EP4726717A1

EP4726717A1 - Procédé et dispositif de codage et de décodage audio

Info

Publication number: EP4726717A1
Application number: EP25208330.8A
Authority: EP
Inventors: Martin DE CLOSETS; Cong Bang HUYNH; Baptiste MORISSE; Rodolphe LAMPE
Original assignee: Thales SA
Current assignee: Thales SA
Priority date: 2024-10-14
Filing date: 2025-10-13
Publication date: 2026-04-15
Also published as: FR3167473A1

Abstract

Ce dispositif comporte un codeur audio (4) audio entraîné par apprentissage machine pour fournir en sortie, pour un signal audio d'entrée (S_E), un signal compressé formé de symboles représentés sur un nombre N de couches de quantification successives et un décodeur audio (6) configuré pour reconstruire un signal audio reconstruit (S_R) à partir d'un signal compressé formé de symboles, comportant un module de réduction de débit (14), mettant en œuvre un modèle de réduction de débit préalablement entraîné par apprentissage machine sur une base de données de signaux audio compressés, pour prédire à partir des N1 premières couches de quantification, un nombre N2 de couches de quantification suivantes, dites couches de raffinement, le modèle de réduction de débit étant un réseau de neurones récurrent et un module (16) de formation d'un signal compressé enrichi, fourni ensuite à un module de décodage (18) pour obtenir le signal audio reconstruit.

Description

La présente invention concerne un procédé et un dispositif de codage et de décodage audio, ainsi qu'un programme d'ordinateur associé.
L'invention se situe dans le domaine du codage et décodage audio, pour la réalisation de dispositifs de codage et décodage audio, également appelés codecs audio.
Plus particulièrement, l'invention se situe dans le domaine des codecs audio à bas ou très débit, embarquables sur des plateformes ayant des ressources calculatoires et énergétiques limitées.
De nombreuses applications pratiques nécessitent une communication audio, par exemple de commandes ou d'informations prononcées par un opérateur à destination d'un opérateur distant, en temps réel et de qualité suffisante pour la compréhension.
De manière connue, il est nécessaire de compresser les signaux audio, en particulier les signaux de parole, pour permettre leur transmission sur un réseau de communication à débit contraint. Des dispositifs de codage et décodage audio ont été mis au point à cet effet. De tels dispositifs sont utilisés dans de nombreux systèmes de communication, par exemple des systèmes de communication radio ou des systèmes de visioconférence.
Une problématique à résoudre est d'obtenir la restitution la plus fidèle possible du signal audio avant compression, avec le débit de transmission le plus bas possible, ou en d'autres termes, le meilleur taux de compression possible.
A cet effet, de nombreux systèmes de codage et décodage audio ont été mis au point. Récemment, des systèmes à base d'intelligence artificielle ont été proposés.
En plus des contraintes de débit et de qualité de restitution, il est également important de considérer la limitation de la consommation des ressources calculatoires et énergétiques d'un dispositif de codage et décodage audio, afin de permettre de l'embarquer sur des plateformes à ressources calculatoires et/ou énergétiques réduites.
Le but de l'invention est alors de remédier à ce problème, en proposant un procédé et dispositif de codage et décodage audio qui allie un fort taux de compression, une bonne qualité de reconstruction et une faible consommation de ressources.
A cet effet, l'invention a pour objet un procédé de codage et décodage audio, mis en œuvre dans un dispositif de codage et décodage audio comportant un codeur audio mettant en œuvre un modèle de compression et de quantification entraîné par apprentissage machine pour fournir en sortie, pour un signal audio d'entrée, un signal compressé formé de symboles représentés sur un nombre N de couches de quantification successives, les N1 premières couches de quantification desdites N couches de quantification correspondant à un premier débit de compression, et un décodeur audio configuré pour reconstruire un signal audio reconstruit à partir d'un signal compressé formé de symboles. Ce procédé comporte les étapes suivantes mises en œuvre par un processeur de calcul:

application d'un modèle de réduction de débit, préalablement entraîné par apprentissage machine sur une base de données de signaux audio compressés, pour prédire à partir des N1 premières couches de quantification, un nombre N2 de couches de quantification suivantes, dites couches de raffinement, le modèle de réduction de débit étant un réseau de neurones récurrent, ledit modèle de réduction de débit étant mis en œuvre sur un signal compressé reçu,
formation d'un signal compressé enrichi par ajout desdites couches de raffinement, le signal compressé enrichi étant fourni à un module de décodage audio pour obtenir le signal audio reconstruit.

