Trois secondes : c’est la durée qu’il faut à cette IA pour imiter n’importe quelle voix humaine.
Microsoft vient de présenter un modèle de synthèse vocale capable de simuler fidèlement la voix d’une personne à partir d’un échantillon audio très court.
Ce modèle d’IA, baptisé « VALL-E », a été entraîné avec plus de 60 000 heures de conversation en anglais, soit « des centaines de fois plus que les systèmes existants », décrit Microsoft.
VALL-E n’imite pas seulement l’intonation d’une voix, il est aussi capable de « préserver l’émotion du locuteur et l’environnement acoustique de l’invite acoustique dans la synthèse ».
