AWS a rendu le clonage vocal généralement disponible dans Amazon Polly, mais l’accès dépend du compte. La fonctionnalité crée une voix synthétique à partir d’enregistrements d’une personne qui a accepté d’être clonée. Les entreprises peuvent ensuite utiliser cette voix pour générer des contenus audio destinés à des systèmes téléphoniques, des applications, des jeux, des cours et d’autres usages, sans avoir à enregistrer chaque nouvelle réplique en studio.
AWS indique que la création d’une voix est gratuite, mais que la génération de parole avec une voix clonée est facturée à l’usage. La fonctionnalité est lancée en anglais, espagnol, allemand, français, italien, portugais et hindi. Une voix clonée ne parle que la langue utilisée dans ses enregistrements ; AWS précise que les accents autres que ceux des lieux d’enregistrement qu’il a testés le sont moins.
Comment fonctionne le clonage
Les clients soumettent de un à 10 enregistrements, pour une durée totale maximale de 15 minutes. AWS recommande de deux à 10 minutes de parole naturelle, enregistrée par une seule personne dans une pièce calme. La création d’une voix prend généralement cinq à 10 minutes et s’effectue en arrière-plan. Une fois la voix prête, les développeurs peuvent l’utiliser avec les outils de génération vocale de Polly, notamment pour produire des fichiers audio plus longs enregistrés dans Amazon S3.
La fonctionnalité n’est pas activée automatiquement pour tous les clients. AWS indique que certains clients Polly y ont déjà accès ; les autres peuvent contacter leur équipe de compte AWS ou en faire la demande. Elle est proposée dans les Régions AWS compatibles avec le moteur génératif de Polly, notamment la Région US GovCloud. La limite initiale est de 10 voix clonées par compte dans chaque Région.
Consentement et contrôle intégrés au processus
Lors de la création d’une voix, le client doit confirmer qu’il a obtenu le consentement de la personne concernée. AWS indique qu’il ajoute un filigrane aux paroles générées avec des voix clonées, supprime sa copie des enregistrements sources une fois la voix créée et n’utilise pas ces enregistrements pour entraîner les modèles Polly. Les données de la voix créée sont chiffrées et conservées jusqu’à leur suppression par le client.
Une voix clonée n’est disponible que dans le compte AWS et la Région où elle a été créée. Les titulaires du compte peuvent contrôler quels utilisateurs et services sont autorisés à l’utiliser, et la supprimer. Pour rendre une voix disponible dans une autre Région ou un autre compte, les clients doivent la recréer à partir des enregistrements et s’assurer que le consentement de la personne couvre chaque copie.
AWS destine cette fonctionnalité, entre autres, aux messages de service client cohérents et aux narrations qui peuvent être révisées sans avoir à réserver une nouvelle séance d’enregistrement. L’entreprise recommande toutefois d’écouter la voix avec ses propres scripts avant de l’utiliser : les noms et les chiffres peuvent nécessiter des essais, et un même texte peut être prononcé légèrement différemment d’une requête à l’autre.
Pourquoi c'est important
Pour les entreprises qui utilisent Polly dans leurs services téléphoniques ou leurs applications, cette fonctionnalité pourrait leur permettre de modifier leurs messages audio tout en conservant une voix cohérente. L’accès est soumis à autorisation ; les entreprises doivent aussi obtenir le consentement de la personne concernée et tester la parole générée avec leurs scripts avant de l’utiliser.