La voix française de Siri sera prochainement « améliorée », nous ont confirmé plusieurs sources. Apple a réenregistré les acteurs qui ont fourni les voix actuelles, afin de produire des voix synthétiques plus fluides et plus naturelles, grâce aux récentes avancées en matière de deep learning.
En août 2017, l’équipe Siri dévoilait les techniques utilisées pour créer la nouvelle voix américaine, subtil mélange de voix humaines et de calculs informatiques. « La première phase consiste à trouver des acteurs professionnels dont la voix est à la fois plaisante et intelligible, et correspond à la personnalité de Siri », expliquait-elle : « afin de saisir une partie de la grande variété du langage humain, nous avons d’abord besoin d’enregistrer 10 à 20 heures de discours dans un studio ».
Au lieu de suivre l’approche traditionnelle qui consiste à enregistrer des phonèmes ou des morphèmes, Apple fait enregistrer « des livres audio et des instructions de navigation » ou « des réponses à des blagues ». Ces enregistrements sont découpés et recombinés pour former de nouvelles phrases. Les ingénieurs de l’équipe Siri sortent ensuite l’artillerie lourde pour former, à l’aide de techniques de deep learning basées sur l’utilisation de réseaux de neurones artificiels et l’exploitation de modèles de mélange, une voix de synthèse.
La nouvelle voix française devrait, selon toute vraisemblance, être formée d’une manière similaire. Reste à savoir quand elle sera disponible : une source justifiait ces nouveaux enregistrements par la commercialisation prochaine du HomePod en France, une autre parle d’un travail « encore en cours », une troisième répond simplement « bientôt ». Disons « bientôt », donc.
