C’est un gag assez récurrent sur Internet et notamment sur YouTube : faire lire une phrase par un système de synthèse vocale pour lui donner un ton robotique qui peut vite devenir hilarant en fonction des mots prononcés.
En effet, jusqu’à maintenant, si les voix artificielles se sont considérablement améliorées au fil du temps, il faut bien avouer qu’elles sont reconnaissables dès les premières syllabes, ce qui casse un peu le charme. Une situation qui pourrait bientôt devenir de l’histoire ancienne grâce à Google qui vient de dévoiler son nouveau moteur de synthèse vocale qui imite la voix humaine à la perfection.
Capter les subtilités de la voix
Cette nouvelle technologie de la firme de Mountain View a été détaillée dans une recherche de la Cornell University. Baptisée Tacotron 2, cette voix artificielle a fait un bond en avant considérable par rapport à ce qui existe aujourd’hui.
En utilisant deux systèmes de neurones artificiels qui transforment le texte en spectrogramme audio et décryptent ce dernier pour produire un fichier son, Tacotron 2 peut détecter les variations de voix à apporter lorsqu’une phrase comprend de la ponctuation par exemple. Le système ne se laisse plus surprendre par des homonymes ou des lettres muettes.
Des extraits sonores bluffants
Pour nous convaincre de la qualité de sa technologie, Google a publié quelques fichiers qui permettent de comparer des phrases lues par Tacotron 2 avec les mêmes, mais lues cette fois par une voix humaine.
Le résultat est incroyable puisqu’il est impossible de dire qui est qui à l’oreille. Il faut dire que le nouveau codec développé par Google permet à la voix artificielle d’obtenir une note de 4,53 à l’exercice qui permet de juger de la qualité de restitution, là où la voix humaine obtient 4,58.
Pour le moment, le système est exclusivement réservé à la langue anglaise et avec une voix de femme. Nul doute que la situation devrait rapidement évoluer pour retrouver Tacotron 2 dans les appareils de la firme de Mountain View dans les années à venir.
