Daniel di Meglio : Enfin un logiciel qui lit le grec ancien à haute voix !

► ὁ λύχνος n° 151, novembre 2018, article dix.

Lorsque j’ai rencontré Christian Boudignon, le rédacteur en chef de la revue Lychnos, pour la première fois en 2013 et que je lui ai parlé de mes projets informatiques dédiés à la langue de Platon, il m’avait rapidement fait part de son souhait de voir un jour un logiciel pour la synthèse vocale du grec ancien. D’ailleurs, ce fut l’objet de nos premiers échanges épistolaires.Par la suite, j’ai mis au point deux applications. La première permettait d’utiliser une voix de synthèse française avec un mode de lecture inspiré d’une approche partiellement érasmienne souvent utilisée dans l’enseignement. Le ressort du programme reposait sur un système de translitération et le résultat pouvait apparaître guère satisfaisant eu égard au but fixé. La seconde application fonctionnait avec une voix grecque moderne, sachant que ces voix artificielles, pour la plupart prévues pour le démotique, ne gèrent pas le grec polytonique. Pour contourner cette difficulté, le logiciel émondait le texte d’un certain nombre de signes diacritiques inusités de nos jours pour ne conserver que le seul accent aigu et le substituait au circonflexe si nécessaire. Cette approche a davantage séduit Christian. Cependant, je gardais à l’esprit son idée première et souhaitais aller plus loin pour tenter de concevoir un programme basé autant que possible sur la prononciation restituée du grec ancien. Il y a quelques mois j’ai mis au point une application nommée Artistomos avec l’ambition très modeste de nous approcher de notre objectif premier.

L’idée d’une synthèse vocale pour le grec ancien n’est pas nouvelle. Elle a fait l’objet de quelques études et tentatives. A ma connaissance, l’entreprise la plus ambitieuse en la matière est le Progetto Leggere menée en Italie, dont le but est de rendre accessible les sources et les études helléniques à ceux qui souffrent de déficiences visuelles (cette question est l’une des principales raisons qui m’a motivé). Il s’agit d’un projet d’envergure mené sur plusieurs années et qui a eu entre autres promoteurs le professeur Camillo Neri. Le Progetto Leggere s’est particulièrement appuyé sur le programme eSpeak. Ce dernier est téléchargeable avec son code source; il est donc susceptible d’évoluer au gré de sa communauté de développeurs et au fil du temps il s’est enrichi de plusieurs voix. Ceux qui désirent aller plus avantavec le Progetto Leggere pourrontavec profit lire l’étude qui en est faite dans le livre de Silvia Gianferrari : “Classical Philology – From Sign to Meaning” aux éditions Scholars’ Press. L’ouvrage s’adresse à un public motivé car il aborde le sujet de façon extrêmement technique et il est précisé en préface qu’il est issu de la thèse de doctorat soutenue par l’auteur à l’université de Bologne en 2014.

Mon programme Artistomos est basé sur le composant logiciel issu de mon projet Exeuresis qui sert de pierre angulaire à tous mes travaux numériques pour le grec ancien.De prime abord, dans le cadre d’une application qui fait usage de la synthèse vocale, il est nécessaire de choisir une technologie qui donne accès à un synthétiseur vocal accompagné d’un kit de développement qui contient toutes les fonctions programmatiques nécessaires à son exploitation. Par conséquent, ce qui fonctionne avec tel synthétiseur vocal ne fonctionnera pas forcément avec un autre. Ainsi, le Progetto Leggereest lié à eSpeak évoqué plus haut.Pour ma part, je souhaitais qu’Artistomos ne fût pas irrémédiablement lié à un seul et unique synthétiseur vocal. Pour passer outre cette contrainte, il a fallu trouver un dénominateur commun entre les différents synthétiseurs. J’ai eu recours pour cela au langage SSML. Celui-ci permet par un jeu d’instructions de piloter le synthétiseur vocal en lui fournissant des indications sur la prosodie ou encore la prononciation du texte à énoncer. Le fait est que les commandes SSML sont, à divers degrés, reconnues par la plupart des synthétiseurs vocaux. On pourrait dire que si le synthétiseur est l’instrument de musique, le code SSML en est la partition.

