Meta a dévoilé Voicebox, une IA polyvalente pour la génération de discours qui offre une large gamme de capacités. Ce modèle d’IA avancé peut effectuer des tâches telles que l’édition, l’échantillonnage et la stylisation de la parole grâce à l’apprentissage en contexte.
En annonçant les mises à jour, Meta a publié un message :
Nous sommes satisfaits de Voicebox, notre nouveau projet qui produit des sons avec l’IA. Nous voulons continuer à en apprendre davantage sur les sons et l’IA, et nous espérons que d’autres personnes utiliseront notre travail pour créer de nouvelles choses.
Voicebox excelle dans la production de clips audio de haute qualité et dans l’édition d’audio préenregistré, par exemple en supprimant les bruits de fond indésirables, tout en conservant le contenu et le style d’origine.
En outre, elle prend en charge plusieurs langues, ce qui lui permet de produire des discours dans 6 langues différentes. En septembre 2022, Meta avait dévoilé « Make-A-Video », un nouveau système d’intelligence artificielle qui transforme le texte en clips vidéo de haute qualité.
La Voicebox fait partie d’une nouvelle vague de modèles d’IA générative aux applications potentielles variées. Par exemple, elle pourrait améliorer les assistants virtuels et les personnages non joueurs dans le métaverse en fournissant des voix naturelles.
De vastes possibilités
Elle peut également aider les personnes malvoyantes en permettant à l’IA de lire des messages écrits avec la voix de leurs amis. En outre, les créateurs peuvent tirer parti de la Voicebox pour créer et éditer facilement des pistes audio pour les vidéos, entre autres possibilités.
La polyvalence de Voicebox englobe plusieurs tâches, notamment :
- Synthèse texte-parole en contexte : Voicebox peut générer une synthèse vocale à partir d’un échantillon audio d’à peine deux secondes, en s’adaptant au style de l’audio fourni
- L’édition de la parole et la réduction du bruit : Elle peut reconstruire des segments de discours interrompus ou remplacer des mots mal prononcés sans avoir à réenregistrer. Par exemple, les utilisateurs peuvent supprimer les aboiements d’un chien d’un segment de discours et demander à la Voicebox de les régénérer de manière transparente, un peu comme une gomme d’édition audio
- Transfert de style multilingue : Avec un échantillon de parole et un passage de texte dans différentes langues, la Voicebox peut produire une lecture du texte dans n’importe laquelle des langues prises en charge (anglais, français, allemand, espagnol, polonais et portugais). Cette fonction permet aux personnes parlant des langues différentes de dialoguer facilement.
- Échantillonnage vocal diversifié : La Voicebox a appris à partir de différents types de données, de sorte qu’elle peut produire un discours qui ressemble à la façon dont les gens parlent dans le monde réel, dans les 6 langues qu’elle connaît
