Microsoft donne vie au traducteur vocal de Star Trek

Cela pourrait être la meilleure chose à faire après l'apprentissage d'une nouvelle langue. Des chercheurs de Microsoft ont démontré un logiciel qui traduit l'anglais parlé en chinois parlé presque instantanément, tout en préservant la cadence unique de la voix de l'orateur, une astuce qui pourrait rendre la conversation plus efficace et personnelle.

La première manifestation publique a été faite par Rick Rachid , directeur de la recherche de Microsoft, le 25 octobre lors d'un événement à Tianjin, en Chine. Je parle en anglais et vous entendrez mes mots en chinois dans ma propre voix, a déclaré Rashid au public. Le système fonctionne en reconnaissant les mots d'une personne, en convertissant rapidement le texte en phrases chinoises correctement ordonnées, puis en les transmettant à un logiciel de synthèse vocale qui a été formé pour reproduire la voix du locuteur.

Une vidéo enregistrée par des spectateurs circule sur les réseaux sociaux chinois depuis la manifestation. Rashid a présenté la démonstration à un public anglophone dans un article de blog aujourd'hui qui comprend une vidéo.

Microsoft a présenté pour la première fois une technologie qui modifie la parole synthétisée pour correspondre à la voix d'une personne plus tôt cette année (voir Le logiciel traduit votre voix dans une autre langue). Mais ce système n'était capable de parler que du texte dactylographié. Le logiciel nécessite environ une heure de formation pour être capable de synthétiser la parole dans la voix d'une personne, ce qu'il fait en peaufinant un modèle de synthèse de la parole en stock afin qu'il produise certains sons de la même manière que le locuteur.

AT&T a déjà présenté un système de traduction en direct pour l'espagnol et l'anglais (voir AT&T veut mettre votre voix en charge des applications), et Google est connu pour avoir construit ses propres traducteurs en direct expérimentaux. Cependant, les prototypes développés par ces sociétés n'ont pas la capacité de faire correspondre la parole synthétisée au son de la voix d'une personne.

Le système Microsoft est une démonstration de la dernière technologie de reconnaissance vocale de l'entreprise, qui est basée sur un logiciel d'apprentissage modelé sur le fonctionnement des réseaux de cellules cérébrales. Dans un article de blog sur le système de démonstration, Rashid dit que le passage à cette technologie a permis le saut le plus important dans la précision de la reconnaissance depuis des décennies. Plutôt que d'avoir un mot sur quatre ou cinq incorrect, le taux d'erreur est désormais d'un mot sur sept ou huit, a-t-il écrit.

Microsoft n'est pas le seul à se tourner vers les réseaux de neurones pour améliorer la reconnaissance vocale. Google a récemment commencé à utiliser sa propre technologie basée sur un réseau neuronal dans ses applications et services de reconnaissance vocale (voir Google met sa technologie de cerveau virtuel au travail). L'adoption de cette approche a permis d'améliorer entre 20 et 25 % les taux d'erreur de mots, selon les ingénieurs de Google.

Rashid a déclaré par e-mail au MIT Technology Review que lui et les chercheurs de Microsoft Research Asia, à Pékin, n'avaient pas encore utilisé le système pour avoir une conversation avec quelqu'un en dehors de l'entreprise, mais la manifestation publique a suscité un vif intérêt.

Ce que j'ai vu est une combinaison d'excitation, d'étonnement et d'optimisme quant à l'avenir que la technologie pourrait apporter, dit-il.

Rashid dit que le système est loin d'être parfait, mais note qu'il est assez bon pour permettre la communication là où aucune ne serait autrement possible. Les ingénieurs travaillant sur l'approche basée sur les réseaux neuronaux chez Microsoft et Google sont optimistes quant à la possibilité d'extraire beaucoup plus de puissance de la technique, car elle vient tout juste d'être déployée.

Nous ne connaissons pas encore les limites de la précision de cette technologie, c'est vraiment trop nouveau, dit Rashid. Alors que nous continuons à « former » le système avec plus de données, il semble faire de mieux en mieux.

cacher