5 secondi bastano per doppiare due personaggi di un audiolibro? Il mio test onesto
Ho chiuso la porta dell’armadio, mi sono infilato tra cappotti e sciarpe di lana, e ho premuto record sul telefono. Non stavo giocando a fare la spia: il soggiorno era troppo rumoroso, la lavatrice centrifugava, e mi servivano cinque secondi di voce pulita. Cinque secondi possono davvero bastare per dare vita a due personaggi diversi in un audiolibro? Ci ho provato, e il risultato mi ha sorpreso più di quanto pensassi.
Perché ho scelto proprio cinque secondi
Mi ritrovo con una bozza di audiolibro piuttosto lunga, protagonista e cattivo con timbri molto diversi. In origine volevo un doppiatore professionista, ma il preventivo mi ha bloccato. Un giorno vedo un sito che promette di clonare voce gratis e penso: perché non provare con il campione più breve possibile? Se funziona, risparmio più che soldi. Carico cinque secondi registrati col telefono nell’interfaccia di testo a voce gratuito, senza troppe aspettative, e provo a usare lo strumento per clonare la propria voce.
Preparare il campione: dal telefono al caricamento
Scelgo un corridoio silenzioso, quasi buio, avvicino la bocca al microfono e leggo una battuta iconica del personaggio. Rumore di fondo quasi zero. Il file dura 5,2 secondi, formato m4a. Trascino tutto nella pagina web e l’upload è istantaneo. Nessun popup che mi chiede di registrarmi, nessuna richiesta di carta di credito. Sembra davvero uno strumento di voce sintetica senza registrazione, e in meno di dieci secondi ho finito.
Il processo di clonazione: gratis, senza registrazione, e subito pronto
Clicco “avvia clonazione”. Appare una barra di avanzamento, e dopo pochi secondi compare la scritta “modello pronto, puoi sintetizzare”. Incollio subito il primo monologo del protagonista nel box di testo, seleziono il timbro appena creato e avvio la sintesi vocale gratuita. Alla prima frase rimango di stucco: l’intonazione, il respiro, persino quel leggero tremito nella voce sembrano i miei. Questa è la resa estrema della clonazione vocale gratuita con campioni cortissimi.
Prima generazione: la voce del protagonista
I dialoghi del protagonista hanno diverse pause lunghe, quindi inserisco i segni di punteggiatura nel testo. L’audio generato gestisce le interruzioni in modo naturale, senza quel senso di taglio meccanico che spesso si sente nelle voci sintetiche. La velocità di default è un po’ sostenuta, così la rallento a 0,9 e ritocco leggermente l’intonazione. L’effetto si avvicina subito al ritmo del libro. Esporto in wav, lo passo in Audacity: l’onda è pulita, niente rumore di fondo evidente.
Seconda generazione: il cattivo, stessa fonte
Per l’antagonista mi serve una voce bassa, rauca, minacciosa. Ho però un solo campione di cinque secondi, quindi abbasso l’intonazione di due semitoni e rallento ulteriormente la lettura. Dopo la generazione, la sensazione di oppressione c’è, ma i dettagli ad alta frequenza sono persi e ogni tanto spunta un artefatto elettronico, un fischio leggero che tradisce l’artificialità. Promemoria: spingere lo stesso modello verso timbri estremi fa emergere i limiti, e in post-produzione dovrò lavorare con l’equalizzatore.
Confronto e aggiustazioni: parametri, velocità, pause
Metto le due versioni una accanto all’altra. Quella del protagonista è quasi pronta per essere pubblicata; quella del cattivo necessita di un secondo passaggio. Abbasso ancora l’intonazione di 1,5, porto la velocità a 0,85 e inserisco 300 millisecondi di silenzio prima delle frasi chiave. Dopo la nuova sintesi, l’effetto metallico si riduce della metà. Tutto questo ciclo di aggiustazioni mi ha richiesto circa dieci minuti, interamente nel browser, senza scaricare alcun software di clonazione vocale gratuita sul computer. Se volete approfondire i trucchi di parametri, potete dare un’occhiata alla guida sulla sintesi vocale gratuita.
