Chacun conna\u00eet l\u2019ordinateur qui joue de la musique ou restitue une conf\u00e9rence ou un discours. C\u2019est le principe du fichier \u00ab Audio \u00bb. Mais l\u2019ordinateur qui lit un texte qu\u2019il ne conna\u00eet pas, \u00e0 haute voix, c\u2019est plus complexe.<\/p>\n
Revenons un peut en arri\u00e8re.
\n1) Dans une langue le langage parl\u00e9 pr\u00e9c\u00e8de toujours le langage \u00e9crit. Les humains ont commenc\u00e9 \u00e0 s\u2019exprimer par des borborismes avant de les structurer en langage parl\u00e9, avant de les transcrire sur la pierre ou le papier\u2026 ou sue un &cran.
\n2) Le langage parl\u00e9 est constitu\u00e9 de \u00ab phon\u00e8mes \u00bb, les sons \u00e9l\u00e9mentaires qui combin\u00e9s entre eux peuvent reproduire le son de tous les mots de la langue. Le Fran\u00e7ais d\u2019aujourd\u2019hui est constitu\u00e9 de 37 phon\u00e8mes (16 voyelles, 20 consonnes, 1 silence) pour exprimer les syllabes, les mots, les phrases. Pour transcrire ces phon\u00e8mes sur le papier on a associ\u00e9 \u00e0 chaque phon\u00e8me un \u00ab graph\u00e8me \u00bb, petite image graphique symbolisant le phon\u00e8me. Ce que nous appelons une lettre n\u2019est qu\u2019une image symbolisant un son. C\u2019est un jeu de briques Lego.
\n3) L\u2019ordinateur dans sa m\u00e9moire ne conna\u00eet que deux entit\u00e9s 0 et 1. Il raisonne donc en langage binaire. On a d\u00e9fini une codification qui permet \u00e0 la machine de comprendre les symbole des graph\u00e8mes. A chaque caract\u00e8re symbolisant un graph\u00e8me on associe un num\u00e9ro (code ASCII)
\nPar exemple 2 est n\u00b0 50, A est num\u00e9ro 65, a est num\u00e9ro 97 etc. etc. Pour que l\u2019ordinateur puisse comprendre cette num\u00e9rotation elle doit \u00eatre transcrite en num\u00e9ration binaire \u00e0 l\u2019aide de O ou 1.
\n2, ascii 50 devient 11 00 10
\nA ,ascii 65 devient 1 00 00 01
\na, ascii 97 devient 1 10 00 01
\netc. etc.
\nL\u2019ASCII est \u00e9videmment plus facile \u00e0 retenir pour l\u2019humain que le binaire
\n4) Lorsque vous tapez un 2 sur le clavier de l\u2019ordinateur, celui-ci ne re\u00e7oit pas 2 (qu\u2019il ne pourrai comprendre) mais 11 00 10 qui est beaucoup plus clair pour lui
\nInversement lorsque l\u2019ordinateur doit \u00e9crire 11 00 10 sur l\u2019\u00e9cran il affichera un symbole 2 afin qu\u2019un humain puisse comprendre.
\nRevenons maintenant \u00e0 notre probl\u00e8me. Fournissons \u00e0 notre machine un texte (fichier PDF par exemple pour les initi\u00e9s) nous pensons fournir une suite de lettre alors que dans les faits nous fournissons une suite de nombre binaire repr\u00e9sentant les lettres (totalement incompr\u00e9hensible pour nous, mais que l\u2019ordinateur comprend parfaitement)
\nSi \u00e0 chacun e ces nombres binaires on associe le graph\u00e8me on correspondant obtiendra un texte parfaitement lisible pour nous.
\nSi \u00e0 chacun de ces nombres binaires on associe le phon\u00e8me associ\u00e9 au graph\u00e8me on reproduira le son de la voix qui lit le texte fourni initialement.<\/p>\n
Proc\u00e9d\u00e9
\n1) On conna\u00eet les \u00e9quivalences entre les lettres (graph\u00e8mes) compr\u00e9hensible par l\u2019humain et les nombres binaires compr\u00e9hensibles par la machine.
\n2) On conna\u00eet l\u2019\u00e9quivalence entre les graph\u00e8mes et les phon\u00e8mes
\n3) On fait enregistrer par une voix humaine les 37 phon\u00e8mes de la langue Fran\u00e7aise
\n4) IL peut s\u2019agir d\u2019une voix masculine ou f\u00e9minine, sans accent ou avec un accent Marseillais, Bourguignon, Alsacien, S\u00e9n\u00e9galais ou Vietnamien, avec un d\u00e9bit lent ou rapide, etc. etc. En choisissant la bon ensemble de phon\u00e8mes on pourra faire lire notre texte par un homme, un femme, un Marseillais \u2026
\n5) On fournit \u00e0 la machine un texte litt\u00e9ral qu\u2019il comprend en termes binaires
\n6) Soit il associe chaque nombre binaire au graph\u00e8me correspondant et il reproduit le texte \u00e0 l\u2019\u00e9cran
\n7) Soit il associe chaque nombre binaire au phon\u00e8me correspondant et jouera ces phon\u00e8mes sur un haut-parleur, ce qui donnera l\u2019illusion qu\u2019il lit le texte. Banco, c\u2019est gagn\u00e9 !
\nConclusion
\nCette approche (hyper simplifi\u00e9e) permet \u00e0 un ordinateur de simuler un locuteur qui lit le texte. A ce stade on obtient le genre de parler saccad\u00e9, mono corde qu\u2019on attribuait jadis aux robots de science-fiction. Cela s\u2019appelle la \u00ab Synth\u00e8se vocale \u00bb.L\u2019ordinateur r\u00e9cite mais ne comprend rien \u00e0 ce qu\u2019il dit. C\u2019est \u00e0 ce stade que l\u2019IA va jouer son r\u00f4le. Elle va simuler la compr\u00e9hension du texte, y apporter les intonations voulues, un peu de vie et de chaleur, restituer le \u00ab climat \u00bb du texte. Il interpr\u00e9tera les ponctuations (point final, virgule, point d\u2019exclamation ou d\u2019interrogation) pour cr\u00e9er des silences ou moduler le ton de la voix, il comprendra si on est dans une phase de col\u00e8re, de douceur, de persuasion \u2026 pour modifier l\u2019intonation du phon\u00e8me.. Bref on aura vraiment l\u2019impression d\u2019un humain qui lit un texte<\/p>\n","protected":false},"excerpt":{"rendered":"
Chacun conna\u00eet l\u2019ordinateur qui joue de la musique ou restitue une conf\u00e9rence ou un discours. C\u2019est le principe du fichier \u00ab Audio \u00bb. Mais l\u2019ordinateur qui lit un texte qu\u2019il ne conna\u00eet pas, \u00e0 haute voix, c\u2019est plus complexe. Revenons un peut en arri\u00e8re. 1) Dans une langue le langage parl\u00e9 pr\u00e9c\u00e8de toujours le langage […]<\/p>\n","protected":false},"author":256,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-3351","post","type-post","status-publish","format-standard","hentry","category-gene"],"yoast_head":"\n