Avantageusement, l'utilisation d'un modèle de réduction de débit permet de prédire, au décodage, les couches de raffinement pour obtenir un signal compressé enrichi et par conséquent un signal audio reconstruit de meilleure qualité. En d'autres termes, à partir d'un signal compressé à bas débit, grâce à l'utilisation du modèle de réduction de débit, un signal compressé enrichi correspondant à une compression à haut débit est obtenu. De plus avantageusement l'utilisation d'un réseau de neurones récurrent permet une mise en œuvre avec une consommation faible de ressources calculatoires et énergétiques, ce qui est particulièrement utile pour l'utilisation d'un tel procédé dans des systèmes de communication embarqués.
Le procédé de codage et décodage audio selon l'invention peut également présenter une ou plusieurs des caractéristiques ci-dessous, prises indépendamment ou selon toutes les combinaisons techniquement envisageables.
L'application d'un modèle de réduction de débit comporte une application d'une transformation de chaque symbole du signal compressé reçu en un vecteur de dimension prédéterminée, lesdits vecteurs formant une suite temporelle de vecteurs qui sont fournis en entrée dudit réseau de neurones récurrent.
Le réseau de neurones récurrent est formé d'une succession de couches de récurrence, chaque couche de récurrence comportant une pluralité de blocs de récurrence.
Le nombre de couches de récurrence est inférieur ou égal à 10.
Une dimension interne et une dimension de sortie dudit réseau de neurones récurrent sont réduites par application d'un paramètre de division.
Le paramètre de division a une valeur choisie, de préférence comprise entre 5 et 30.
Selon un autre aspect, l'invention concerne un dispositif de codage et de décodage audio comportant un codeur audio mettant en œuvre un modèle de compression et de quantification entraîné par apprentissage machine pour fournir en sortie, pour un signal audio d'entrée, un signal compressé formé de symboles représentés sur un nombre N de couches de quantification successives, les N1 premières couches de quantification desdites N couches de quantification correspondant à un premier débit de compression, et un décodeur audio configuré pour reconstruire un signal audio reconstruit à partir d'un signal compressé formé de symboles, comportant un processeur de calcul configuré pour mettre en œuvre :

un module de réduction de débit, mettant en œuvre un modèle de réduction de débit préalablement entraîné par apprentissage machine sur une base de données de signaux audio compressés, pour prédire à partir des N1 premières couches de quantification, un nombre N2 de couches de quantification suivantes, dites couches de raffinement, le modèle de réduction de débit étant un réseau de neurones récurrent, ledit modèle de réduction de débit étant mis en œuvre sur signal compressé reçu,
un module de formation d'un signal compressé enrichi par ajout desdites couches de raffinement, le signal compressé enrichi étant fourni à un module de décodage pour obtenir le signal audio reconstruit.

Selon un autre aspect, l'invention concerne un support d'enregistrement d'informations, sur lequel sont mémorisées des instructions logicielles pour l'exécution d'un procédé de codage et décodage audio tel que brièvement décrit ci-dessus, lorsque ces instructions sont exécutées par un dispositif électronique programmable.
Selon un aspect particulier, le module de réduction de débit est configuré pour appliquer une transformation de chaque symbole du signal compressé reçu en un vecteur de dimension prédéterminée, lesdits vecteurs formant une suite temporelle de vecteurs qui sont fournis en entrée dudit réseau de neurones récurrent.
Selon un aspect particulier, le réseau de neurones récurrent est formé d'une succession de couches de récurrence, chaque couche de récurrence comportant une pluralité de blocs de récurrence, le nombre de couches de récurrence étant inférieur ou égal à 10.
Selon un autre aspect, l'invention concerne un programme d'ordinateur comportant des instructions logicielles qui, lorsqu'elles sont mises en œuvre par un dispositif électronique programmable, mettent en œuvre un procédé de codage et décodage audio tel que brièvement décrit ci-dessus.
L'invention apparaîtra plus clairement à la lecture de la description qui va suivre, donnée uniquement à titre d'exemple non limitatif, et faite en référence aux dessins dans lesquels :

la figure 1 est une représentation schématique d'un système de codage/décodage audio selon un mode de réalisation;
la figure 2 est un synoptique des principaux blocs fonctionnels d'un module de réduction de débit selon un mode de réalisation ;
la figure 3 est un logigramme d'un procédé de codage/décodage audio selon un mode de réalisation;
la figure 4 est un schéma fonctionnel des d'un dispositif de codage/décodage audio selon un mode de réalisation.

