Contribution à l’évaluation objective et subjective de la qualité vocale des consonnes arabes perçues sur réseaux téléphoniques

Abstract

Cette étude s’inscrit dans le contexte des télécommunications de nouvelle génération. Bien que les réseaux 4G/LTE soient largement déployés, de nombreux opérateurs utilisent encore, pour des raisons économiques, le service de Circuit-Switched Fallback (CSFB) pour rediriger les appels vers des réseaux de générations précédentes (2G/3G) à bande passante réduite. Les dégradations de qualité résultant de cette transmission téléphonique posent des défis importants dans des domaines où la clarté de la communication est essentielle, comme les services d’urgence, la reconnaissance vocale et les systèmes de sécurité basés sur l’authentification vocale. Dans ce contexte, cette étude propose deux méthodes pour évaluer la qualité vocale perçue des fricatives arabes après transmission téléphonique. Une méthode d’évaluation subjective, conçue pour servir de référence, a permis de valider les performances d'un modèle d’évaluation objective basé sur le Deep Learning (ViT). Ce modèle a démontré des performances supérieures à celles du modèle PESQ élaboré par l’Union Internationale des Télécommunications (UIT), offrant ainsi une alternative prometteuse pour l’évaluation précise de la qualité vocale.