Stage - développement de métriques pour l'évaluation subjective de méthodes de séparation de sources F/H
Orange - CESSON-SÉVIGNÉ,FRANCE
Posted Nov 19, 2026
Benefits
- Parental leave
- Not verified
- Non-birth-parent leave
- Not verified
- Family-building benefits
-
- Fertility benefits: Not verified
- Adoption assistance: Not verified
- Surrogacy assistance: Not verified
- Mental health support
- Not verified
- Relocation assistance
- Not verified
- Childcare support
- Not verified
- Learning budget
- Not verified
- Verification
- Not verified
- Salary
- Not verified
Was this benefit information wrong? Tell us.
Role
- Seniority
- Mid From the posting source
Schedule
- Shift type
- Not verified
- Weekend work
- Not verified
Application
- Cover letter
- Not verified
- Assessment
- Not verified
- Deadline
- Not stated
Where they hire
State eligibility is not yet verified.
About this role
Stage - développement de métriques pour l'évaluation subjective de méthodes de séparation de sources F/H CESSON-SÉVIGNÉ,FRANCE Publication date : Oct 21, 2026, 8:37AM Contract duration : 6 months Les technologies immersives telles que la réalité augmentée, les casques audio spatialisés ou les systèmes de téléconférence multi-antennes dépendent de plus en plus sur la captation de scènes sonores complexes. Ces scènes sonores sont souvent assujetties au bruit, à la réverbération des salles, aux interférences, et autres perturbations. Ainsi, de nombreuses applications s'intéressent à l'isolation sélective de la parole d'un locuteur d'intérêt. Plus précisément, nous nous intéressons au problème de "Target Speaker Extraction", qui a pour but d'extraire la parole d'un locuteur spécifique étant donné des indices ou conditions (identité du locuteur, position du locuteur, etc.). Ces dernières années, l'intelligence artificielle et les réseaux de neurones ont permis d'atteindre des niveaux avancés de traitement de scènes sonores complexes. Dans leur phase d'entraînement, les approches neuronales se basent des données en masse, ainsi que des fonctions de pertes permettant de guider le réseau vers l'objectif à atteindre. Il est primordial que ces fonctions de pertes soit corrélées avec la tâche à atteindre. Dans le domaine de l'audio, c'est généralement l'oreille humaine au travers de tests d'écoute qui fait office de juge de paix en termes de qualité: un métrique comme PESQ par exemple [1], utilisée pour quantifier pour la qualité de transmission, s'appuie la reproduction de résultats de tests subjectifs. Cependant, dans le domaine de la séparation de sources, il n'existe pas de
Read the full description at orange.jobs. FewerJobs shows a preview and links to the original posting.
Apply link verified; last checked Nov 20, 2026.
What verified means
Verified means a displayed claim has field-level provenance to a source FewerJobs pulled: a government or employer source, or the original job posting. Posting-sourced facts are employer-stated and are labeled separately from government records.
Related jobs
Stage - Approches adaptatives de perception collaborative sous contraintes réseau sans fil réalistes F/H
Orange - CHÂTILLON,FRANCE
STAGE – Evaluation d’outils d’Intelligence Artificielle pour la modernisation de code applicatif – F/H
STMicroelectronics - Crolles, France
STAGE – Ingénieur de Recherche Évaluation de la robustesse et contre-mesures pour un système de reconnaissance du locuteur biométrique multimodal Audio-Vidéo (H/F) – 6 mois
Thales - Palaiseau, Essonne, France
Stage - Développeur FullStack & IA appliquée au test F/H/N
OVH - ROUBAIX, FR, 59100