L'invention s'applique dans le cadre de codage/décodage des signaux audio avec compression bas et très bas débit, et trouve en particulier des applications dans les dispositifs de communication audio embarqués sur tout type de plateforme, par exemple des dispositifs de communication portables.
La compression audio bas débit désigne une compression entre 1 et 5 kbps (kilo bits par seconde). La compression audio très bas débit correspond un débit inférieur à 1kbps.
Les signaux audio traités sont typiquement des signaux de parole, prononcés par un opérateur.
En référence à la figure 1, un système 2 de codage et décodage audio comporte un codeur et émetteur 4, appelé codeur 4 par la suite, et un récepteur et décodeur 6, appelé décodeur 6 par la suite.
Un signal audio S_E est fourni en entrée d'un bloc de compression 8 du codeur 4, qui met en œuvre un modèle de compression entraîné par apprentissage machine, sur une base de données de signaux audio. Par exemple, le modèle de compression est un réseau de neurones.
De manière connue, un réseau de neurones comporte une succession ordonnée de couches de neurones dont chacune prend ses entrées sur les sorties de la couche précédente.
Plus précisément, chaque couche comprend des neurones prenant leurs entrées sur les sorties des neurones de la couche précédente, ou bien sur les variables d'entrée pour la première couche.
En variante, des structures de réseaux de neurones plus complexes peuvent être envisagées avec une couche qui peut être reliée à une couche plus lointaine que la couche immédiatement précédente.
À chaque neurone est également associée une opération, c'est-à-dire un type de traitement, à effectuer par ledit neurone au sein de la couche de traitement correspondante.
Chaque couche est reliée aux autres couches par une pluralité de synapses. Un poids synaptique est associé à chaque synapse, et chaque synapse forme une liaison entre deux neurones. C'est souvent un nombre réel, qui prend des valeurs positives comme négatives. Dans certains cas, le poids synaptique est un nombre complexe.
Chaque neurone est propre à effectuer une somme pondérée des valeur(s) reçue(s) de la part des neurones de la couche précédente, chaque valeur étant alors multipliée par le poids synaptique respectif de chaque synapse, ou liaison, entre ledit neurone et les neurones de la couche précédente, puis à appliquer une fonction d'activation, typiquement une fonction non-linéaire, à ladite somme pondérée, et à délivrer en sortie dudit neurone, en particulier aux neurones de la couche suivante qui lui sont connectés, la valeur résultant de l'application de la fonction d'activation. La fonction d'activation permet d'introduire une non-linéarité dans le traitement effectué par chaque neurone. La fonction sigmoïde, la fonction tangente hyperbolique, la fonction de Heaviside sont des exemples de fonction d'activation.
En complément facultatif, chaque neurone est également apte à appliquer, en outre, un facteur multiplicatif, et un biais additif, à la sortie de la fonction d'activation, et la valeur délivrée en sortie dudit neurone est alors le produit de la valeur facteur multiplicatif et de la valeur issue de la fonction d'activation, additionnée du biais.
Un réseau de neurones à convolution est aussi parfois dénommé réseau de neurones convolutif ou par le sigle CNN qui renvoie à la dénomination anglaise de « Convolutional Neural Networks ».
Dans un réseau de neurones à convolution, chaque neurone d'une même couche présente exactement le même schéma de connexion que ses neurones voisins, mais à différentes positions d'entrée. Le motif de connexion est appelé noyau de convolution ou, plus souvent, « kernel » en référence à la dénomination anglaise correspondante.
Une couche de neurones entièrement connectée est une couche dans laquelle les neurones de ladite couche sont chacun connectés à tous les neurones de la couche précédente.
Un tel type de couche est plus souvent dénommé selon le terme anglais de « fully connected », et parfois désigné sous la dénomination « couche dense ».
Les valeurs des poids, facteurs multiplicateurs et biais le cas échéant sont apprises lors d'une phase d'apprentissage machine pour réaliser la tâche de classification ou de prédiction.
En sortie du bloc de compression 8 est appliqué un bloc de quantification 10.
Par exemple, le bloc de quantification 10 est mis en œuvre en apprenant un dictionnaire représentant l'espace des signaux audio compressés. Le bloc de quantification associe alors à un vecteur d'entrée l'indice du mot du dictionnaire le plus proche de ce vecteur. Cette méthode de quantification est appelée « quantification vectorielle »
En sortie du bloc de quantification 10 est obtenu, pour le signal audio S_E d'entrée, un signal compressé et quantifié Sc correspondant, comprenant une série de symboles (ou « tokens » en anglais) s-c1,...,s-ct, chaque symbole ayant une valeur quantifiée sur un nombre N donné de niveaux de quantification ou niveaux de profondeur, représentés sur un axe de profondeur.
