Petit détail sur la forme : C'est un TIPE, pas un projet de recherche abouti . Tu peux te donner cet exemple d'objectif pour poser les enjeux du projet... Mais tu ne seras pas en mesure de le réaliser vraiment dans le cadre du TIPE. Au mieux tu pourras faire une expérience sur un périmètre restreint et dans des conditions qui te seront favorables.

Sinon, le sujet est absolument génial en soi, et permet de très nombreuses pistes de recherche... et d'usages novateurs assez passionnants .

Une première réaction globale :
Il va falloir effectivement trouver une représentation des sons qui soit exploitable (fréquences, mais pas que... évolutions dans le temps...).
Il y a un gros travail à faire en amont pour établir un modèle de son qui réduise la quantité de données, et qui mette en évidence les propriétés caractéristiques du son qui permettront ensuite de discriminer la nature des sons.

Ensuite il te faut un procédé d'apprentissage.
Pour cela, l'approche classique consiste :
- à mettre en place une base de sons,
- à lui appliquer la représentation que tu penses la plus appropriées (celle ci évoluera avec le temps et la connaissance qui découlera de tes travaux ou des références que tu trouveras dans la communauté scientifique),
- à "instruire" cette base en rentrant toi-même les informations que tu détiens sur ces sons (et que tu voudras reconnaître par la suite),
- à élaborer un modèle d'apprentissage, par régression, réseau de neurones, arbre de décision, ou tout procédé statistique ou de "machine learning" susceptible d'apprendre,
- à tester, valider, comparer ces différentes méthodes et algorithmes  d'apprentissage selon leur efficacité.

La richesse de cette base d'apprentissage, et l'adéquation de la représentation sonore choisie seront les meilleurs atouts pour réussir un projet de cette ambition. Le choix des méthodes d'apprentissage demande du travail et des connaissances sur le sujet... mais ce n'est probablement pas le point critique.

A terme, pour enrichir la base  d'apprentissage, et pour être dans l'air du temps... imaginer un site "contributif" dans lequel les visiteurs pourraient à la fois jouer à reconnaître des sons, mais aussi enrichir la base de son par des sons nouveaux... serait le moyen le plus économique et le plus efficace d'étendre les capacités fonctionnelles du projet.

Le moteur de recherche est un sujet à part.

Il faut d'abord trouver un dispositif capable de reconnaître la nature du son.
Une fois trouvé le dispositif, il faudra (ultérieurement) l'implémenter dans un moteur de recherche, qui soulève des questions techniques complètement différentes. Je ne crois pas que l'on puisse traiter deux sujets aussi distincts dans un TIPE. Et vous avez dix minutes pour présenter votre travail... Il vous suffit de dire en introduction que le moteur est le but (pour des raisons d'enjeux évidents : les ressources sont sous employées par manque d'information sur leur contenu sonore). Puis de dire en conclusion que le procédé de reconnaissance que vous avez étudié fait progresser la connaissance pour se rapprocher du but final.

Eventuellement, vous pouvez expliquer brièvement et de façon conceptuelle, comment le moteur procèderait : scan des pages, repérage de sons, analyse, reconnaissance, utilisation dans les critères de recherche (éventuellement plus globaux : propriété du son + mots clés de recherche textuelle classique). Pour des raisons d'optimisation, l'analyse pourrait être réalisée en grande partie par avance (et une fois pour toute) pour chaque ressource Internet, de sorte que les éléments identifiant le son soient disponibles au moment de la recherche... Mais tout ça ce sont des "fioritures" par rapport au vrai sujet scientifique que vous avez posé.

Hyper ambitieux ! Et très centré sur la reconnaissance vocale...

Je suggère d'élargir à la reconnaissance d'une caractéristique plus facile à identifier. Par exemple peut on reconnaître un son de trompette parmi plein de sons quelconques (quoique ça fait le même sujet si l'un de vous à une voix de trompette )...

Pour faire ça, il faudra plus s'attacher au spectre, qu'à sa dynamique (variation des fréquences dans le temps, qui constitue une signature forte pour des morceaux musicaux notamment). Encore qu'à la réflexion, il est possible que des fluctuations légères de fréquences puissent constituer une signature d'empreinte sonore : le son est un domaine tellement vaste...

Vous devrez sûrement voir comment on peut modéliser le timbre notamment. C'est compliqué. C'est en rapport avec la "forme" du spectre. Il y a beaucoup d'exploration ou de lectures d'articles à faire... Simplifiez-vous la vie en prenant quelque chose de simple à reconnaître pour commencer. Ou alors trouvez un expert méchamment bon !

Si un expert de la reconnaissance sonore est capable de vous dire aujourd'hui par exemple, il y a trois manières fondamentales de modéliser un son et les pistes les plus prometteuses pour la reconnaissances consistent à étudier telle ou telle représentation qui préserve le maximum d'informations sur le contenu sonore... alors ensuite vous pouvez vous ramener à un problème d'apprentissage (ou modélisation mathématique si tu préfères) appliqué à une base de sons correctement instruite.

