Donnez la voix aux machines

Présentation effectuée à Confoo 2020 (27 février 2020) par Christophe Villeneuve sur "Donnez la voix aux machines".
Vous allez voir l'avancé de ces appareils, des projets libres comme Common Voice et DeepSpeech, la qualité des participations et contributions
Consulter le site officiel https://voice.mozilla.org

Transcript

1. Donnez la voix aux machines @hellosct1 @hellosct1@mamot.fr Christophe Villeneuve 27 février 2020
2. Atos open source - afup – lemug.fr – mariadb – drupal – mozilla - firefox – lemugfr - sumo – webextensions – VR – AR – XR - Cause commune 93.1 FM - TechSpeaker - Lizard - eyrolles – editions eni – programmez – linux pratique – webriver – elephpant - CommonVoice – Sécurité - Cybersécurité Christophe Villeneuve ? • Consultant • Dresseur animaux Free Software
3. - @hellosct1 – Aujourd’hui • Assistants numériques • Construire un assistant vocal • La qualité • Comment Contribuer ?
4. - @hellosct1 – Assistants numériques Construire son Assistant La qualité Comment Contribuer ?
5. - @hellosct1 – Assistant numérique : Au service de l’utilisateur • Smartphone • Enceinte connectée • Mixed Reality Souvent utilisé dans des contextes où la voix est plus efficace pour communiquer Que faire avec ?
6. - @hellosct1 – Matériels
7. - @hellosct1 – Le traitement de la voix ? • Obligation d’un réseau – Connecter aux internets – Gourmands en ressources • Accès aux services cloud pour pouvoir fonctionner – Structure lourde – Entrainement et transcription gourmands en calculs • Contraintes – Souvent laissé à des services tiers en-ligne – Nécessite beaucoup de données audio avec texte associé /!\ La voix doit être personnelle
8. - @hellosct1 – L’utilisation de la recherche vocale aujourd’hui 2016 2020 2016 2020 80 % 40 % 60 % 20 % Texte Voix Sur mobile
9. - @hellosct1 – Fonctionnement Assistants vocaux Requêtes Résultat Traitement
10. - @hellosct1 – Aujourd’hui : Le constat sur l’écosystème vocal • Des gros acteurs (4-5) – Dominé par les géants du Web d’aujourd’hui • Difficile d’accès pour les petits acteurs – Développeurs logiciels – Langues et marchés « minoritaires » • Alternative pour outiller la communauté – Emergence d’outils vocaux → Projet Common Voice de Mozilla
11. - @hellosct1 – Alternative • Raspberry PI 3 & + – Respeaker 2 – Mics PI Hat • Arduino – Movi d’Audème – Grasp.io – Voice Recognition • Briques pour Les assistants vocaux – Common Voice – DeepSpeech de Mozilla
12. - @hellosct1 – Assistants vocaux Construire son Assistant La qualité Comment Contribuer ?
