OpenAI continue les annonces et dévoile aujourd’hui Voice Engine, un outil capable de recréer une voix humaine. Cela fait suite à la présentation récente de Sora, une intelligence artificielle pouvant créer des vidéos à l’aide d’un simple texte.
Voice Engine pour recréer les voix humaines
En développement depuis environ deux ans, Voice Engine permet de mettre en ligne n’importe quel échantillon de voix de 15 secondes pour générer une copie synthétique de cette voix. Cela permet de « générer des voix naturelles qui ressemblent beaucoup à celles du locuteur d’origine. Il est remarquable qu’un petit modèle avec un seul échantillon de 15 secondes puisse créer des voix émotives et réalistes », dit OpenAI.
Voice Engine s’appuie sur le même modèle qui sous-tend les capacités vocales et de lecture à voix haute de ChatGPT, ainsi que les voix prédéfinies disponibles dans l’API de synthèse vocale d’OpenAI. Spotify l’utilise depuis le début du mois de septembre pour doubler en différentes langues les podcasts d’animateurs de premier plan.
OpenAI dit tester son nouvel outil de voix avec un petit groupe de partenaires qui ont identifié des utilisations potentielles telles que l’aide à la lecture, la traduction de contenu, le soutien aux personnes non verbales et l’aide aux personnes souffrant de troubles de la parole pour retrouver leur voix.
Plusieurs extraits audios sont disponibles sur le blog d’OpenAI. On découvre notamment qu’une voix peut être utilisée dans différentes langues. Par exemple, la langue maternelle du locateur est le français. Le clone vocal peut ensuite parler en anglais, en espagnol, en italien et d’autres langues, qu’importe le texte.
En ce qui concerne la traduction justement, OpenAI dit que Voice Engine préserve l’accent du locuteur original. Par exemple, si l’on génère de l’anglais à partir d’un échantillon audio provenant d’un locuteur français, on obtiendra un discours avec un accent français.
Des risques importants
Naturellement, un clone de la voix peut être très dangereux selon les usages, notamment avec les politiques et d’autres personnes publiques. Il est techniquement possible de faire tout et n’importe quoi, comme dire des mensonges. OpenAI le sait et réagit :
Nous sommes conscients que générer des discours qui ressemblent aux voix des gens comporte de sérieux risques, qui sont particulièrement présents à l’esprit en cette année électorale. Nous nous engageons avec des partenaires américains et internationaux issus du gouvernement, des médias, du divertissement, de l’éducation, de la société civile et d’ailleurs, afin de nous assurer que nous tenons compte de leurs commentaires au fur et à mesure que nous construisons.
OpenAI indique ne pas avoir encore prévu une disponibilité publique de Voice Engine. Comme Sora, la société veut seulement démontrer ce qu’elle peut faire.
