Développements récents d'outils de spatialisation sonore du GRIS : ControlGRIS et SpatGRIS
Bibliographic record
Abstract
Cet article présente les développements récents relatifs aux outils de spatialisation du son, conçus par le Groupe de Recherche en Immersion Spatiale (GRIS) – ControlGRIS et SpatGRIS – ainsi que les projets de développement à venir. On y expose le contexte et les motivations qui ont présidé à la création d'un couple plugiciel/logiciel ainsi que les plus récents ajouts qui leur ont été apportés. Nous présentons un nouvel algorithme maison, le MBAP (Matrix Based Amplitude Panning) sur lequel le mode CUBE est construit et qui permet de concevoir pratiquement toutes les formes de dispositifs de haut-parleur imaginables. Nous y faisons la présentation d'une proposition de format standard d'échange d'œuvres en format multipiste qui permettra une meilleure diffusion des musiques entre les individus et les organismes. Depuis 2009, avec un financement prévu au moins jusqu'en 2025, ce projet de recherche-création poursuit l’objectif d’offrir une solution libre de droits, gratuite, simple et efficace pour une spatialisation multidirectionnelle du son, intégrée tout au long du processus de composition, tant pour la création musicale, que pour les arts et les installations sonores, ou encore le cinéma indépendant.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".