Nous présentons un système de structuration automatique d'enregistrements audiovisuels s'appuyant sur des informations non lexicales caractéristiques des rôles des intervenants et de leurs interactions. Dans une première étape, nous proposons une méthode de détection et de caractérisation de séquences temporelles, nommée " zones d'interaction ", susceptibles de correspondre à des conversations. La seconde étape de notre système réalise une reconnaissance du rôle des intervenants : présentateur, journaliste et autre. Notre contribution au domaine de la reconnaissance automatique du rôle se distingue en reposant sur l'hypothèse selon laquelle les rôles des intervenants sont accessibles à travers des paramètres " bas-niveau " inscrits d'une part dans l'organisation temporelle des tours de parole des intervenants, dans les environnements acoustiques dans lesquels ils apparaissent, ainsi que dans plusieurs paramètres prosodiques (intonation et débit). Dans une dernière étape, nous combinons l'information du rôle des intervenants à la connaissance des séquences d'interaction afin de produire deux niveaux de description du contenu des documents. Le premier niveau de description segmente les enregistrements en zones de 4 types : informations, entretiens, transition et intermède. Un second niveau de description classe les zones d'interaction orales en 4 catégories : débat, interview, chronique et relais. Chaque étape du système est validée par une grand nombre d'expériences menées sur le corpus du projet EPAC et celui de la campagne d'évaluation ESTER.

Notre recherche est une contribution à l’étude des indices acoustiques secondaires des tons lexicaux en mandarin, comparant les données recueillies en parole modale avec celles obtenues en parole chuchotée. Selon la littérature, ces indices devraient se présenter en tant qu’un ensemble d’attributs dans les dimensions acoustiques du spectre, outre que dans la fréquence fondamentale. Nous avons analysé des attributs temporels, des attributs au niveau de l’intensité, des attributs spectraux, ainsi que leur corrélation avec les tons. Les résultats montrent que certains paramètres temporels et la quatrième résonance du spectre sont étroitement liés au ton. Leurs rapports dépendent de la caractéristique intrinsèque de la voyelle qui porte le ton (équivalente de la rime dans notre recherche). / Our research is a contribution to studies on secondary acoustic cues in Mandarin tone identification, by comparing acoustic data collected in modal speech and in whispered speech. According to the literature on the same issue, theses cues could be found in acoustic dimensions other than in the fundamental frequency, as a set of attributes. We have analyzed these attributes in the temporal domain, at the intensity level and in the spectrum, as well as their relations with tones. Our results show that some temporal parameters and the fourth resonance in the spectrum are very closely related to tones. These relations are dependent on the intrinsic characteristics of the vowel that carries the tone (which is equivalent to the rime in our research).