D’où vient la voix utilisée dans l’intelligence artificielle ? – Revue de l’USP

Avec autant de technologies pour faciliter la vie quotidienne des gens, en particulier l’accessibilité dans les segments les plus divers, les chercheurs du Centre d’intelligence artificielle de l’USP (C4AI) ont développé la première banque audio en portugais brésilien, CORAA (Corpus of Annotated Audios) ASR, destinée à la reconnaissance et la synthèse automatique de discours spontanés tels que des interviews, des conversations et des déclarations informelles.

le pProfesseur Arnaldo Cândido Jr., chercheur dans le domaine de l’intelligence artificielle et du traitement du langage naturel de l’Institut des sciences mathématiques et informatiques (ICMC) de l’USP, explique que cette banque a été développée à partir d’un pool d’universités qui se sont réunies pour arriver à cette large base d’audios. Candido Jr. il a également expliqué que la base de la recherche en intelligence artificielle était des modèles internationaux, bien que les chercheurs soient tous brésiliens.

Recherche vocale

Au cours des travaux de recherche menés au Centre d’intelligence artificielle de l’USP, à São Carlos, plus de 60 boursiers ont participé au projet, cataloguant et analysant les voix. Les voix utilisées existaient déjà dans des bases d’études linguistiques préexistantes et étaient adaptées au contexte des tâches informatiques, comme la parole par exemple.

Les audios comprennent des discours du Museu da Pessoa, en plus des bases audio de centres d’études dans d’autres États du Brésil. Comme il s’agit d’une banque avec des audios cédés, le matériel n’est toujours utilisé que comme base académique, mais peut être mis à disposition à l’avenir par des entreprises du marché du travail qui utilisent des logiciels libres, celles qui n’ont pas d’exploitation commerciale.

Utiliser

La banque audio peut avoir différentes applications, telles que la construction ou l’amélioration d’assistants personnels, comme Alexa, ou la génération de sous-titres automatiques dans les flux vidéo, ou même pour ChatGPT. En outre, la ressource peut également être utilisée pour la création automatique de procès-verbaux de réunion, comme assistant de dictée et pour convertir des messages vocaux en messages texte dans des applications telles que WhatsApp.

Candido Jr. explique que les banques audio des autres pays ont encore une grande différence par rapport au portugais brésilien (il existe une banque en portugais européen), surtout quand la base est l’anglais, qui dispose de nombreuses ressources. Les langues moins parlées, en revanche, ont un faible investissement. Par conséquent, l’un des objectifs est de faire du portugais une base de recherche sur la parole dans le monde entier. Le défi consiste maintenant à augmenter la base audio et à rechercher les émotions présentes dans le discours, en particulier en portugais.