Research Team:
Signal, Statistique et Apprentissage (S2A)Signal, Statistics and Learning (S2A)
Laboratoire :Laboratory:
Laboratoire Traitement et Communication de l'Information (LTCI)Information Processing and Communication Laboratory (LTCI)
Département :Department:
Image, Données, Signal (IDS)Image, Data, Signal (IDS)
Gaël Richard est professeur à Télécom Paris, Institut polytechnique de Paris et co-directeur scientifique du centre Hi! PARIS. Ses travaux de recherche sont au cœur du numérique et dédiés à l’analyse, la transformation, la compréhension ou l’interprétation des signaux sonores (parole, musique, sons environnementaux…) et dans une moindre mesure des signaux multimédia. Il a notamment développé plusieurs méthodes pour la séparation des signaux musicaux et audio reposant sur des principes de factorisations de matrices non-négatives et d’apprentissage automatique (machine learning).
Gaël Richard a reçu en 2020 le Grand Prix IMT-Académie des Sciences — lire son interview sur I’mTech
Il a aussi reçu en 2022 une bourse ERC « advanced » de l’union européenne sur l’IA pour les sons avec le projet HI-Audio —- Plusieurs postes sont actuellement ouverts (suivre le lien)
Plus d’informations (Preprints, Publications, CV,….) sur le site web personnel ou sur le profil Google scholar
Recherche
Mes principaux axes de recherche sont dans le domaine de l’apprentissage machine et du traitement des signaux audio (parole, musique, sons environnementaux…) et incluent en particulier les thèmes suivants:
-
- Modèles et représentations du signal: Méthodes en sous-espaces, représentations parcimonieuses, décomposition en éléments simples, Factorisation en matrices non-négatives, séparation de sources …
- Applications aux séries temporelles (signaux sonores, courbes de charge éléctriques, …);
- Apprentissage machine, apprentissage profond pour les signaux audio/musique; machine listening, Music Information Retrieval (MIR), Indexation Audio/music, segmentation, reconnaissance automatique d’émotions
- Modèles pour l’estimation de fréquences fondamentales multiples, estimation du rythme, reconnaissance des instruments musicaux
- Codage audio et audio 3D
- Analyse multimodale des signaux audio et parole, synthèse sonore
Enseignement
Les principaux cours incluent:
Présentations invitées / Séminaires
une courte sélection….:
-
- Keynote talk at the ICASSP 2024 Workshop on Explainable AI for Speech and Audio, « Explainable and interpretable deep audio processing based on hybrid deep learning« , April 15th, 2024, Seoul, Korea.
- Keynote talk at Winter School on Generative AI 2024, « Audio and cross-modal Generative AI, »Feb 27th-28th, 2024, EMINES conference Center, Morocco
- Keynote talk at SANE 2023, « Deep Hybrid Learning and Its Application to Unsupervised Singing Voice Separation, » Oct. 2023, New York, US
- Keynote talk at Dafx’2022: « Hybrid deep learning for audio« , Sept. 2022, Vienna, Austria.
-
- Talk at award ceremony National academy of sciences « Analysis, transformation and recognition of audio signals« , November 2020, Paris, France.
- Invited talk « Machine listening: AI for sounds and music« , Colloquium Colloque IMT – L’intelligence artificielle au coeur des mutations industrielles (slides in English), April 2019, Paris, France.
- Keynote talk at DCASE’2016, « Acoustic scene and events recognition:
how similar is it to speech recognition and music genre/instrument recognition ?, Sept. 2016, Budapest, Hungary.
- Keynote talk at IWAENC’2014, « Melody Extraction from Polyphonic Music Signals« , Sept. 2014, Nice, France
- Invited talk at AES 53rd Conference on Semantic Audio : »Informed Audio Source Separation« , Jan. 2014, London, UK
- Keynote talk at WIAMIS’2012, « Audio and Multimedia Music Signals Indexing, May 2012, Dublin, Ireland
Manvi Agarwal 2nd place in the 3-Minute Thesis® Competition
Doctorat — 06/06/2024She took part alongside five other doctoral students from Université Paris Saclay, Télécom Paris, and Université [...]Review: one year of research 2022
Enseignants-chercheurs, Innovation — 13/06/2023The document depicts the great variety of scientific fields, research projects and applications generated by this abundant [...]Rétrospective : un an de recherche
Enseignants-chercheurs, Innovation — 13/06/2023L'ouvrage présente la grande diversité des domaines scientifiques du numérique, les travaux des 18 équipes de recherche et [...]IA interprétable pour l'audio (Usine Nouvelle)
Data science & IA, Enseignants-chercheurs — 06/07/2022Professeur à Télécom Paris, Gaël Richard a décroché une bourse Advanced Grant de l'ERC pour son [...]Audio et apprentissage machine : le projet de Gaël Richard récompensé
Data science & IA, Enseignants-chercheurs — 16/05/2022Chercheur en traitement de l’information à Télécom Paris, Gaël Richard a [...]AI for sound: an ERC grant for prof. Gaël Richard
Data science & IA, Enseignants-chercheurs — 26/04/2022Professor Gaël Richard, executive director of Hi! Paris and Professor at Télécom Paris, an IMT [...]Gaël Richard, IMT-Académie des Sciences Grand Prix
Enseignants-chercheurs — 26/01/2021Voice synthesis, sound separation, automatic recognition of instruments or voices… His contributions to the academic [...]Gaël Richard, Grand Prix IMT-Académie des Sciences
Enseignants-chercheurs — 24/11/2020Synthèse vocale, séparation des sons, reconnaissance automatique des instruments ou des voix… Ses apports au milieu [...]Maîtriser la consommation électrique des bâtiments
Doctorat, Innovation — 24/09/2020Simon Henriet vient de soutenir sa thèse de doctorat à Télécom Paris, intitulée «La désagrégation de [...]Hi! Paris : Télécom Paris en pointe dans le centre de recherche en IA HEC/IP Paris
Data science & IA — 18/09/2020La science des données et l'IA sont un domaine de prédilection de Télécom Paris. C'est [...]