Microsoft accélère la voix générative et clone une voix en quelques secondes
— AUDIOVISUEL
Trois modèles Microsoft transcrivent et génèrent de la voix en une fraction de seconde, avec un clonage vocal activable depuis un échantillon très court. Le sous-titrage et le doublage gagnent une vitesse d'exécution inédite, au prix d'une concurrence qui va tirer les tarifs vers le bas sur ces prestations.
Une transcription qui commence avant la fin de la phrase, une voix clonée en quelques secondes, un prix par million de caractères affiché noir sur blanc : Microsoft structure sa gamme vocale comme un argumentaire de vente, et le marché du doublage et du sous-titrage va le lire comme tel.
Pour un monteur ou un responsable post-production qui gère des sous-titres multilingues, la promesse change concrètement l'étape de calage. Une transcription qui se corrige au fil de l'audio, sur 60 langues avec détection automatique, réduit le temps passé à resynchroniser du texte approximatif. Le clonage vocal à partir de quelques secondes de référence ouvre aussi la porte à des versions localisées d'une voix off sans reprise de tournage, avec un changement d'accent géré par le modèle selon la langue cible.
Le tarif de lancement à 0,54 dollar de l'heure d'audio pour la transcription dit où se joue la bataille réelle. Ce prix d'appel, valable jusqu'à la fin de l'année, vise à faire basculer des volumes de sous-titrage vers Microsoft avant que la concurrence ajuste ses propres grilles. Pour une agence qui facture du sous-titrage au forfait, cette ligne de coût en amont devient négociable à la baisse dans les mois qui viennent.
La comparaison de vitesse mise en avant, deux fois plus rapide que le concurrent le plus proche, sort des mesures internes de Microsoft. Un studio qui compare sérieusement ces outils gagnerait à rejouer ses propres tests sur ses contenus avant d'ajuster un devis ou un planning de livraison.
Les mécanismes de consentement annoncés pour limiter les clonages non autorisés restent à l'état de principe tant qu'aucun protocole concret n'est détaillé. Pour un producteur qui clone la voix d'un comédien sous contrat, la question du périmètre d'autorisation va se négocier avant chaque usage, pas après.
Ce paquet de modèles entre directement dans le quotidien des métiers du son à l'image, du sous-titrage rapide au doublage multilingue à bas coût. La vraie bascule arrivera quand les clients commenceront à comparer les devis entre une prestation humaine et un clonage vocal facturé au caractère.