A titre d'exemple non limitatif, dans la figure 1, N=8.
En notant M le nombre de valeurs possibles par niveau de quantification, le nombre de valeurs possibles des symboles est alors égale à M^N.
Selon la dimension de profondeur, les symboles formant le signal compressé sont représentés en N couches de quantification successives, chaque couche correspondant à un niveau de quantification, partant d'un premier niveau de quantification (ou de profondeur) 1, correspondant à la quantification la plus grossière, jusqu'au niveau de quantification (ou de profondeur) N correspondant à la quantification la plus fine.
Ainsi, les N1 premières couches de quantification, par exemple N1=3, correspondent à un premier débit de compression, qui est un bas débit, alors que les N couches de quantification correspondent à un deuxième débit de compression qui est plus haut que le premier débit de compression.
En d'autres termes, le premier débit de compression correspond à un premier taux de compression et le deuxième débit de compression correspond à un deuxième taux de compression, le premier taux de compression étant plus élevé que le deuxième taux de compression.
En vue de faciliter la transmission sur un réseau de communication 5, de préférence le premier taux de compression est appliqué.
Une portion S_C1 du signal compressé, correspondant aux N1 premières couches de quantification, par exemple N1 compris entre N/4 et 3*N/4, est transmise via le réseau de communication 5 vers le récepteur et décodeur 6. La portion S_c1 est un signal compressé correspondant à une compression de premier débit de compression, de bas ou très bas débit, du signal audio S_E.
Le décodeur 6 comporte un module 14 de réduction de débit, qui met en œuvre un modèle de réduction de débit 15, préalablement entraîné sur une base de données de signaux audio compressés, les signaux audio compressés de cette base de données pouvant être différents des signaux audio compressés correspondants au signaux audio de la base de données utilisée pour l'entraînement du codeur, le modèle de réduction de débit étant entraîné par apprentissage machine pour prédire à partir des N1 premières couches de quantification, N2 couches de quantification suivantes, dites couches de raffinement, respectant la condition N1+N2 inférieur ou égal à N (i.e. N2 inférieur ou égal à N-N1).
Par exemple, N2=N-N1.
Dans l'exemple illustré dans la figure 1, N2=5.
Ainsi, avantageusement, le module 14 de réduction de débit permet de prédire les couches de raffinement 12 qui n'ont pas été transmises pour tous les symboles transmis, le débit correspondant à ces couches de raffinement étant alors économisé.
Le décodeur 6 comprend en outre un module 16 de recomposition, qui recompose un signal compressé enrichi, à N1+N2 couches de quantification, à partir du signal compressé reçu et des couches de raffinement prédites.
Le signal compressé enrichi est fourni en entrée d'un module de décodage 18 qui fournit un signal audio reconstruit S_R.
Avantageusement, le signal audio reconstruit S_R est de meilleure qualité qu'un signal audio reconstruit en fournissant en entrée du décodeur 6 uniquement la portion S_C1 du signal compressé correspondant aux N1 premières couches de quantification seulement.
Avantageusement, le module 14 de réduction de débit met en œuvre un réseau de neurones récurrent, par exemple un réseau de neurones LSTM (pour « Long Short Term Memory »).
La figure 2 illustre un mode de réalisation d'un module 14 de réduction de débit à base d'un réseau de neurones récurrent.
Le module de réduction de débit 14 reçoit en entrée une portion de signal compressé correspondant aux N1 premières couches de quantification, et comprenant T symboles successifs, chaque symbole étant codé sur N1 couches de quantification.
Le module 14 est configuré pour mettre en œuvre une transformation 30 de chaque symbole s-cj en un vecteur Xj de dimension prédéterminée Dim. Une telle transformation est connue sous le nom de « embedding » en anglais.
La dimension prédéterminée Dim est typiquement égale à 64, 128 ou 256, de préférence égale à 64 afin de limiter la taille des vecteurs et par conséquent, de limiter le nombre de calculs.
Une suite temporelle de vecteurs X₁,.. X_T représentés dans un espace discret de dimension Dim, également appelé espace latent, est obtenue.
Le module 14 de réduction de débit est configuré pour appliquer à l'étape 32 un modèle récurrent LSTM. Les vecteurs X₁....X_T sont alors fournis, dans un ordre temporel croissant, au réseau de neurones récurrent.
L'étape 32 d'application d'un modèle récurrent LSTM met en œuvre de blocs de récurrence 34₁ à 34_L sur L niveaux ou couches de récurrence. Chaque bloc de récurrence applique des opérations prédéfinies.
Pour une couche de récurrence donnée, chaque bloc de récurrence 34j prend en entrée des résultats de calculs correspondants appliqués à des éléments précédents temporellement. Pour une couche de récurrence suivante, on utilise en entrée les sorties de la couche de récurrence précédente.
