Des ingénieurs ont appris à une IA à flirter et à avouer son amour

Les humains sont incroyablement complexes par nature, et la voix joue un rôle décisif en nous aidant à communiquer avec le monde qui nous entoure. En moyenne, une personne a plus de 6 200 pensées par jour et plus de 27 catégories d'émotions pour comprendre ce que nous ressentons. C'est précisément ce qui rend la parole si profondément dynamique.

Quels sont les premiers mots qui vous viennent à l'esprit en pensant à l'intelligence artificielle ? Peut-être la logique, la froideur et l'insensibilité ? Contre toute attente, les systèmes d'IA pourraient devenir de nouveaux Roméo ou Juliette.

L'équipe de développeurs travaillant chez Sonantic, une entreprise technologique spécialisée dans l'innovation en matière de plateformes vocales par IA, a amélioré le jeu de séduction de l'IA en la dotant de la capacité de respirer, de soupirer et de rire. Ces sons, proches de ceux des humains, peuvent simplement ajouter un peu de lien émotionnel qu'exige toute relation amoureuse florissante.

« Chez Sonantic, nous cherchons à imiter la voix humaine. Nos modèles vocaux créés par intelligence artificielle peuvent exprimer un large éventail d'émotions marquées. Pourtant, une grande part de la communication verbale repose sur les nuances. Les meilleures interprétations montrent une réelle complexité, de la vulnérabilité et de l'authenticité, et la subtilité est un élément essentiel d'une communication habile. Comme le dit le vieil adage : « ce n'est pas ce que vous dites, mais la manière dont vous le dites ». Personne ne comprend ce concept mieux que les conteurs et les acteurs. Nos dernières avancées, les émotions subtiles et les sons non verbaux, ouvrent à nos clients un potentiel sans limites, plus que jamais auparavant », a déclaré l'entreprise. 

Bien que ces sons naturels ajoutés constituent de nouvelles avancées, Sonantic sait déjà parler de manière espiègle et taquine, ce qui est important pour tout jeune Roméo ou Juliette.

Pour mieux découvrir ce développement impressionnant, il vaut la peine de regarder la publicité de Sonantic sur YouTube. C'est la Saint-Valentin. La voix de la jeune femme sonne parfaitement naturelle et très apaisante, en particulier avec les soupirs et les rires qui sont si joliment intégrés à sa parole.

C'est pourquoi il est choquant lorsque la jeune femme fait soudain cette révélation : « Je ne suis pas réelle. Je n'ai jamais été née. Et je ne mourrai jamais. Parce que je n'existe pas. »

Sonantic a également présenté l'interface du programme utilisé pour générer la voix. Dans celui-ci, l'utilisateur peut modifier le rythme de la parole, régler l'intonation, le style et la vitesse, ainsi qu'ajouter différents sons entre les mots.

Perfectionner les émotions subtiles est plus difficile d'un point de vue technologique. Les modèles vocaux d'IA ont tendance à assourdir les émotions. Plus elles sont subtiles, plus elles risquent d'être étouffées et de sonner de manière robotique. Les ingénieurs ont étudié des méthodes pour garantir que leurs modèles vocaux contrent cet effet d'assourdissement, en préservant intacte la subtilité des émotions. L'entreprise a présenté à ses clients de nouveaux styles, tels que « coquet », « timide » et « taquin ».

Si l'on y réfléchit, la communication est bien plus que des mots. Il y a les pauses, les profondes inspirations, les gémissements et les exclamations qui donnent un aperçu supplémentaire de ce que nous pensons et ressentons à chaque instant. Ce sont précisément ces sons non verbaux qui animent nos conversations. Même une chose aussi simple que la respiration, qui nous paraît ordinaire, influence la façon dont sonne une voix humaine naturelle. Sans ces petits détails, nos conversations sonneraient mécaniques et monotones.

Chez Sonantic, on indique que leurs modèles vocaux d'IA peuvent désormais respirer, rire et même se moquer. L'entreprise a toujours travaillé avec les acteurs de doublage les plus talentueux pour entraîner son moteur vocal, et cette dernière évolution n'a pas fait exception. Mais les émotions subtiles peuvent être difficiles, même pour les interprètes les plus expérimentés, et il faut souvent plusieurs prises pour les restituer correctement. 

Les ingénieurs ont retravaillé les scénarios, passé plus de temps à la préparation, enregistré davantage de prises et accordé aux acteurs une liberté créative maximale. Au final, cela a donné un matériau dynamique, polyvalent et riche en couches.

Capturer les sons non verbaux a été une tâche délicate, et les chercheurs ont dû expérimenter de nouveaux algorithmes jusqu'à obtenir le résultat souhaité. Lors des premiers essais, tout sonnait déformé et robotique. Mais grâce à un excellent travail d'équipe et à la collaboration entre les équipes de recherche, d'information et d'ingénierie, ils ont mis au point de nouveaux algorithmes brevetés qui ont permis de capturer ces subtilités.

Pour présenter leurs avancées innovantes, les ingénieurs ont réalisé une vidéo intitulée « Quel est son secret ? ». C'est la démonstration de produit la plus réaliste jamais créée par Sonantic.

« Lorsque nous avons conçu le concept de la vidéo, nous avons choisi de nous concentrer sur le thème de l'amour, car c'est à ce moment-là que nous nous sentons le plus vulnérables. La voix calme et apaisante de la jeune femme vacille légèrement lorsqu'elle demande : « Que faut-il pour que tu tombes amoureux de moi ? ». En écoutant le monologue, remarquez quand elle rit, respire ou soupire aux bons moments. La vidéo surprend les spectateurs lorsqu'ils découvrent que la femme à l'écran est une personne réelle, et que le personnage qui parle est une intelligence artificielle », a déclaré l'entreprise. 

Ces avancées dans la synthèse vocale rendent la plateforme Sonantic plus complète. L'entreprise est ravie d'offrir de nouvelles possibilités à ses clients. Les ingénieurs ont déclaré qu'ils créent des outils vraiment puissants pour les acteurs de doublage et les studios de divertissement, afin de continuer à développer les innovations vocales à l'avenir.

La synthèse vocale de l'entreprise est déjà utilisée dans la production de films hollywoodiens et de jeux vidéo. Elle peut exprimer la joie et la tristesse, et désormais aussi la séduction. En août 2021, Sonantic a appliqué ses développements pour recréer la voix de l'acteur Val Kilmer, qui avait perdu la capacité de parler à la suite d'un traitement contre un cancer du larynx.