**

**OFFRE DE STAGE **TRAITEMENT AUTOMATIQUE DES LANGUES**
(6 mois, niveau Master)

***

Durée du stage : 6 mois (début : février 2025)

Date limite de candidature : 25 janvier 2025

Gratification : montant légal en vigueur (environ 600¤ / mois).

Laboratoire d'accueil : Équipe PASTIS du LIASD (EA 4383), Université
Paris 8, 2 rue de la liberté, 93 526 Saint-Denis

Document au format PDF :
https://alicemillour.github.io/assets/stage_LIASD2025.pdf

      *Sujet de Stage : Développement d'un système de
      Speech-to-Text(STT) pour la langue bretonne*

**

Contexte

Ce sujet de stage s'inscrit dans le contexte de la langue bretonne : en
danger de disparition selon les critères de l'UNESCO, ses locuteurs et
locutrices disposent de peu d'outils logiciels adaptés à leurs
pratiques (Jouitteau 2023, Jouitteau & Bideault 2023). Le développement
d'un système de reconnaissance vocale automatique(Automatic Speech
Recognition, ASR, ou Speech-to-text, STT) adapté au contexte
linguistique du bretonconstitue notamment un besoin urgent. Les
locuteur.ices, créateur.ices de contenu en ligne et journalistes
demandent explicitement à pouvoir utiliser les mêmes facilités de
dictée, sous-titrage et transcription automatiques qu'ils et elles
utilisent déjà en français et en anglais.


Objectifs du stage :

L'objectif du stage est de développer et d'évaluer un prototype de
système speech-to-textcapable de convertir la parole en breton en texte
écrit. Ce système pourra être utilisé pour des applications telles que
la transcription de discours, la création de sous-titres automatiques,
ou la reconnaissance vocale dans des interfaces utilisateurs en breton.

Le ou la stagiaire étudiera les ressources et systèmes existants
(Inventaire des ressources numériques pour le breton
https://entrelangues.modyco.fr/index.php/Breton#Ressources_num%C3%A9riques,
dont Duval-Guennoc 2022 & Vangberg & Farhat 2023). Après un état de
l'art des méthodes récentes de transcription automatique en contexte
peu doté, l'étudiant.e exploitera les jeux de données existants, tels
que Common Voice (Ardila et al., 2019) afin d'entraîner et d'évaluer un
modèle adapté.

Ce stage s'adresse aux étudiant.es de Master 2 d'informatique ou de
traitement automatique des langues.


*Candidature*

Les candidatures sont à adresser à :

-   Alice Millour, LIASD, Université Paris 8 Vincennes Saint-Denis,
    am@up8.edu

-   Loïc Grobol, MoDyCo, Université Paris Nanterre,
    lgrobol@parisnanterre.fr

Le ou la stagiaire sera accueilli.e dans les locaux de l'Université
Paris 8 au sein du laboratoire LIASD. Ce travail fait l'objet d'une
collaboration avec l'Université Paris Nanterre, le laboratoire CNRS
IKER et l'université de Bangor (UK), inclura la participation à un
workshop collectif prévu en mars 2025 à Brest.


*Références*

-   Ardila, Rosana, Megan Branson, Kelly Davis, Michael Henretty,
    Michael Kohler, Josh Meyer, Reuben Morais, Lindsay Saunders,
    Francis M. Tyers and Gregor Weber. 2019"Common Voice: A
    Massively-Multilingual Speech Corpus." ArXivabs/1912.06670.

-   Duval-Guennoc Gweltaz. 2022-présent. Anaouder, a VOSK model for the
    Breton language.

-   Jouitteau Mélanie. 2023.Community Internally-driven Corpus
    Buildings. Three Examples from the Breton Ecosystem. Proc. of the
    2nd Annual Meeting of the ELRA/ISCA SIG on Under-resourced
    Languages (SIGUL 2023), 103-107, doi: 10.21437/SIGUL.2023-22.

-   Jouitteau Mélanie et Bideault Reun. 2023. Outils numériques et
    traitement automatique du breton, Annie Rialland, Michela Russo
    (dir.), Langues régionales de France: nouvelles approches,
    nouvelles méthodologies, revitalisation, Éditions de la Société de
    Linguistique de Paris, 37-74.

-   Vangberg, Preben & Leena Farhat. 2023. 'Speech-to-text for Breton',
    présentation à la Celtic Student Conference, 30 Mars 2023, Glasgow,
    United Kingdom.