De Siri aux arnaques, les clones vocaux de l'IA surpassent désormais la parole humaine dans les environnements bruyants.

infohightech ·

Les clones vocaux, capables de recréer la parole humaine à partir de quelques secondes d'enregistrement, sont plus intelligibles dans les environnements bruyants, selon une étude. Crédit : AIP

Les voix de synthèse sont de plus en plus présentes dans notre quotidien, des assistants numériques comme Siri et Alexa aux systèmes de télémarketing automatisés et aux répondeurs automatiques. Avec l'essor de l'intelligence artificielle générative, un nouveau type de voix de synthèse a vu le jour : les clones vocaux, capables de recréer une imitation parfaite de la voix d'une personne à partir de quelques secondes d'enregistrement.

Une étude révèle que les clones sont plus forts que les humains

Dans le Journal of the Acoustical Society of America , deux chercheurs de l'University College London et de l'Université de Roehampton ont évalué l'intelligibilité de la voix humaine et de clones vocaux. Ils ont constaté que les clones vocaux sont plus faciles à comprendre que les voix humaines dans les environnements bruyants.

Les clones vocaux se distinguent des voix de synthèse traditionnelles par la quantité d'échantillonnage nécessaire. Les voix de synthèse comme Siri exigent qu'un comédien de doublage passe des heures en studio. À l'inverse, un clone vocal peut être créé à partir de seulement 10 secondes de parole, ce qui élargit considérablement le nombre de voix potentielles et d'applications possibles.

Les chercheuses Patti Adank et Han Wang sont spécialisées dans l'étude de la perception humaine de la parole inintelligible et ont été fascinées par l'idée d'une parole reproduite par une machine.

Des résultats surprenants auprès des auditeurs

L'une des questions essentielles auxquelles ils cherchaient à répondre était de savoir à quel point les clones vocaux sont faciles à comprendre pour le commun des mortels. Ils supposaient que les clones vocaux ne seraient que de piètres imitations des voix humaines et que les gens auraient du mal à les comprendre. Leurs conclusions furent tout autres.

« Au départ, je pensais que les clones vocaux seraient moins intelligibles car ils seraient inconnus », a déclaré Adank. « J'ai constaté qu'ils étaient jusqu'à 20 % plus intelligibles, ce qui était assez surprenant. Une petite partie de notre article décrit cette expérience, et une grande partie relate les efforts que mon collaborateur et moi avons déployés pour comprendre ce qui rend ces clones vocaux plus intelligibles. »

Le duo a d'abord présenté à des volontaires des voix humaines et des clones vocaux, en leur demandant d'évaluer leur intelligibilité.

Constatant que les clones vocaux étaient systématiquement jugés plus compréhensibles, les chercheurs ont répété l'expérience avec des volontaires âgés afin de déterminer si une déficience auditive modifiait l'effet ; avec des volontaires américains (le groupe initial étant britannique) afin d'évaluer l'influence de l'accent ; et avec un filtre conçu pour imiter les implants cochléaires. Dans tous les cas, les clones vocaux se sont avérés plus efficaces.

À la recherche des raisons du succès des clones

Après avoir examiné plus de 100 mesures acoustiques , Adank estime que la seule façon de résoudre ce mystère est de collaborer avec des spécialistes des systèmes de synthèse vocale afin d'adapter un système de clonage open source existant.

« Je vais maintenant essayer de recréer [l'effet] en étudiant le fonctionnement des synthétiseurs et la manière dont ils utilisent le traitement numérique du signal pour générer ces voix, afin de mieux comprendre le processus », a déclaré Adank.

https://publishing.aip.org/publications/latest-content/ai-voices-are-easier-to-understand-than-human-voices/

https://dx.doi.org/10.1121/10.0043094

Cet article vous a été utile ? Partagez-le.