Shizuku AI fait parler un modèle pendant qu'un autre cherche en coulisse
— AUDIOVISUEL
L'assistant vocal japonais Shizuku AI confie la conversation à un modèle et la recherche web à un second, qui travaille pendant que le premier continue d'écouter. L'avatar Live2D reçoit les mêmes instructions de mouvement, et c'est là que le projet touche un vrai métier de production.

Un avatar qui parle pendant qu'un autre modèle fouille le web en arrière-plan, c'est la promesse de Shizuku AI. Dans sa démonstration sur un voyage à Kyoto, le personnage commente une idée, annonce qu'il va chercher des options, et la recherche prend 7,1 secondes. Pendant ce délai, l'interlocuteur peut préciser sa demande sans tomber sur un silence gênant.
Ce découpage intéresse directement qui construit des personnages interactifs, animateur de Live2D ou motion designer chargé d'un avatar vivant pour un stand, un kiosque ou un live de marque. Le même système qui gère la voix produit aussi les instructions de mouvement du personnage. Un rigger qui livre un hôte virtuel pour un salon doit désormais penser le silence de recherche comme une scène à part entière, avec un regard qui bouge et un corps qui respire pendant que la machine travaille.
La partie la plus fragile reste la gestion des interruptions. Le modèle distingue mal une voix qui s'adresse à lui d'une voix qui parle à quelqu'un d'autre, avec un taux de reconnaissance qui plafonne à 75 pour cent dans les tests internes. Sur les échanges qui s'étirent sur plusieurs tours, la justesse des réponses décroche nettement face au modèle concurrent d'OpenAI cité dans l'évaluation. Un avatar qui coupe la parole au mauvais moment casse l'illusion plus vite qu'un silence assumé.
Face aux scripts figés qui équipaient jusque là bornes et mascottes virtuelles, ce doublage voix et recherche marque un vrai progrès de présence. La mémoire longue et la finesse d'écoute, elles, restent en retrait par rapport à ce que proposent déjà les gros acteurs américains du vocal.
Pour un studio qui prépare un hôte virtuel destiné à durer plus de cinq minutes d'échange, le test qui compte commence au moment où un client coupe la parole en plein milieu d'une phrase.