13. - @hellosct1 – Ingrédients
14. - @hellosct1 – Construire son assistant Import CC0 Import CC0 Sentence Collector Sentence Collector Saisie Saisie
15. - @hellosct1 – Comment çà marche ? → Parler https://voice.mozilla.org/speak
16. - @hellosct1 – Comment çà marche ? → Ecouter https://voice.mozilla.org/listen
17. - @hellosct1 – Augmenter le corpus de texte : Sentence collector • Proposer et valider de nouvelles phrases – Posséder un compte sur Common Voice. – Identifiez-vous sur le Collecteur de phrases – Avec vos identifiants de Common Voice. Validation des phrases Page → page de validation. Ajouter de nouvelle phrases Page → Ajouter une nouvelle phrase https://common-voice.github.io/sentence-collector/
18. - @hellosct1 – Collecteur de phrases : Ajouter https://common-voice.github.io/sentence-collector/
19. - @hellosct1 – Collecteur de phrases : Valider https://common-voice.github.io/sentence-collector/
20. - @hellosct1 – Common Voice • But – Aider à apprendre aux machines comment les humains parlent vraiment • Destiné à rendre la reconnaissance vocale ouverte et accessible à tout le monde • Objectifs – 10 000 heures de données validées par langue – Mini 2 000 heures → Assistant numérique et voix Common Voice & Deep Speech
21. - @hellosct1 – Objectifs (1/2) • Cassons les barrières de la voix – Accès → peu de gros jeux de données publiquement accessibles – Coût → ticket d’entrée important pour les jeux de données commerciaux, avec des complexités légales – Biais → seuls certains marchés sont bien pourvus
22. - @hellosct1 – Objectifs (2/2) • Collecte de données ouvertes pour l’apprentissage machine • Données : audio et texte correspondant • Diversité – Langues – Accents – Ages – Genres – Qualité sonore • Nous visons 10 000 heures de données validées par langue : https://voice.mozilla.org
23. - @hellosct1 – Construire son assistant
24. - @hellosct1 – DeepSpeech : proposer de la valeur • Des outils – pour produire – Entraîner – Evoluer un modèle de reconnaissance vocale • Un (des) modèle(s) de qualité production – Sous licence libre • Une API pour exploiter le modèle le plus simplement possible
25. - @hellosct1 – DeepSpeech : Un modèle libre • Libre – (ré)-Utilisable – Modifiable et adaptable – Requiert des données sous licence favorable • Local – Favoriser la décentralisation – Simplifier l’intégration – Permettre l’utilisation sur des ‘petits’ systèmes
26. - @hellosct1 – Données ouvertes • Décentraliser les données : plus de pouvoir aux utilisateurs et contributeurs – Facile à obtenir, exploiter – Partage des données – Intégration dans d’autres jeux de données – Outiller les communautés https://voice.mozilla.org/fr/datasets
27. - @hellosct1 – Intégration (1/2) • Plateformes – Linux AMD64 (+ CUDA), ARMv7, Aarch64 – Android ARMv7, Aarch64 – MacOS (AMD64), Windows (AMD64, CUDA) • Langages – C, Python, Java (android), Javascript (nodeJS, ElectronJS) – .Net framework – Rust (Deepspeech-rs) – Go (go-astideepspeech) • Sous-titrage automatique de vidéos sur la plateforme – eSup Pod v2.4 (application Python/Django)
28. - @hellosct1 – Intégration (2/2) • Performance : CPU – Temps réél sur Desktop > 2014 – Temps réél sur Raspberry PI 4 – Temps réél sur Snapdragon 820/835 • Jeux de données compatibles – Lingua libre, TrainingSpeech, CommonVoice, – M-AILABS, African Accented French
29. - @hellosct1 – Assistants vocaux Construire son Assistant La qualité Comment Contribuer ?
30. - @hellosct1 – Mots ajoutés • Les mots ajoutés quand on parle • L’erreur est le mot ‘de’ qui a été ajouté Elle est située dans la zec Louise- Gosford, une aire publique de chasse et de pêche Elle est située dans la zec Louise- Gosford, une aire publique de chasse et de pêche
31. - @hellosct1 – Mots oubliés • Les mots qu’on oublie • L’erreur est le mot ‘de’ qui a été oublié Angel est sur le point de l’interroger mais Wo-Pang se suicide Angel est sur le point de l’interroger mais Wo-Pang se suicide
32. - @hellosct1 – Mots accrochés • Les mots qu’on accroche • La première syllabe du mot ‘Phénicie’ a été accrochée Elle relie le nord de l’égypte à la Phé Phénicie, l’Assyrie et la Mésopotamie Elle relie le nord de l’égypte à la Phé Phénicie, l’Assyrie et la Mésopotamie
33. - @hellosct1 – Lettre(s) oubliée(s) • Les lettres oubliées qui modifient le sens de la phrase • La lettre ‘s’ a été oubliée → la phrase ne veut plus rien dire En conséquence, Durant Motors perdit des parts de marché et des revendeurs. En conséquence, Durant Motors perdit des parts de marché et des revendeurs.
