L’art généré par l’IA apparaît partout, mais ce n’est que le début. Microsoft a récemment publié un nouvel outil d’intelligence artificielle appelé VALL-E, qui est similaire à DALL-E d’OpenAI (qui des images et oeuvres d’art) mais pour les voix.

Si cela semble terrifiant, c’est parce que c’est le cas. Ce n’est pas tout non plus. Selon AITopics, le nouvel outil de Microsoft correspond facilement à l’émotion et au ton, ce qui est difficile pour de nombreux outils d’IA vocale.

L’équipe a formé VALL-E sur environ 60 000 heures de données vocales en anglais, et il a démontré des capacités d’apprentissage en contexte et pouvait même reproduire des mots qu’il n’avait jamais entendus.

Le rapport indique que VALL-E est capable de TTS basé sur des invites, suit le contexte et n’a pas besoin d’acoustique préconçue ou d’ingénierie structurelle pour fournir un échantillon audio de haute qualité. Fondamentalement, ce nouvel outil d’IA est assez impressionnant. Tout ce dont VALL-E a besoin est d’entendre environ 3 secondes de n’importe quelle voix, et il sera capable d’imiter rapidement et facilement (ou de reproduire) la voix.

Il existe plusieurs exemples audio de l’outil sur GitHub, et bien que certains sonnent bien, d’autres ne sont pas si impressionnants et ont un ton robotique. Mais quand ça marche, ça marche très bien.

Cela dit, nous en sommes encore aux premiers jours de VALL-E, et les choses s’amélioreront avec le temps. De plus, si l’équipe utilisait des échantillons plus grands, ce serait probablement plus précis.

Il est important de noter que VALL-E n’est pas disponible au public, du moins pas encore, nous pouvons donc tous pousser un soupir de soulagement. Si cela se produit, il y aura sans aucun doute une foule de préoccupations sécuritaires, sociales et éthiques, c’est le moins qu’on puisse dire. Bien que cette technologie semble certainement impressionnante, elle est aussi assez sauvage.

Source : Windowscentral