Même s’il s’est séparé de Boston Dynamics, Google continue de peaufiner ses progrès sur l’humanisation de tout ce qui a quelques circuits et des processeurs. Après une première génération de systèmes capables de retranscrire avec quelques ratés le timbre et la prononciation de la voix humaine, la firme a dévoilé la nouvelle phase de ses recherches, qui porte le doux nom de Tacotron 2.
Dans les faits, ce système permettant de traduire du texte en mots prononcés est basé sur les connaissances en deep learning de Google : un premier réseau neuronal artificiel décompose le texte en spectrogramme, qui permet de visualiser les fréquences des séquences de mots, puis il est secondé par WaveNet. Ce dernier est une I.A. qui s’occupe de gérer tout ce qui a trait à l’alphabet, lisant le graphique obtenu et traduisant tout cela en sonorités. Mais ce n’est pas tout.
I’m sorry Dave
Le système Tacotron 2 possède la petite particularité de pouvoir analyser et prononcer des mots et des noms compliqués, sans donner lieu à un charabia qui fait parfois croire à une invocation démoniaque. Mieux, il a la capacité de prendre en compte la casse des mots. Par exemple, il insistera sur des termes en majuscules avec une subtilité étonnante. Et si pour le moment, cette technologie n’a pas encore fait l’objet d’une review (vérification par des pairs de la validité d’une recherche), elle témoigne de l’évolution rapide dans le domaine de l’I.A. Enfin, que ces messieurs se rassurent, la synthèse vocale est pour le moment uniquement calée sur une voix féminine, mais Google travaille sur son pendant masculin. Voici d’ailleurs quelques extraits vocaux ainsi qu’un lien vers la banque de données où les écouter tous :
Voici une phrase prononcée via Tacotron 2 qui appuie sur les mots “problem” et solution”
La même prononcée par le système de Google avec les deux mots en majuscules montre une accentuation.
Un autre exercice compare voix humaine et voix synthétique : ici et là.
Impressionnant.