Casques AI innovants : traduction simultanée et voix spatialisées pour briser les barrières linguistiques

Des casques AI révolutionnaires pour la traduction simultanée en 3D sonore

Imaginez-vous dans un musée à l’étranger, entouré de plusieurs personnes parlant des langues différentes. Comment comprendre chaque intervenant sans créer de confusion ? C’est ce défi que s’est attaqué récemment une équipe de chercheurs de l’Université de Washington, avec le développement d’un casque audio intelligent capable de traduire plusieurs interlocuteurs en simultané.

Un défi réel dans les espaces publics

La traduction instantanée est un domaine en pleine évolution, pourtant la plupart des solutions actuelles peinent à gérer le bruit ambiant ou plusieurs locuteurs en même temps. Par exemple, les lunettes traductrices de Meta ne fonctionnent qu’avec un locuteur isolé, proposant une voix automatisée après que la personne a fini de parler. Cela limite considérablement l’expérience, notamment dans des espaces publics où plusieurs conversations se croisent.

La technologie Spatial Speech Translation

Pour dépasser cette limite, l’équipe dirigée par Tuochao Chen a conçu un système innovant baptisé Spatial Speech Translation. Il s’agit d’un casque antibruit standard équipé de microphones qui, grâce à des algorithmes sophistiqués, identifient simultanément plusieurs locuteurs, suivent leurs déplacements dans l’espace et conservent les particularités de leurs voix.

Le dispositif traduit en temps réel, avec un léger délai de 2 à 4 secondes jugé optimal par les utilisateurs lors des tests. Cette prouesse permet à l’auditeur d’entendre chaque personne dans sa direction d’origine, avec la tonalité et le volume propres au locuteur, recréant ainsi une experience sonore naturelle en 3D.

Fonctionnement et innovations clés

Concrètement, la technologie détecte d’abord le nombre de personnes qui parlent dans un espace, qu’il soit intérieur ou extérieur, en scannant à 360 degrés comme un radar. Ensuite, elle traduit leurs paroles en temps réel sans recourir au cloud, garantissant ainsi une protection optimale de la vie privée.

Enfin, le système maintient un suivi permanent même si les locuteurs bougent la tête, ce qui est essentiel pour conserver une spatialisation cohérente du son. Cette innovation a été présentée lors de la conférence ACM CHI 2025 au Japon, avec un code source disponible pour permettre à d’autres chercheurs ou développeurs de s’appuyer dessus.

Tests et perspectives d’évolution

Les essais menés en conditions réelles ont démontré la robustesse du système dans divers environnements et langues (espagnol, allemand, français). Les utilisateurs ont préféré un délai de traduction de 3 à 4 secondes, car un délai plus court accroissait les erreurs.

Les chercheurs travaillent aujourd’hui à améliorer la rapidité tout en étendant la capacité du système à gérer des langages plus spécialisés et techniques. Plus de 100 langues pourraient être intégrées à terme, ouvrant des perspectives majeures pour faciliter le dialogue interculturel au quotidien.

Tuochao Chen résume ainsi l’impact attendu : « Ce casque représente un grand pas vers la suppression des barrières linguistiques. Même sans parler la langue locale, on peut comprendre qui dit quoi, et ainsi mieux communiquer. »

👉 Source ici

A lire ensuite