Synthèse vocale (TTS)

Définition

La synthèse vocale (TTS) est la technologie qui convertit le texte écrit en sortie vocale à l'aide de modèles d'IA.

Interet

L’objectif est de fournir une sortie vocale naturelle pour l’accessibilité, les assistants virtuels et les applications multimédias.

Importance

• Essentiel pour l’accessibilité aux utilisateurs malvoyants.
• Largement utilisé dans les assistants numériques et les systèmes IVR.
• Risque que des voix synthétiques soient utilisées à des fins frauduleuses.
• La qualité dépend de la prosodie et du naturel.

Fonctionnement

1. Le texte d’entrée est traité et normalisé.
2. Le texte est converti en phonèmes.
3. Les modèles acoustiques génèrent des caractéristiques vocales.
4. Les vocodeurs synthétisent des formes d’onde.
5. La sortie audio est délivrée aux utilisateurs.

Exemples (monde réel)

• Google Cloud TTS : génère des voix naturelles pour les applications.
• Amazon Polly : service de synthèse vocale.
• Apple Siri : sortie vocale à partir d'un texte.

Références / Lectures complémentaires

• Tacotron 2 : TTS naturel avec réseaux neuronaux — Google Research.
• ISO/IEC 15938-4 : Description du contenu multimédia.
• Magazine de traitement du signal IEEE : systèmes TTS.
• Solutions TTS personnalisées pour vos besoins uniques