Washington, (SANA) Les technologies de conversion de texte en voix ne se limitent plus à la simple lecture des mots écrits. Les modèles d’intelligence artificielle s’orientent désormais vers des performances vocales plus variées, reproduisant certains aspects de l’expression humaine, notamment l’intonation, le rythme, les émotions et la manière de prononcer les phrases.
Le site spécialisé « Android Authority » a indiqué jeudi que « Gemini », le modèle d’intelligence artificielle de Google, avait ajouté de nouveaux modèles de conversion de texte en parole permettant aux utilisateurs de contrôler la manière dont les textes sont prononcés, notamment l’intonation, l’accent, la vitesse d’élocution, ainsi que les chuchotements, les rires, les soupirs et les pauses.
Création et clonage de voix personnalisées
Ces modèles permettent de créer de nouvelles voix à partir de descriptions rédigées en langage naturel, avec la prise en charge de plus de 100 langues et accents, ainsi qu’un vaste choix de voix prêtes à l’emploi pour différentes applications.
Parmi les principales fonctionnalités figure la possibilité de cloner une voix à partir d’un court échantillon audio, tout en préservant ses caractéristiques sur de longues séquences, à condition que l’utilisateur dispose de l’autorisation nécessaire pour utiliser cette voix.
La technologie ne se limite pas à la production d’une seule voix : le système peut transformer un même texte en dialogue entre deux personnages, tout en maintenant la distinction et la cohérence de leurs voix, ce qui permet de produire des contenus audio plus variés pour les livres audio, les podcasts, le doublage et les vidéos.
L’utilisateur peut également fournir des instructions détaillées sur la manière d’interpréter chaque phrase, par exemple en adoptant un ton calme ou enthousiaste, en modifiant la vitesse d’élocution ou en introduisant des pauses, des soupirs et des rires, conférant ainsi au texte écrit un caractère plus proche du dialogue et du jeu d’acteur.
Déploiement et mesures contre les usages abusifs
Les résultats de tests annoncés par Google indiquent que ses nouveaux modèles ont obtenu des résultats avancés dans plusieurs évaluations de la qualité des voix, alors que la concurrence se poursuit avec des entreprises spécialisées dans la production de voix synthétiques.
Google a commencé à déployer certaines de ces fonctionnalités dans ses services, notamment « Gemini Notebook » et « Google Vids », tandis que les développeurs peuvent accéder aux modèles par l’intermédiaire des outils Gemini qui leur sont destinés.
Face au développement des technologies de clonage vocal, Google impose des restrictions et des mesures de protection destinées à limiter les risques d’utilisation abusive, notamment l’obligation d’obtenir le consentement du propriétaire de la voix et le recours à des technologies permettant d’identifier les contenus générés par l’intelligence artificielle.
Ces technologies ouvrent la voie à de nouveaux usages de la voix synthétique, dont le rôle ne se limite plus à convertir des mots en paroles audibles, mais s’étend désormais à la manière dont une phrase est prononcée ainsi qu’au rythme, à l’intonation et à l’expression qu’elle véhicule.
rkh/mch
