Le TTS, ou Text-To-Speech, ou encore voix de synth\u00e8se, est une technologie qui peut g\u00e9n\u00e9rer un message audio \u00e0 partir d’un texte \u00e9crit (de tout type : word, pdf, .txt, etc.). Avec les progr\u00e8s de l’intelligence artificielle, le TTS a fait d’\u00e9normes progr\u00e8s dans la g\u00e9n\u00e8se des audios, les rendant encore plus qualitatifs \u00e0 l’\u00e9coute. <\/p>\n\n\n\n
Par exemple, d\u00e9sormais, les m\u00e9thodes de synth\u00e8se bas\u00e9es sur l’apprentissage profond font explicitement correspondre les caract\u00e9ristiques linguistiques aux caract\u00e9ristiques acoustiques avec des r\u00e9seaux de neurones profonds. Plus sp\u00e9cifiquement l’apprentissage en profondeur peut r\u00e9cup\u00e9rer des donn\u00e9es d’entrainement en tr\u00e8s grand nombre pour \u00ab\u00a0\u00e9chantillonner\u00a0\u00bb une voix, afin de permettre ensuite un TTS de meilleure qualit\u00e9, bas\u00e9 sur les caract\u00e9ristiques auditives de cette voix \u00ab\u00a0\u00e9chantillon\u00a0\u00bb.<\/p>\n\n\n\n
Dans les points positifs de cette technique nouvelle il y a la robustesse du mod\u00e8le de voix \u00e0 une variation de texte plus grande, mais aussi une augmentation du naturel et de l’intelligibilit\u00e9. Toutefois, la prosodie d\u00e9velopp\u00e9e avec la moyenne des donn\u00e9es d’entra\u00eenement reste \u00ab\u00a0plate\u00a0\u00bb. La question entre voix non humaine et voix humaine n’est donc pas si simple. <\/p>\n\n\n\n
Tout d\u00e9pend de l’objectif de l’entreprise, mais toute perfectionn\u00e9es soient-elles, les m\u00e9thodes les plus r\u00e9centes de synth\u00e8se vocale restent encore \u00ab\u00a0en de\u00e7a\u00a0\u00bb d’une voix humaine d\u00e8s qu’il va s’agir de v\u00e9hiculer de \u00ab\u00a0l’information implicite\u00a0\u00bb telle que l’\u00e9motion, l’empathie, l’\u00e9coute, etc. En effet, ces syst\u00e8mes \u00e0 base d’IA, bien que meilleurs que les anciens modes de synth\u00e8se vocale (de type additive) ne savent pas encore op\u00e9rer ce type de production. <\/p>\n\n\n\n
D\u00e8s lors, si vous poursuivez une logique purement fonctionnelle \u00e0 travers votre SVI ou votre accueil t\u00e9l\u00e9phonique, vous pouvez envisager de recourir \u00e0 une voix de synth\u00e8se (TTS). Attention malgr\u00e9 tout \u00e0 veiller \u00e0 une bonne qualit\u00e9 globale d’ex\u00e9cution car le \u00ab\u00a0sentiment robotique\u00a0\u00bb peut assez rapidement lasser votre interlocuteur. Et l’utilisation de l’humour pour humaniser la relation rencontrera rapidement des limites.<\/p>\n\n\n\n