Redécouvrir une personnalité disparue le temps d’une émission ou d’un long métrage… c’est ce que l’IRCAM parvient à faire grâce aux dernières avancées en « clonage de la voix » (ou voice cloning) : Dalida dans l’émission Hôtel du Temps animée par Thierry Ardisson, Louis de Funès dans le film Pourquoi j’ai pas mangé mon père réalisé par Jamel Debbouze, ou encore le général de Gaulle dans une reconstitution de l’appel du 18 juin 1940.
Le clonage et la synthèse vocale sont des technologies basées sur des systèmes d’intelligence artificielle. Elles gagnent en maturité et sont amenées à faire progressivement partie de notre quotidien.
La synthèse vocale, ou text-to-speech, permet aujourd’hui de créer une grande variété de contenus audio, comme un groupe de musique virtuel, des livres audio ou le doublage en français de films et de jeux vidéo. Par exemple, le doublage de Luke Skywalker dans la série The Mandalorian a été réalisé par la start-up Respeecher, afin de faire rajeunir la voix de Mark Hamill de 30 ans, pour coller à la version du personnage qu’il a incarné dans les années 80. C’est aussi cette technologie qui permet aux assistants vocaux Siri et Alexa de s’exprimer quand vous leur adressez la parole.
Des dérives, détournements et arnaques sont bien sûr à craindre : il existe déjà de faux enregistrements de personnalités tenant des propos controversés générés par la plate-forme d’Elevenlabs, ainsi que des arnaques ciblant grandes entreprises (appelées « arnaque au président ») ou particuliers, où un faux proche demande d’urgence une grande somme d’argent.
Mais les technologies de synthèse vocale ont encore une très grande marge de progression : de très grandes quantités de données sont encore nécessaires pour entraîner correctement ces systèmes d’intelligence artificielle, et l’aspect subjectif de la parole rend très complexe un contrôle…
La suite est à lire sur: theconversation.com
Auteur: Olivier Zhang, Doctorant en IA, Orange Innovation, Université de Rennes 1 – Université de Rennes
