L’Évolution des Techniques d’Extraction de Features pour le Keyword Spotting

La qualité des systèmes de reconnaissance vocale repose en grande partie sur l’extraction de features, une étape essentielle qui transforme un RAW de signal audio en une représentation numérique adaptée au traitement du signal. Pendant des décennies, les MFCC (Mel-Frequency Cepstral Coefficients) ont été l’outil de prédilection pour cette tâche. Cependant, l’essor des réseaux de neurones a ouvert la voie à de nouvelles méthodes. Cet article explore cette transition, en analysant les raisons de ce changement et ses implications