Ne pas sous-estimer le sujet qui est énorme !
Et avancer à pas mesurés...

En effet, nous nous sommes mal exprimé. Le moteur de recherche en question représentera l'accomplissement théorique du projet. Cela prendrait un temps fou pour le réaliser alors que le gros de notre travail cible l'analyse des sons en eux mêmes. Il nous faudra bien sûr le mentionner dans notre compte rendu.
En réalité, nous voulions chacun répéter une même phrase puis caractériser le spectre de chacun pour qu'à la sortie si l'un de nous répétions cette même phrase en gardant la même voix approximativement, le dispositif puisse identifier l'un de nous. Cela ne reviendrait-il pas à l'étude du son d'une trompette (oui car malheureusement aucun de nous n'a la possibilité d'imiter la trompette ) dans un milieu sonore ? Si vous pensez que la trompette est plus facile à identifier, il serait certes plus judicieux de commencer par les choses les plus simples !

Que voulez vous dire par là ? Est ce que vous appelez la "forme" du spectre ?


Nous ne saisissons pas entièrement ces termes..

La difficulté c'est de trouver dans le son une "signature" qui permettent de distinguer une identité sonore (au sens large).

Il est certainement possible de reconnaître une voix parmi d'autres puisque le principe de l'identification vocale existe en criminalistique. Mais c'est très complexe à réaliser et je doute que vous ayez les moyens d'y parvenir dans le cadre d'un simple TIPE.

Cela dit, rien ne vous interdit de vous enregistrer (plusieurs fois chacun) et d'observer si vos spectres respectifs ont des caractéristiques différenciables (et reproductibles). Je crains juste que ce ne soit assez complexe. Et c'est de toutes façons imprévisible a priori.

En fait je ne sais pas si une trompette est plus spécialement reconnaissable. Disons simplement que si vous élargissez votre champ d'étude, vous avez plus de chances de repérer une caractéristique différenciatrices. Et effectivement, dans votre recherche, il est de toutes façons plus judicieux de commencer par des choses plus simples, quitte à élever la difficulté ensuite si vous en avez le temps et la possibilité.

Un son bouge. Le spectre est un concept instantané : c'est la distribution des fréquences à l'instant t. Une séquence sonore qui n'est pas constante va donc voir cette distribution évoluer dans le temps.

Si tu veux reconnaître une chanson ou une musique, comme dans Shazam, tu vas surtout t'intéresser à l'évolution dans le temps des fréquences dominantes, qui correspondent aux notes de musique jouées. Si tu repères  MI MI FA SOL SOL FA MI RE DO DO RE MI MI RE RE  ... tu reconnaitras directement la 9ème de Beethoven. Et même si l'air est joué transposé (en partant d'une autre note) ce n'est pas un problème : les rapports de fréquences seront identifiables également. Donc dans ce type de reconnaissance, tu t'intéresses clairement à la dynamique du spectre, c'est à dire à ses variations dans le temps.

Mais si tu t'intéresses plutôt au "timbre" d'un son, il semble raisonnable de considérer un son "stable", c'est à dire avec un spectre qui reste à peu près constant dans le temps. Et dans ce cas c'est la "forme" de la distribution des fréquences qui servira de base à ton travail d'identification.

Par exemple, un "bruit" au sens théorique, correspond à une distribution uniforme des fréquences. C'est une "soupe sonore" où aucune fréquence particulière n'est discernable.

Tandis qu'un son pur (sinusoïde parfaite), par exemple un LA de diapason, correspond à un pic sur la fréquence 440 Hz.

Et une note d'instrument aura un spectre avec des fréquences dominantes qui formeront des pics qui correspondront aux fréquences les plus audibles. Ces fréquences dominantes (celles avec une puissance maximale) seront généralement dans des rapports harmoniques (multiples et sous multiples de fréquences correspondant à la note jouée et à ses harmoniques).

Ce n'est ni grave ni important.
C'est juste une piste de réflexion parmi d'autres possibles autour de ton sujet.

L'apprentissage consiste à constituer une base de sons, dont on connait la caractéristique à identifier (en instruisant la base).
Ensuite on cherche un algorithme ou formule mathématique qui exploite les données du spectre pour calculer un score. Si ce score est faible : l'identification n'est pas faite. Si le score est fort, le son est identifié. Tout cela est guidé par une démarche et des outils statistiques (régression, analyse discriminante, etc...).

Dans votre cas, vous pouvez évoquer cette démarche "générale", mais pour votre expérience vous vous limiterez à un algorithme simple qui vous convient pour reconnaître la particularité que vous voulez identifier.

Exemple, si pour une note jouée par une trompette, les trois fréquences dominantes sont dans un rapport donné, et que les niveaux sonores correspondants à ces fréquences sont aussi dans un certain rapport qui est typique, alors le score sera simple à construire : il mesurera si les fréquences dominantes et les niveaux associés respectent ces rapports.