Table des matières
- Synthèse vocale
- La synthèse vocale est une technologie d'intelligence artificielle qui permet de convertir du texte écrit en parole simulée par une voix de synthèse. Elle est également connue sous le nom de text-to-speech (TTS).
- Ce procédé est utilisé dans divers domaines tels que les lecteurs d'écran pour personnes malvoyantes, les systèmes de navigation GPS, les assistants virtuels, ou encore la localisation de contenu multimédia sur le web.
- La synthèse vocale fonctionne en 3 étapes principales :
- - la conversion du texte en phonèmes (unités sonores de la langue),
- - la concaténation de ces phonèmes pour former des syllabes, des mots et des phrases,
- - et enfin la synthèse de la parole à partir de ces éléments.
- Il existe 2 approches pour la synthèse vocale :
- - la méthode de concaténation de segments de parole enregistrés par des locuteurs humains,
- - et la méthode de synthèse par modèle acoustique, où un modèle statistique est entraîné sur un corpus de voix humaines enregistrées.
Notions connexes
- Speech-to-speech : Technologie permettant de convertir la parole humaine en parole synthétique, après une étape de reconnaissance vocale et de traitement du langage naturel.
- Speech-to-text : Technologie de reconnaissance vocale permettant de convertir la parole humaine en texte écrit.
Logiciels
Actuellement le leader de la synthèse vocale est ElevenLabs, logiciel de synthèse vocale, text-to-speech et speech-to-speech, utile pour des usages comme le clonage de voix, le doublage, la génération de livres audio etc.
Exemple de synthèse vocale text-to-speech avec ElevenLabs
Voici un exemple de synthèse vocale, générée à partir d'un texte et de ma voix clonée, elle-même reproduite à partir d'enregistrements vocaux.
