Génération automatique d'audio

Définition

Branche de l'intelligence artificielle dont le but est de produire de l'audio (son, musique, voix) à partir de représentations informatisées symboliques, apprises et résultant d'un apprentissage automatique ou hybrides.

Dans le cas particulier d'un dialogue ou d'une conversation entre une personne et un ordinateur, l'opération consiste à produire ou à modifier des contenus audio, en réponse à une requête générative faite à un grand modèle de langues dit modèle multimodal.

Voir synthèse de la parole.

Compléments

En gros, il existe deux approches pour la génération automatique d'audio : 1) l'approche symbolique à base de règles et de gabarits, et 2) une approche statistique ou par apprentissage automatique où la technologie dominante utilise des modèles de langue dits multimodaux qui sont entraînés sur de vastes corpus audio. Il existe également des générateurs d'audio à technologie hybride qui utilisent les deux approches.

Les modèles multimodaux, associés aux robots conversationnels génératifs comme: ChatGPT, Claude ou Gemini, sont capables de générer à la fois des textes, des images ou de l'audio (voix et éventuellement de la musique).

Français

génération / générateur automatique d'audio

génération / générateur d'audio

synthèse texte-audio

Anglais

automatic audio generation / generator

audio generation / generator

AI audio generation / generator

Sources

Source : Université Paris Diderot

Compléments

La génération automatique d'audio est notamment employée pour composer des œuvres musicales en imitant un style donné ou pour produire un énoncé oral en imitant une voix particulière.

La génération automatique de l'audio se fait souvent en utilisant un modèle à bruit statistique.

Il ne faut pas confondre avec le concept de transcription automatique de la parole.

Français

génération automatique d'audio

Anglais

AI audio generation

audio generative AI

Sources

Source : Légifrance

Source : journaldugeek