Eloquens, communément connu sous l'alias Er Finestra, est un logiciel de synthèse vocale dont la première version a été publiée en 1993 par le centre de recherche italien CSELT. Il détient la distinction d'être le premier logiciel commercial de synthèse vocale capable de parler italien, marquant une étape importante dans l'application des technologies de apprentissage automatique et de réseaux neuronaux à la génération vocale.
Le logiciel a été construit en utilisant la technologie des diphones, une approche conçue pour atteindre une efficacité computationnelle élevée tout en produisant une parole intelligible. Bien que la voix résultante ait conservé une qualité quelque peu « robotique », elle était notablement plus naturelle que la génération précédente de synthèse vocale implémentée dans le système MUSA antérieur de CSELT. Cette avancée technologique a positionné Eloquens comme un outil pionnier dans le domaine de la IA générative appliquée à l'audio.
Développement et technologie
Eloquens a été le premier produit commercial développé par CSELT dans le domaine de la technologie vocale, issu de années de recherche en traitement et synthèse de la parole. La méthode basée sur les diphones utilisait des unités de parole concaténées pour générer des énoncés, permettant un équilibre entre qualité et exigences de traitement. Cette approche a été détaillée dans un article de 1993 présenté à la 3e Conférence européenne sur la technologie de la communication vocale, rédigé par des chercheurs de CSELT, dont Marcello Balestri, Stefano Lazzaretto, Pier Luigi Salza et Stefano Sandri, intitulé « The CSELT system for Italian text-to-speech synthesis ». Les techniques sous-jacentes ont ensuite informé les avancées dans les modèles séquence-à-séquence et les mécanismes de attention croisée utilisés dans les applications modernes de grands modèles de langage.
Applications dans les services publics
Dans ses premières années, Eloquens a été déployé dans plusieurs applications pratiques à travers l'Italie. Il était utilisé pour lire automatiquement les horaires dans les gares ferroviaires italiennes, fournissant aux passagers des informations d'horaires en temps réel via des annonces vocales synthétisées. Le logiciel alimentait également des services téléphoniques exploités par Telecom Italia, notamment un service d'annuaire automatisé permettant aux utilisateurs de récupérer des informations de contact via une interaction vocale. Ces déploiements, documentés dans des recherches telles que l'article de 2000 « Field trials of the Italian Arise train timetable system » de Paolo Baggia et ses collègues, ont démontré la viabilité de la synthèse vocale dans des environnements réels à forte utilisation.
En 1997, Eloquens avait évolué pour servir de brique de base, spécifiquement un module de synthétiseur, dans des systèmes de dialogue plus complexes. Cette intégration a marqué un premier exemple de combinaison de la sortie vocale avec la technologie de réponse vocale interactive, un précurseur des agents conversationnels modernes entraînés par RLHF.
Er Finestra et Radio DeeJay
Le logiciel a gagné une reconnaissance populaire généralisée à l'été 2001 lorsqu'il a été adopté par la station de radio italienne Radio DeeJay. La station a utilisé Eloquens comme voix d'un personnage nommé Er Finestra, une personnalité comique qui est devenue un pilier de leur programmation. La popularité du personnage a conduit à la publication d'une version modifiée du logiciel en 2002 pour Windows par un utilisateur connu sous le nom de DaNieLz, qui l'a distribuée sous le nom Er Finestra.
Cette version mise à jour présentait un thème d'interface utilisateur personnalisé incorporant le logo de Radio DeeJay et ajoutait de nouveaux mots et symboles aux fichiers de prononciation internes. Cependant, le moteur vocal de base et la fonctionnalité restaient identiques à l'Eloquens original. La version Er Finestra est devenue la version la plus célèbre du programme car elle pouvait être installée sur les systèmes d'exploitation Windows sans complications, la rendant accessible à un large public.
Héritage et usage moderne
Eloquens et sa variante Er Finestra sont désormais distribués en tant que freeware, préservant leur disponibilité pour les passionnés et les créateurs. Dans l'usage contemporain, le logiciel est généralement utilisé pour générer des commentaires parlés dans de nombreuses vidéos YouTube et pour exprimer les performances de personnages fictifs. Cette adoption populaire a maintenu la pertinence du logiciel des années après son développement initial, soulignant un créneau durable pour les outils légers de synthèse vocale.
Le développement d'Eloquens a également contribué à l'évolution plus large de la technologie vocale, influençant des projets ultérieurs et des spin-offs tels que Loquendo, une entreprise qui a ensuite commercialisé des produits de synthèse avancés. L'expérience de CSELT, documentée dans des publications comme l'article de 1995 « Interactive voice technology at work: The CSELT experience » de Roberto Billi et ses collègues, a fourni des perspectives fondamentales qui ont informé les travaux ultérieurs en synthèse de la parole et dans les systèmes interactifs.
Contexte technique et de recherche
Les principes de conception d'Eloquens, en particulier son accent sur la augmentation de données et la modélisation acoustique efficace, étaient innovants pour son époque. La capacité du logiciel à fonctionner sur du matériel limité sans sacrifier l'intelligibilité était un facteur clé de sa viabilité commerciale. Les chercheurs de CSELT ont également exploré des applications spécialisées, telles que le service d'annuaire inversé automatique décrit dans un article IEEE de 1998 par Luciano Nebbia, Silvia Quazza et Pier Luigi Salza, qui utilisait la synthèse vocale pour lire à haute voix les numéros de téléphone et les informations sur les abonnés.
Ce travail pionnier en synthèse vocale italienne a précédé l'adoption généralisée des techniques d'apprentissage profond telles que les architectures de réseaux résiduels et la normalisation par lots, s'appuyant plutôt sur des méthodes phonétiques et concaténatives établies. Bien qu'il ait été supplanté par des systèmes plus avancés, Eloquens reste un exemple notable de intelligence artificielle précoce déployée dans une technologie destinée aux consommateurs, comblant le fossé entre les laboratoires de recherche et l'usage quotidien.