Amazon Polly lance le clonage vocal : une voix unique pour votre marque
Amazon Web Services a annoncé la disponibilité générale du clonage vocal dans Amazon Polly, son service de synthèse vocale, sous la forme d'un déploiement à accès contrôlé. Le principe est simple : il suffit de fournir à Polly quelques minutes d'enregistrements d'un locuteur ayant consenti à ce que sa voix soit clonée pour obtenir une voix synthétique personnalisée. Ces voix reposent sur le moteur génératif de Polly, qui offre un niveau de naturel et de précision comparable aux autres voix génératives du service. Sept langues sont prises en charge au lancement : anglais, espagnol, allemand, français, italien, portugais et hindi. Chaque voix clonée ne parle que la langue dans laquelle elle a été enregistrée. Les voix sont chiffrées automatiquement et protégées par un contrôle d'accès, de sorte que seul le client qui les a créées peut les utiliser. La fonction est disponible dans toutes les régions AWS compatibles avec le moteur génératif, y compris AWS GovCloud (US). Certains clients y ont déjà accès, les autres doivent contacter leur équipe de compte AWS ou déposer une demande. La création d'une voix est gratuite, l'utilisation étant facturée à l'usage.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
Pour les entreprises, l'enjeu est de pouvoir bâtir une identité sonore unique sans retourner en studio à chaque modification de script. AWS met en avant plusieurs usages : une voix de marque cohérente sur les serveurs vocaux interactifs, les agents vocaux, les applications mobiles, les annonces en magasin, la publicité et les objets connectés ; des centres de contact capables de mettre à jour leurs messages d'accueil, de routage ou de notification au gré des offres et des politiques commerciales ; la production à grande échelle de livres audio, de cours, de podcasts, de personnages de jeux vidéo et de vidéos par les créateurs, éditeurs et studios. L'accessibilité et la personnalisation sont également citées, avec des voix plus naturelles pour les outils de lecture et d'assistance. Les démonstrations publiées illustrent ces cas : un responsable scientifique d'AWS transformé en personnage non joueur, le Chief Evangelist Jeff Barr lisant une phrase qu'il n'a jamais enregistrée, ou encore une voix de ligne d'assistance annonçant l'expédition d'une commande.
Ce lancement s'inscrit dans la course des grands acteurs du cloud à proposer des voix synthétiques de plus en plus réalistes, un domaine où le clonage soulève des questions d'usurpation d'identité et de consentement. AWS répond en limitant l'accès, en exigeant que le client confirme le consentement du locuteur à chaque création de voix et en isolant chaque voix clonée au profit de son seul propriétaire. Pour les déploiements multilingues, l'entreprise recommande de créer et de valider une voix approuvée par langue plutôt que de compter sur un locuteur unique parlant plusieurs idiomes. L'extension du programme au-delà des clients présélectionnés, l'ajout éventuel de nouvelles langues et la réaction des régulateurs face aux usages de la voix synthétique seront les points à suivre.
Le français figure parmi les sept langues prises en charge, ce qui permet aux entreprises françaises et européennes de créer une voix de marque, sous réserve d'un accès contrôlé et du consentement des locuteurs.