Les écouteurs à intelligence artificielle apprennent automatiquement à qui vous parlez et vous permettent de mieux l'entendre.
infohightech ·
Tenir une conversation dans une pièce bondée se heurte souvent au problème frustrant des « cocktails mondains », c'est-à-dire la difficulté à distinguer les voix de ses interlocuteurs au milieu du brouhaha ambiant. C'est une situation mentalement éprouvante qui peut être aggravée par une déficience auditive.
Pour résoudre ce problème courant, des chercheurs de l'Université de Washington ont mis au point des écouteurs intelligents qui isolent proactivement les interlocuteurs de l'utilisateur dans un environnement bruyant. Ces écouteurs sont alimentés par un modèle d'intelligence artificielle qui détecte le rythme d'une conversation et un autre qui coupe les voix qui ne suivent pas ce rythme, ainsi que les autres bruits de fond indésirables. Le prototype utilise du matériel standard et peut identifier les interlocuteurs à partir de deux à quatre secondes d'enregistrement audio seulement.
Les concepteurs du système pensent que cette technologie pourrait un jour aider les utilisateurs d'appareils auditifs, d'écouteurs et de lunettes intelligentes à filtrer leur environnement sonore sans avoir besoin de diriger manuellement l'« attention » de l'IA.
L'équipe a présenté cette technologie le 7 novembre à Suzhou, en Chine, lors de la Conférence sur les méthodes empiriques en traitement automatique du langage naturel. Le code source est libre et disponible au téléchargement .
« Les méthodes actuelles d'identification des personnes écoutées par un utilisateur reposent principalement sur l'implantation d'électrodes dans le cerveau pour suivre l'attention », explique Shyam Gollakota , professeur à l'École d'informatique et d'ingénierie Paul G. Allen de l'Université de Washington et auteur principal de l'étude. « Notre intuition est que, lors d'une conversation avec un groupe spécifique de personnes, notre discours suit naturellement un rythme d'alternance des tours de parole. Nous pouvons entraîner une IA à prédire et à suivre ces rythmes à partir du seul enregistrement audio, sans avoir recours à l'implantation d'électrodes. »
Le système prototype, baptisé « assistants auditifs proactifs », s'active dès que la personne portant le casque commence à parler. Un premier modèle d'IA analyse alors les participants à la conversation (« qui a parlé et quand ») et repère les rares chevauchements dans les échanges. Le système transmet ensuite le résultat à un second modèle qui isole les participants et diffuse l'audio nettoyé à l'utilisateur. Le système est suffisamment rapide pour éviter toute latence audio gênante et peut actuellement gérer simultanément de un à quatre interlocuteurs, en plus de la voix de l'utilisateur.
L'équipe a testé les écouteurs auprès de 11 participants, qui ont évalué des qualités telles que la réduction du bruit et la compréhension, avec et sans filtrage par IA. Globalement, le groupe a attribué une note plus de deux fois supérieure à la qualité audio filtrée par rapport à la version de référence.
L'équipe a combiné des écouteurs à réduction de bruit du commerce avec des microphones binauraux pour créer le prototype présenté ici. Hu et al./EMNLP
L'équipe de Gollakota expérimente depuis quelques années des assistants auditifs basés sur l'intelligence artificielle. Elle a développé un prototype de casque intelligent capable de distinguer la voix d'une personne dans une foule lorsque celle-ci la regarde , et un autre qui crée une « bulle sonore » en atténuant tous les sons à une distance définie de l'utilisateur.
« Jusqu'à présent, toutes nos solutions exigeaient que l'utilisateur sélectionne manuellement un interlocuteur ou une distance d'écoute, ce qui nuisait à l'expérience utilisateur », explique Guilin Hu, doctorant à l’École Allen et auteur principal de l'étude. « Nous avons mis au point une technologie proactive, capable de déduire l'intention de l'utilisateur de manière non intrusive et automatique. »
Il reste encore beaucoup de travail à accomplir pour peaufiner l'expérience. Plus une conversation devient dynamique, plus le système risque de rencontrer des difficultés, les participants se coupant la parole ou s'exprimant dans de longs monologues. L'arrivée et le départ de participants constituent un autre obstacle, bien que Gollakota ait été surpris par les performances du prototype actuel dans ces scénarios plus complexes. Les auteurs précisent également que les modèles ont été testés sur des dialogues en anglais, en mandarin et en japonais, et que le rythme d'autres langues pourrait nécessiter des ajustements supplémentaires.
Le prototype actuel utilise des casques audio, des microphones et des circuits électroniques commerciaux. À terme, Gollakota prévoit de miniaturiser le système pour qu'il puisse fonctionner sur une puce minuscule intégrée à un écouteur ou à un appareil auditif. Dans le cadre de travaux présentés simultanément à MobiCom 2025 , les auteurs ont démontré la faisabilité de modèles d'IA fonctionnant sur des appareils auditifs miniatures.