Présentation effectuée à la création numérique "Alchimie 13" par Christophe Villeneuve sur "La voix avec Common Voice". 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

1. 06/11/19 1/1
La voix avec Common Voice
@hellosct1
@hellosct1@mamot.fr
Christophe Villeneuve

2. Christophe Villeneuve ?
Consultant
Dresseur animaux Free Software

3. Aujourd’hui
Assistants vocaux
Construire son Assistant
La qualité

4. Assistants vocaux
Construire son Assistant
La qualité

5. 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. Matériels

7. Traitement de la voix
Obligation d’un réseau
– Connecter aux internets
Accès aux services cloud pour pouvoir fonctionner
– Entrainement et transcription gourmands en
calculs
Contraintes
– Souvent laissé à des services tiers en-ligne
– Nécessite beaucoup de données audio avec
texte associé
– Voix personnelle, mais enregistrement parfois
constant

8. Fonctionnement
Assistant vocaux
Requêtes
Résultat
Traitement

9. L’utilisation de la recherche
vocale aujourd’hui
2016 2020
2016 2020
+ 50 % web

10. Aujourd’hui : Un constat
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. Alternative
Raspberry PI
– Respeaker 2 – Mics PI Hat
Arduino
– Movi d’Audème
– Grasp.io
– Voice Recognition
Briques pour Les assistants vocaux
– Common Voice – DeepSpeech de Mozilla

12. 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

13. 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

14. 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

15. Ingredients

16. Assistants vocaux
Construire son Assistant
La qualité

17. Construire son assistant
Import
CC0
Import
CC0
Sentence
Collector
Sentence
Collector
SaisieSaisie

18. Voice.mozilla.org → Parler
https://voice.mozilla.org/speak

19. Voice.mozilla.org → Ecouter
https://voice.mozilla.org/listen

20. 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

21. Collecteur de phrases : Ajouter
https://common-voice.github.io/sentence-collector/

22. Collecteur de phrases : Valider
https://common-voice.github.io/sentence-collector/

24. Heures enregistrées / Heures validées
Qualité ?

25. 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

26. 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

27. 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

28. 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.

29. 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.

30. Matériels

31. Mauvaise compréhension
de l’échantillon
Le matériel « Micro » de mauvaise qualité
Un « brouhaha » empêche la compression

32. Bruit de souffle
Le réglage du micro est mal réglé ou trop élevé
→ Nous obtenons un bruit de souffle

33. Volume faible
Le volume du micro est faible
→ rend l’échantillon incompréhensible

34. 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.

35. 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.

36. 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.

37. Construire son assistant

38. DeepSpeech
Speech To Text
– Voix vers le texte
Text To Speech
– Texte vers la Voix

39. 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/datas
ets

40. La répartition des données
Accent
64% Français de France
3% Français de Belgique
2% Français de Suisse
1% Français du Canada
Âge
< 19 : 4 %
19 - 29 : 24 %
30 - 39 : 21 %
40 - 49 : 17 %
50 - 59 : 5 %
60 - 69 : 6 %
Genre
70 % Masculin
9 % Féminin
Jeux de données vocales disponible
– Contenu officiel https://voice.mozilla.org/fr/datasets

41. Comment fait on ?
Modèles
– https://github.com/mozilla/deepspeech
Languages
– Python / Rust / NodeJS / .Net
Projets locals
– Pas de dépendance aux réseaux
Compatilibité Navigateurs
– Firefox et les autres

42. Projets disponible
Assistants numériques
– Mycroft
– Snips
– Université de Bangor (Pays de Galles)
Assistant personnel
– Leon
Transcription des messages
– FusionPBX

43. https://voice.mozilla.org

44. Alors
Pensez à faire des pauses
Changez vous l’esprit
Un peu de détente

45. Allez plus loin !
Site officiel Common Voice
– https://voice.mozilla.org/
Dépôt Github Francophone Common Voice – DeepSpeech
– https://github.com/Common-Voice/commonvoice-fr
Nous contacter
– Forum Discourse Francophone
• https://discourse.mozilla.org/c/voice/fr

46. Merci
Christophe Villeneuve
@hellosct1
@hellosct1@mamot.fr