YouTube vient de présenter un nouvel outil d’intelligence artificielle baptisé « Dream Track », qui se promet de révolutionner la création musicale sur sa plateforme. Développé avec la collaboration de neuf artistes, ce dispositif permet de générer automatiquement des pistes musicales de 30 secondes avec la voix de ces artistes, simplement à partir d’une invite textuelle ou d’un air fredonné. Le service génère ensuite des paroles, une piste d’accompagnement et une voix artificielle très proche de celle de l’artiste. Outre Demi Lovato et Charlie Puth, on trouve dans le groupe Alec Benjamin, Charli XCX, John Legend, Papoose, Sia, T-Pain et Troye Sivan.
Le choix de la durée, à travers la plate-forme Shorts de Youtube, permet à la filiale de Google de venir marcher sur les plates-bandes de TikTok. YouTube a également présenté d’autres outils d’IA qui permettent de construire des pistes sans utiliser d’instrument : elles transforment un fredonnement en solo de saxophone ou un beatboxing en boucle de batterie.
Ces outils d’IA sont propulsés par le modèle de génération musicale « Lyria » de DeepMind, filiale de Google. Ils portent un filigrane « SynthID » inaudible à l’oreille nue, préservé même après modification du fichier audio, permettant d’identifier son origine artificielle.
La révélation de ces outils intervient peu après l’annonce par YouTube de nouvelles directives de contenu sur les deepfakes, qui visent à protéger ses partenaires dans l’industrie musicale. C’est eux qui pourront transformer le pilote en filon. Depuis la rentrée, Youtube a présenté plusieurs fonctionnalités basées sur l’IA générative, allant d’outils de conversation à des fonctionnalités pour les créateurs, comme des arrière-plans photo et vidéo (lire Qant du 25 septembre et du 8 novembre).
Haute tension
Or, l’annonce de Youtube arrive dans un contexte de plus en plus tendu. Par exemple, le responsable audio de Stability AI, Ed Newton-Rex, vient de démissionner. Le compositeur et pionnier de l’IA musicale (lire Qant du vendredi 25 août) fait état de désaccords avec la start-up britannique, qui propose des modèles de diffusion en open source, sur l’utilisation de matériel soumis au droit d’auteur.
Ed Newton-Rex a souligné sur Twitter que les données utilisées pour entraîner les modèles d’IA peuvent concurrencer les œuvres originales, remettant en question la légitimité de leur utilisation. La perspective de modèles open source capables d’imiter la voix de quiconque aggrave évidemment la question. Mais le problème s’étend bien au-delà.
La victoire des populistes pro-russes aux élections slovaques en octobre a par exemple été attribuée, au moins partiellement, à un deepfake audio qui circulait sur les réseaux sociaux (lire Qant du 12 octobre). D’autres utilisations de la technologie, plus prosaïques, sont tout aussi menaçantes. “Le directeur financier d’une banque nous a soumis récemment le cas d’un message avec la voix de son président, lui demandant d’envoyer un virement à un compte particulier” confiait récemment à Qant Derek Manky, vice-président et Chief Security Strategist de la société de cybersécurité Fortinet.
Vin vieux, chanson nouvelle.
Pour en savoir plus :
Source archive Kessel : https://qant.kessel.media/posts/pst_f53d7d0392f64478ae46533eb4a3a9c9