Dans l'exemple, pour une couche de récurrence d'indice I, un bloc de récurrence prend en entrée des éléments $c_{t - 1}^{l}, h_{t - 1}^{l}$ qui sont des résultats du bloc de récurrence précédent temporelle (indice temporel t-1) de la même couche de récurrence et un élément $h_{t}^{l - 1}$ de sortie de la couche de récurrence précédente d'indice I-1.
Pour la première couche de récurrence, les éléments X₁... X_T sont fournis en entrée.
Avantageusement, le modèle de réseau de neurones récurrent utilisé est dimensionné pour avoir un nombre de paramètres restreint, et un nombre d'opérations à effectuer restreint, de manière à consommer moins de ressources mémoire et calculatoires.
De préférence, afin de limiter le nombre de ressources calculatoires utilisées, le nombre L de couches de récurrence est limité, par exemple L est inférieur ou égal à 10.
De préférence, la dimension interne (dimension des résultats intermédiaires, vecteurs C et H) et la dimension de sortie du réseau de neurones récurrent LSTM est réduite à M/div, où « div » est un paramètre de division à ajuster pour respecter des contraintes de complexité calculatoire.
Par exemple, le paramètre de division « div » a une valeur choisie de sorte à limiter le nombre de paramètres mis en œuvre dans le réseau de neurones récurrent à un nombre maximal prédéterminé.
Par exemple, le paramètre de division « div » a une valeur comprise entre 5 et 30
Le module de réduction de débit 14 est configuré pour appliquer ensuite une étape 36 de projection (communément appelée couche dense) pour transformer l'espace latent de sortie du réseau de neurones récurrent vers des prédictions de probabilités non normalisées des couches de raffinement correspondantes. Le nombre de prédictions est égal à (N₂xM)xT.
En sortie, le module de réduction de débit fournit les N2 couches de raffinement prédites (référence 12), à partir des probabilités obtenues à l'étape 36.
Avantageusement, le module de réduction de débit 14 décrit réalise une prédiction de toutes les couches de raffinement simultanément, ce qui permet d'améliorer la complexité temporelle.
Les principales étapes d'un procédé de codage et décodage audio dans un mode de réalisation sont décrites en référence à la figure 3.
Côté codeur, le procédé comporte, sur un signal audio S_E d'entrée, la mise en œuvre 40 d'un modèle 42 de compression et de quantification.
De préférence le modèle de compression et de quantification est un modèle entraîné par apprentissage machine sur une base de données de signaux audio, de préférence de signaux audio de bonne qualité (intelligible, sans bruit...).
Par exemple dans un mode de réalisation le modèle de compression et de quantification est formé d'un réseau de neurones et d'une couche de quantification vectorielle comme décrit ci-dessus.
Le procédé comporte ensuite une étape de transmission 44 d'un signal compressé formé des N1 premières couches de quantification, représentation grossière du signal audio d'entrée correspondant à un codage à bas ou très bas débit.
Côté décodeur, le signal compressé est reçu à l'étape de réception 46.
Ensuite, le modèle de réduction de débit préalablement entraîné est mis en œuvre à l'étape 48 sur le signal compressé reçu pour prédire N2 couches de quantification non transmises. Par exemple, un module de réduction de débit tel que décrit ci-dessus en référence à la figure 2 est mis en œuvre.
Le procédé comprend alors une étape 50 de formation d'un signal compressé enrichi, à N1+N2 couches de quantification.
Ce signal compressé enrichi est fourni en entrée d'un décodeur 52, qui permet de reconstruire un signal audio dit signal audio reconstruit, S_R, à partir d'un signal compressé par le modèle de compression et de quantification 42.
Dans un mode de réalisation, le procédé de codage et décodage audio est mis en œuvre par un dispositif de codage et décodage audio, également appelé codec audio.
La figure 4 illustre schématiquement un codec audio 60 configuré pour mettre en œuvre un procédé de codage et de décodage audio, selon un mode de réalisation.
Le codec audio 60 est un dispositif électronique programmable.
Le dispositif 60 comporte au moins un processeur de calcul 62, au moins une unité de mémoire électronique 64, une interface de communication 66 et optionnellement, une interface homme-machine 68, adaptées à communiquer via un bus de communication 65.
La mémoire électronique 64 est configurée pour mémoriser le modèle 42 de compression et de quantification, préalablement entraîné pour cette tâche, ainsi que le modèle de réduction de débit 15, préalablement entraîné pour cette tâche.
Le processeur de calcul 62 est configuré pour exécuter un module codeur 70, qui applique le modèle de compression et quantification sur un signal audio d'entrée, pour fournir un signal compressé, appliqué lors du codage d'un signal audio.
Le processeur de calcul 62 est également configuré pour exécuter les modules suivants, lors d'un décodage d'un signal audio :