34. - @hellosct1 – Inversion de syllabe • Une syllabe inversée dans un mot • Le môt ‘évêché’ est prononcé « échevé » → qui est une erreur Selon l’échevé de Liège, l’abbé Schoonbroodt ne dispose d’aucun recours. Selon l’échevé de Liège, l’abbé Schoonbroodt ne dispose d’aucun recours.
35. - @hellosct1 – Matériels
36. - @hellosct1 – Mauvaise compréhension de l’échantillon • Le matériel « Micro » de mauvaise qualité • Un « brouhaha » empêche la compression
37. - @hellosct1 – Bruit de souffle • Le réglage du micro est mal réglé ou trop élevé → Nous obtenons un bruit de souffle
38. - @hellosct1 – Volume faible • Le volume du micro est faible → rend l’échantillon incompréhensible
39. - @hellosct1 – Début coupé • le ou les premiers mots ne sont pas enregistrés • L’enregistrement est déclenché trop tard • Les deux premiers ne sont enregistrés → Clavier ou souris appuyé trop tard Puis il affine son plumage et replie les ailes. Puis il affine son plumage et replie les ailes.
40. - @hellosct1 – Echantillon coupé • l’enregistrement de l’échantillon est stoppé avant la fin → Il manque une partie de la phrase Les droits de Gielow sont ensuite rachetés au moment de la Réforme protestante. Les droits de Gielow sont ensuite rachetés au moment de la Réforme protestante.
41. - @hellosct1 – Le dernier mot a été coupé • le ou les derniers mots sont coupés avant la fin de l’enregistrement • La dernière syllabe du mot ‘Montgeroult’ est coupé L’ensemble du groupe scolaire se situe à Montgeroult. L’ensemble du groupe scolaire se situe à Montgeroult.
42. - @hellosct1 – Assistants vocaux Construire son Assistant La qualité Comment Contribuer ?
43. - @hellosct1 – • Heures enregistrées / Heures validées Les différences
44. - @hellosct1 – La répartition des données Accent 59% Français de France 3% Français du Canada 2% Français de Belgique 1% Français de Suisse Âge < 19 : 3 % 19 - 29 : 21 % 30 - 39 : 23 % 40 - 49 : 14 % 50 - 59 : 8 % 60 - 69 : 4 % 70 – 79 : 1% Genre 65 % Masculin 12 % Féminin • Jeux de données vocales disponible (10 décembre 2019) – Contenu officiel https://voice.mozilla.org/fr/datasets
45. - @hellosct1 – Aider le projet ? (1/2) • Common Voice – Parlez-en • Partagez votre voix et valider des échantillons – Utilisez le jeu de données • Faîtes nous des retours – Améliorez le corpus de texte • en proposant de nouvelles phrases (licence CC-0)
46. - @hellosct1 – Aider le projet ? (2/2) • DeepSpeech – Construisez des outils innovants basés sur Common Voice et DeepSpeech • Un assistant numérique local ? • Un système d’identification de locuteur ? • Un système domotique100 % local avec contrôle vocal ? – Contribuez vos changements – Echangez sur vos utilisations pour améliorer l’API
47. - @hellosct1 – Allez plus loin ! • Site officiel Common Voice – https://voice.mozilla.org/ • Github Francophone Common Voice – DeepSpeech – https://github.com/Common-Voice/commonvoice-fr • DeepSpeech – https://github.com/mozilla/DeepSpeech • Nous contacter – Forum Francophone • https://discourse.mozilla.org/c/voice/fr – Forum DeepSpeech • https://discourse.mozilla.org/c/deep-speech
48. - @hellosct1 – Merci Christophe Villeneuve @hellosct1 @hellosct1@mamot.fr