Concrètement, l’exécution d’Artistomos se déroule en trois phases, les deux premières se situant en amont du rendu final par le synthétiseur. La première étape consiste en une segmentation du texte en trois unités linguistiques: phrases, mots et syllabes. La césure entre les phrases se fait grâce aux signes de ponctuation. Après que les mots sont divisés en syllabes, les quantités vocaliques sont évaluées à partir de certaines règles. Idéalement, pour automatiser pleinement cette tâche, il faudra coupler le programme à une base de données lexicographiques. Pour l’heure, l’usager peut venir au secours du programme et indiquer la quantité vocalique de n’importe quelle syllabe. Par ailleurs, les données issues de la fragmentation du texte peuvent être sauvegardées dans un fichier XML,un format largement répandu et réutilisable dans d’autres applications. La seconde phase est consacrée à la production du code SSML à partir du balisage du texte précédemment effectué. Ce code va notamment contenir les indications accentuelles ainsi que la valeur des phonèmes en alphabet phonétique international. Là encore, le script SSML généré peut être sauvegardé et pourrait être testé avec d’autres logiciels de synthèse vocale, ce qui a motivé mon choix du langage SSML comme plaque tournante de l’application. Pour finir, la dernière étape consiste en l’envoi du code SSML au synthétiseur de vocal pour la production du signal sonore. Travaillant sur PC, j’ai opté pour un synthétiseur fourni par Microsoft. J’avais le choix entre trois possibilités: les voix basées sur l’interface SAPI que l’on trouve dès Windows XP jusqu’à Windows 10. Elles ont l’avantage d’être présentes nativement dans le système mais ne donnent pas de résultats satisfaisants avec le SSML.Elles sont cependant utilisables dans Artistomos ;je pouvais me tourner vers la récente interface de synthèse vocale de Windows10 qui, dans la mise à jour d’avril 2018, s’est vue augmentée d’une nouvelle voix pour le grec moderne (il n’y avait rien de tel auparavant). Je n’ai pas retenu cette option car Artistomos eût été inutilisable sur les versions plus anciennes de Windows et pour ne rien regretter, les tests effectués avec la voix grecque Stefanos, sur laquelle j’avais fondé de grands espoirs, ont été décevants. En dernier lieu, je pouvais me tourner vers une technologie deMicrosoft relativement ancienne et un peu tombée aux oubliettes, appelée Microsoft Speech Platform. Après réflexion, elle s’est révélée la solution idoine; gratuite, elle fonctionne sur la plupart des versions Windows. De plus, MicrosoftSpeech Platform offre une large palette de pas moins vingt-six voix qui restituent très correctement les instructions SSML. Pour ce qui est du grec ancien, la palme revient selon moi à Heidi, la voix féminine finlandaise. Un petit bémol cependant: la qualité d’échantillonnage de ces voix est inférieure à celle des deux autres systèmes cités précédemment.

Figure 1 – interface principale d’Artistomos

Artistomos est non seulement un programme de lecture mais aussi d’étude qui permet de d’appliquer différents réglages afin de modifier le comportement du synthétiseur vocal grâce à la boite de dialogue d’options. Elle se compose de trois onglets. Le premier concerne la prosodie; l’utilisateur peut ainsi déterminer la durée du temps d’arrêt de la voix après chaque signe de ponctuation, exprimée en millisecondes lorsque la voix parle à un débit normal(les silences s’allongent d’autant plus que l’on ralentit le débit de la voix).Il est possible d’ajouter un temps d’arrêt entre chaque mot, ce qui peut se révéler utile si l’on fait écouter le texte à des personnes malvoyantes ou aveugles. Le second onglet est dédié aux consonnes. Pour certaines, il est permis d’adopter la prononciation du grec moderne dans le cas où, selon le synthétiseur et la voix utilisés, cela se révèle plus pratique  et agréable à l’oreille. Le dernier onglet est sûrement le plus intéressant car il est consacré aux voyelles. Ici, l’utilisateur déterminera la valeur de l’accent de hauteur en termes de demi-tons sur une échelle allant de zéro à douze. La valeur par défaut est fixée à sept soit une quinte en s’inspirant des recommandations du grammairien grec Denys d’Halicarnasse. En sus du curseur destiné à la tonalité de l’accent, se trouvent deux boutons consacrés aux quantités vocaliques; l’un correspond à un allongement très marqué de la voyelle longue par rapport à la brève et l’autre à un allongement moindre pour éviter un déséquilibre lorsque l’on ralentit le débit de la voix. La dernière section du tableau de bord des voyelles est affectée à leur articulation.Chaque voyelle peut être librement associée à un phonème parmi ceux placés sur la figure dite du triangle vocalique qui représente les voyelles selon leur degré d’aperture. Cette fonction, très puissante, ne marche pas totalement avec le synthétiseur actuel; elle a été implémentée dans l’espoir de donner toute sa mesure avec un synthétiseur plus puisant dans l’avenir. Enfin, la dernière fonctionnalité d’Artistomos autorise la représentation du texte sous forme arborescente. Le dendrogramme ainsi créé peut être déployé au niveau de la phrase, du mot ou de la syllabe pour pouvoir évaluer finement le rendu des sons produits par la voix de synthèse.

Figure 2 – tableau de bord des voyelles

Figure 3 – vue arborescente du texte

A l’heure du bilan, il faudra mesurer l’écart entre d’une part une modélisation algorithmique de données linguistiques et d’autre part ce qu’a généré la machine. Je suis conscient que le code SSML peut être notablement amélioré, mais le synthétiseur de Microsoft actuel ne peut pas suivre. Ceux qui désireraient se faire une idée concrète d’Artistomos trouveront des informations supplémentaires en notes infrapaginales, à commencer par un lien vers une chaîne YouTube[1] toute récente qui contient une vidéo de démonstration à partir d’un court extrait de la Cyropédie de Xénophon, lu de façon lente pour bien suivre le texte. J’ajoute le lien vers mon site internet[2] pour télécharger le programme ainsi qu’un lien pour télécharger le Microsoft Speech Platform[3](et préférentiellement la voix Heidi finlandaise). L’interface d’Artistomos est quelque peu austère. Pour l’essentiel il faut charger un texte au formatRTF grâce au bouton Open et appuyer sur le bouton Parse pour accéder à la lecture et à l’enregistrement.

Le Bailly abrégé définit ἀρτίστομος (artistomos) comme “qui prononce bien, qui articule nettement”. Pour l’instant, c’est une promesse et peut-être que la prochaine mouture du logiciel permettra de faire un pas de plus vers l’objectif à atteindre.

Daniel Di Meglio, bibliothécaire

contact@exeuresis.com

---

[1] https://youtu.be/Sm7-AzpUUUQ

[2] http://www.exeuresis.com/

[3] https://www.microsoft.com/en-us/download/details.aspx?id=27225

---

---