un module 72 de réduction de débit, configuré pour appliquer le modèle de réduction de débit préalablement entraîné sur une base de données de signaux audio compressés, pour prédire à partir des N1 premières couches de quantification, un nombre N2 de couches de quantification suivantes,
un module 74 de formation d'un signal compressé enrichi,
un module de décodage 76, qui met en œuvre un décodage adapté pour reconstruire un signal audio à partir d'un signal compressé par le codeur audio 70.

Dans un mode de réalisation, les modules 70, 72, 74, 76 sont réalisés sous forme d'instructions logicielles formant un programme d'ordinateur, qui, lorsqu'il est exécuté par un dispositif électronique programmable, met en œuvre un procédé d'analyse automatique de désapprentissage d'au moins une classe par un modèle de classification de données selon l'invention.
En variante non représentée, les modules 70, 72, 74, 76 sont réalisés chacun sous forme de composants logiques programmables, tels que des FPGA (de l'anglais Field Programmable Gate Array), des microprocesseurs, des composants GPGPU (de l'anglais General-purpose processing on graphies processing), ou encore de circuits intégrés dédiés, tels que des ASIC (de l'anglais Application Specific Integrated Circuit).
Le programme d'ordinateur comportant des instructions logicielles est en outre apte à être enregistré sur un support d'enregistrement d'informations, non-transitoire et lisible par ordinateur. Ce support lisible par ordinateur est par exemple, un médium apte à mémoriser les instructions électroniques et à être couplé à un bus d'un système informatique. A titre d'exemple, ce support est un disque optique, un disque magnéto-optique, une mémoire ROM, une mémoire RAM, tout type de mémoire non-volatile (par exemple EPROM, EEPROM, FLASH, NVRAM), une carte magnétique ou une carte optique.
Avantageusement, le procédé décrit permet de réaliser un gain de débit en passant de 2400 bits/seconde à 600bits/seconde tout en conservant une qualité audio et une intelligibilité suffisante.
Avantageusement, le procédé de codage et décodage audio décrit peut être mis en en œuvre dans un codec a faible consommation énergétique, typiquement à moins de 50mW grâce à la mise en œuvre de modèles de réseau de neurones à nombre de paramètres restreint, typiquement inférieur à 2millions.