L’ambiente di registrazione decide il limite superiore
Questa prova mi ha insegnato una cosa: il rumore di fondo, la distanza dal microfono, persino il riverbero della stanza finiscono dentro il modello. Il campione registrato in corridoio, quasi “a secco”, ha prodotto un timbro netto. Poco dopo, per fretta, ho registrato altri cinque secondi in soggiorno con il condizionatore acceso: la sintesi finale aveva un rumore di fondo molto più evidente, e il respiro era diventato un sibilo fastidioso. Esperienza pratica: registrate in un armadio, sotto una pila di coperte, a cinque centimetri dalla bocca, spegnete ogni apparecchio in movimento. Anche con soli cinque secondi, un rapporto segnale-rumore alto vi risparmia metà del lavoro di pulizia in seguito.
Regolate il gain del microfono al punto più alto senza distorcere, tagliate gli attacchi e le code di silenzio con l’editor del telefono, e caricate un file wav mono a 16 kHz. Il sito accetta anche m4a, ma uniformare il formato evita quell’odioso errore di “decodifica fallita”. Sono dettagli apparentemente banali, ma sono loro a fissare il tetto massimo della qualità della clonazione.
Riutilizzare lo stesso modello per l’intero libro
Una volta ottenuti i due timbri utilizzabili, per le decine di capitoli seguenti non serve più riclonare. Divido i testi di ogni capitolo in due file di testo, uno per personaggio, apro l’interfaccia di testo a voce gratuito, incollò i segmenti, genero e scarico. Con un’estensione del browser per il riempimento automatico dei moduli, riesco a elaborare entrambe le tracce di un intero capitolo in pochi minuti. Dopo la sintesi, uso la funzione di “rinomina in batch” dell’editor per chiamare i file per capitolo e personaggio, e li trascino nella timeline quasi senza bisogno di allinearli a mano.
Attenzione: nei testi lunghi, è meglio fissare velocità e intonazione per ogni personaggio, altrimenti tra un capitolo e l’altro si crea quella sensazione di “adesso veloce, adesso lento” che stanca l’ascolto. Ho bloccato il protagonista a 0,92 di velocità e +0,3 di intonazione, l’antagonista a 0,85 e -2,5. L’intero libro fila via con un ascolto omogeneo, senza dover ritoccare ogni singolo passaggio.
E se il campione dura solo tre secondi?
Per curiosità ho caricato anche un frammento di tre secondi dello stesso personaggio. Il modello ha risposto con un errore: “campione troppo corto, si consiglia almeno quattro secondi”. Ho provato a ignorare l’avviso e generare comunque: il risultato aveva vocali tremolanti, bordi consonantici metallici, del tutto inutilizzabile per un prodotto finito. Questo conferma che il modello di base ha una soglia minima dura, e cinque secondi stanno proprio sul confine. Scendete sotto, e tutto crolla.
Se avete a disposizione solo frammenti brevissimi, unite due o tre battute dello stesso personaggio con tonalità diverse, arrivando a superare i cinque secondi, anche inserendo mezzo secondo di silenzio tra una frase e l’altra. Al modello basta coprire abbastanza fonemi per imparare il timbro, e in seguito non dovrete più combattere contro gli artefatti.
Mettere tutto nel montaggio
Posiziono le due tracce sulla timeline, aggiungo musica di sottofondo e qualche effetto ambientale, e i primi dieci minuti dell’audiolibro sono pronti. Esporto in mp3, carico sulla piattaforma di distribuzione, e le visualizzazioni sono il doppio di quanto mi aspettassi. Nei commenti qualcuno chiede: “Chi ha fatto il doppiaggio?” La prossima volta userò direttamente quei cinque secondi di campione, evitando di registrare di nuovo.
Se avete un cassetto pieno di storie mai lette ad alta voce e un budget vicino allo zero, provate a clonare la vostra voce con cinque secondi buoni di registrazione. Non diventerete doppiatori di Hollywood da un giorno all’altro, ma potete finalmente pubblicare quell’audiolibro che rimandate da anni. Inizia da qui: prova il generatore di voce gratuito e scopri quanto può andare lontano un campione brevissimo.