Données, confidentialité et sécurité pour la synthèse vocale

Important

Les traductions non anglaises sont fournies uniquement pour des raisons pratiques. Consultez la EN-US version de ce document pour obtenir la version définitive.

Cet article fournit des détails sur la façon dont les données que vous fournissez sont traitées, utilisées et stockées par Azure Speech dans Foundry Tools en synthèse vocale. En guise de rappel important, vous êtes responsable de votre utilisation et de l’implémentation de cette technologie et vous devez obtenir toutes les autorisations nécessaires, y compris, le cas échéant, à partir du talent vocal et d’avatar (et, le cas échéant, les utilisateurs de vos intégrations vocales personnelles) pour le traitement de leur voix, de leur image, de leur like et/ou d’autres données pour développer des voix synthétiques et/ou des avatars.

Vous êtes également responsable de l’obtention de licences, d’autorisations ou d’autres droits nécessaires pour le contenu que vous entrez dans le service de synthèse vocale pour générer l’audio, l’image et/ou la sortie vidéo. Certaines juridictions peuvent imposer des exigences légales particulières pour la collecte, le traitement et le stockage de certaines catégories de données, telles que les données biométriques, et imposer la divulgation de l’utilisation de voix synthétiques, d’images et/ou de vidéos aux utilisateurs. Avant d’utiliser du texte pour traiter et stocker des données de n’importe quel type et, le cas échéant, pour créer des modèles de voix neuronales personnalisées, de voix personnelle ou d’avatar personnalisés, vous devez vous assurer que vous êtes en conformité avec toutes les exigences légales qui peuvent s’appliquer à vous.

Important

Si vous utilisez des produits ou services Microsoft pour traiter les données biométriques, vous êtes responsable de : (i) fournir un avis aux personnes concernées, y compris en ce qui concerne les périodes de rétention et la destruction ; (ii) obtenir le consentement des personnes concernées ; et (iii), en supprimant les données biométriques, toutes les conditions appropriées et requises en vertu des exigences applicables en matière de protection des données. Les « données biométriques » auront la signification définie dans l’article 4 du RGPD et, le cas échéant, des termes équivalents dans d’autres exigences de protection des données.

Quelles sont les données traitées par les services de synthèse vocale ?

  • Entrée de texte pour la synthèse vocale. Il s’agit du texte que vous sélectionnez et envoyez au service de synthèse vocale pour générer une sortie audio à l’aide d’un ensemble de voix neuronales prédéfinies ou pour générer un avatar prédéfini qui énoncé l’audio généré à partir de voix neuronales prédéfinies ou personnalisées.

Comment les services de synthèse vocale traitent-ils les données ?

Voix neuronale prédéfinie

Le diagramme suivant illustre la façon dont vos données sont traitées pour la synthèse avec la voix neuronale prédéfinie. L’entrée est du texte et la sortie est audio. Ni le texte d’entrée ni le contenu audio de sortie ne sont stockés dans les journaux de Microsoft.

diagramme de traitement prédéfini des données vocales neuronales.

Voix neuronale personnalisée

Le diagramme suivant illustre la façon dont vos données sont traitées pour la voix neuronale personnalisée. Ce diagramme couvre trois types de traitement différents : comment Microsoft vérifie les fichiers d'accusé de réception enregistrés des talents vocaux avant l’entraînement du modèle neuronal vocal personnalisé, comment Microsoft crée un modèle vocal neuronal personnalisé avec vos données de formation et comment la synthèse vocale traite votre entrée textuelle pour générer du contenu audio.

Comment la voix neuronale personnalisée traite les données

Avatar de synthèse vocale

Le diagramme suivant illustre la façon dont vos données sont traitées pour la synthèse avec un avatar de synthèse vocale prédéfini. Il existe trois composants dans un flux de travail de génération de contenu d’avatar : analyseur de texte, synthétiseur audio TTS et synthétiseur vidéo d’avatar TTS. Pour générer une vidéo d’avatar, le texte est d’abord entré dans l’analyseur de texte, qui fournit la sortie sous la forme d’une séquence phonème. Ensuite, le synthétiseur audio TTS prédit les caractéristiques acoustiques du texte d’entrée et synthétise la voix. Ces deux parties sont fournies par des modèles vocaux de synthèse vocale. Ensuite, le modèle Avatar de synthèse vocale neuronale prédit l'image de synchronisation labiale avec les paramètres acoustiques, afin que la vidéo synthétique soit générée.

Diagramme du flux de données d’avatar de synthèse vocale.

Traduction vidéo

Le diagramme ci-dessous illustre la façon dont vos données sont traitées avec la traduction vidéo. Le client télécharge une vidéo comme entrée pour la traduction vidéo; l'audio du dialogue est extrait, et un système de reconnaissance vocale transcrira l'audio en contenu texte. Ensuite, le contenu texte sera traduit dans le contenu de la langue cible et, à l’aide de la fonctionnalité de synthèse vocale, l’audio traduit sera fusionné avec le contenu vidéo d’origine comme sortie vidéo.

Diagramme du flux de données de traduction vidéo.

Il n’existe aucune section supplémentaire pour la voix ou l’avatar prédéfini.

Stockage et rétention des données

Text input for speech synthesis : Microsoft ne conserve pas ou stocke le texte que vous fournissez avec l'API de synthèse vocale en temps réel. Les scripts fournis via l'API Long Audio pour la synthèse vocale ou via l'API batch pour la synthèse vocale avatar sont stockés dans le stockage Azure pour traiter la demande de synthèse par lots. Le texte d’entrée peut être supprimé via l’API de suppression à tout moment.

Contenu audio et vidéo généré : Microsoft ne stocke pas le contenu audio ou vidéo généré avec l'API de synthèse en temps réel. Si vous utilisez la traduction vidéo ou l'API Long Audio pour l'API batch d'avatars de synthèse vocale, le contenu audio ou vidéo de sortie est stocké dans Azure stockage. Ces audios ou vidéos peuvent être supprimés à tout moment via l’opération de suppression .

Prévention des abus et de la génération de contenu nuisible (aperçu)

Pour réduire le risque d’utilisation nuisible des services de synthèse vocale avatar Azure, l'avatar de synthèse vocale Azure comprend des fonctionnalités de protection du contenu. La sécurité du contenu se produit de façon synchrone au fur et à mesure que le service traite du texte pour générer de l’audio. Aucun texte ou résultat généré n’est stocké dans les modèles de classifieur de contenu, et le texte et les résultats ne sont pas utilisés pour entraîner, réentraîner ou améliorer les modèles classifieur. Pour en savoir plus sur les catégories de préjudices des fonctionnalités de sécurité du contenu, consultez catégories de préjudices.

Voir aussi