Claims

Procédé de codage et décodage audio, mis en œuvre dans un dispositif de codage et décodage audio comportant un codeur audio (4) mettant en œuvre un modèle de compression et de quantification entraîné par apprentissage machine pour fournir en sortie, pour un signal audio d'entrée, un signal compressé formé de symboles représentés sur un nombre N de couches de quantification successives, les N1 premières couches de quantification desdites N couches de quantification correspondant à un premier débit de compression, et un décodeur audio (6) configuré pour reconstruire un signal audio reconstruit à partir d'un signal compressé formé de symboles,
le procédé étant caractérisé en ce qu'il comporte les étapes suivantes mises en œuvre par un processeur de calcul:
- application (48) d'un modèle de réduction de débit (15), préalablement entraîné par apprentissage machine sur une base de données de signaux audio compressés, pour prédire à partir des N1 premières couches de quantification, un nombre N2 de couches de quantification suivantes, dites couches de raffinement, le modèle de réduction de débit (15) étant un réseau de neurones récurrent, ledit modèle de réduction de débit (15) étant mis en œuvre sur un signal compressé reçu (S_C1),

- formation (50) d'un signal compressé enrichi par ajout desdites couches de raffinement, le signal compressé enrichi étant fourni à un module de décodage audio pour obtenir le signal audio reconstruit.
Procédé selon la revendication 1, dans lequel l'application d'un modèle de réduction de débit (15) comporte une application d'une transformation (30) de chaque symbole du signal compressé reçu en un vecteur de dimension prédéterminée, lesdits vecteurs formant une suite temporelle de vecteurs qui sont fournis en entrée dudit réseau de neurones récurrent.
Procédé selon la revendication 1 ou 2, dans lequel ledit réseau de neurones récurrent est formé d'une succession de couches de récurrence, chaque couche de récurrence comportant une pluralité de blocs de récurrence.
Procédé selon la revendication 3, dans lequel le nombre de couches de récurrence est inférieur ou égal à 10.
Procédé selon l'une des revendications 3 ou 4, dans lequel une dimension interne et une dimension de sortie dudit réseau de neurones récurrent sont réduites par application d'un paramètre de division.
Procédé selon la revendication 4, dans lequel ledit paramètre de division a une valeur choisie, de préférence comprise entre 5 et 30.
Programme d'ordinateur comportant des instructions logicielles qui, lorsqu'elles sont exécutées par un dispositif de codage et de décodage audio, mettent en œuvre un procédé de codage et décodage audio conforme aux revendications 1 à 6.
Dispositif de codage et de décodage audio, comportant un codeur audio (4) mettant en œuvre un modèle de compression et de quantification entraîné par apprentissage machine pour fournir en sortie, pour un signal audio d'entrée, un signal compressé formé de symboles représentés sur un nombre N de couches de quantification successives, les N1 premières couches de quantification desdites N couches de quantification correspondant à un premier débit de compression, et un décodeur audio (6) configuré pour reconstruire un signal audio reconstruit à partir d'un signal compressé formé de symboles, caractérisé en ce qu'il comporte un processeur de calcul (62) configuré pour mettre en œuvre :
- un module de réduction de débit (72), mettant en œuvre un modèle de réduction de débit (15) préalablement entraîné par apprentissage machine sur une base de données de signaux audio compressés, pour prédire à partir des N1 premières couches de quantification, un nombre N2 de couches de quantification suivantes, dites couches de raffinement, le modèle de réduction de débit étant un réseau de neurones récurrent, ledit modèle de réduction de débit (15) étant mis en œuvre sur signal compressé reçu,

- un module (74) de formation d'un signal compressé enrichi par ajout desdites couches de raffinement, le signal compressé enrichi étant fourni à un module de décodage (76) pour obtenir le signal audio reconstruit.
Dispositif selon la revendication 8, dans lequel ledit module de réduction de débit (72) est configuré pour appliquer une transformation (30) de chaque symbole du signal compressé reçu en un vecteur de dimension prédéterminée, lesdits vecteurs formant une suite temporelle de vecteurs qui sont fournis en entrée dudit réseau de neurones récurrent.
Dispositif selon la revendication 8 ou 9, dans lequel ledit réseau de neurones récurrent est formé d'une succession de couches de récurrence, chaque couche de récurrence comportant une pluralité de blocs de récurrence, le nombre de couches de récurrence étant inférieur ou égal à 10.