Génération automatique d'audio

Définition

Branche de l'intelligence artificielle dont le but est de produire de l'audio, comme du son, de la musique ou une voix, à partir de représentations informatisées symboliques, apprises (et résultant d'un apprentissage automatique), ou encore 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 aussi 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