Voice Engine : le modèle de génération vocale d'OpenAI 108

Le Voice Engine d'Openai est une technologie de synthèse vocale par IA et de clonage vocal, capable de générer une voix au son naturel proche de l'original à partir d'un court échantillon audio de 15 secondes et d'une saisie de texte. Ce modèle a été développé pour la première fois fin 2022 et a déjà été appliqué aux voix prédéfinies de l'API text-to-speech d'OpenAI ainsi qu'aux fonctionnalités vocales et de lecture de ChatGPT. La technologie Voice Engine montre un potentiel dans de nombreuses applications, notamment l'aide à la lecture, la traduction de contenu, l'amélioration de la prestation de services essentiels, le soutien aux personnes non verbales et l'aide aux personnes aphasiques pour « retrouver leur voix ».

Caractéristiques et fonctionnalités d'OpenAI Voice Engine :

• Génération vocale à partir de texte et d'échantillons audio : Voice Engine est capable d'utiliser une saisie de texte et un unique échantillon audio de 15 secondes pour générer une voix au son naturel très proche de celle du locuteur d'origine.

• Hautement réaliste et riche en émotions : cette technologie permet non seulement de reproduire la voix du locuteur d'origine, mais aussi de créer une voix expressive et réaliste, offrant d'excellentes performances en termes de clarté, de cohérence vocale, de timbre et de naturel.

• Applications polyvalentes : Voice Engine a déjà démontré son potentiel dans de nombreux domaines, notamment l'aide à la lecture, la traduction de contenu, l'amélioration de la prestation de services essentiels, le soutien aux personnes non verbales et l'aide aux personnes aphasiques pour « retrouver leur voix ». De plus, il est utilisé pour la traduction de vidéos, en traduisant la voix d'un intervenant en plusieurs langues tout en conservant l'accent d'origine et en se synchronisant parfaitement avec les mouvements de la bouche, créant ainsi des avatars numériques extrêmement réalistes.

• Sécurité et utilisation prudente : en raison du risque d'utilisation abusive des voix synthétiques, OpenAI a adopté une approche prudente quant à la publication de Voice Engine. Bien qu'il ait déjà été testé à petite échelle et appliqué à l'API text-to-speech ainsi qu'aux fonctionnalités vocales et de lecture de ChatGPT, l'entreprise souligne ses préoccupations concernant l'utilisation abusive des voix synthétiques et explore les mesures de sécurité appropriées.

Cas d'utilisation d'OpenAI Voice Engine :

• Aider les personnes aphasiques à retrouver leur voix : grâce à un court échantillon audio et à une saisie de texte, Voice Engine peut aider les personnes ayant perdu leur capacité à parler suite à une maladie ou pour d'autres raisons à retrouver leur voix.

• Fournir une aide à la lecture : pour les enfants et les non-lecteurs, Voice Engine peut générer une voix naturelle et expressive pour faciliter la lecture et l'apprentissage.

• Traduction de contenu : grâce à Voice Engine, il est possible de traduire du contenu textuel en plusieurs langues et de générer une restitution vocale proche de la voix du locuteur d'origine, permettant ainsi de toucher un public mondial.

• Soutien aux personnes non verbales : pour les personnes ne pouvant pas utiliser la communication verbale traditionnelle, Voice Engine offre un nouveau moyen de s'exprimer, renforçant ainsi leur capacité de communication.

• Aider les patients à retrouver leur voix : dans le domaine médical, Voice Engine est utilisé pour aider les patients ayant perdu ou modifié leur voix suite à une maladie ou pour d'autres raisons à retrouver un état proche de la normale.

• Applications éducatives : par exemple, la société d'éducation pour enfants Age of Learning utilise Voice Engine pour fournir des livres audio aux enfants et proposer des interactions personnalisées en temps réel.

• Logiciels de reconnaissance et de génération vocale : la technologie Voice Engine pourrait trouver de nombreuses applications dans des scénarios tels que les assistants virtuels et les appareils domotiques, pour la reconnaissance et la génération automatique de la parole.

Ces cas d'utilisation illustrent la diversité et le potentiel de la technologie Voice Engine, allant de l'aide à des populations spécifiques pour retrouver leur voix à l'assistance éducative, en passant par la promotion des échanges interculturels et l'amélioration de l'expérience quotidienne.

En résumé, OpenAI Voice Engine génère une voix hautement réaliste et expressive, capable d'imiter celle du locuteur d'origine, en s'appuyant sur une saisie de texte et un court échantillon audio. Cette technologie a déjà démontré un large potentiel d'application dans de nombreux domaines, tout en étant confrontée à des défis en matière de sécurité et de risques d'utilisation abusive. En raison du risque d'utilisation abusive de la technologie de synthèse vocale, OpenAI a adopté une approche prudente et n'en est actuellement qu'à une phase de preview à petite échelle. De plus, OpenAI souligne que les voix naturelles générées sont riches en émotions et possèdent un timbre réaliste, tout en reconnaissant les « risques sérieux » et « le potentiel d'utilisation abusive des voix synthétiques » associés à cette technologie.