Yahoo Finance Voici VALL-E : 3 secondes suffisent à cette IA pour imiter votre voix
VALL-E, c’est le nouveau modèle d’intelligence artificielle diffusé par Microsoft. Il est capable de reproduire le son de votre voix après trois secondes à vous écouter. Une technologie qui fait craindre la propagation de deepfakes sur les réseaux sociaux.
Chacune des formes d’expression de l’être humain est désormais concernée par un modèle d’intelligence artificielle. ChatGTP imite notre façon d’écrire, Midjourney crée des tableaux, et il y a même MusicLM, l’IA de Google qui génère de la musique en version encore très expérimentale. Désormais, VALL-E propose de son côté de générer un message audio avec votre voix. Début janvier 2023, des chercheurs de Microsoft ont révélé la création de ce dernier modèle dans un article mis en ligne sur arvix, site de prépublications en ligne (des articles qui ne sont pas encore relus par des pairs). Ils annoncent qu’avec trois secondes d’enregistrement, VALL-E peut reproduire votre voix sur n’importe quel texte.
VALL-E est un modèle de génération de parole à partir de texte (text-to-speech synthesis ou TTS, en anglais). Comme son nom l’indique, un modèle capable de créer un enregistrement sonore qui déclame le discours de votre choix. Pour le faire fonctionner, il faut deux entrées. D’une part, un texte écrit, celui que l’on veut générer sous format audio. De l’autre, l’enregistrement d’une voix disant n’importe quel texte. Ce message peut ne durer que trois secondes, soit bien moins que ce que proposait Amazon —
