Clonare voce con AI gratis: la mia prova con l'IVR del centralino

L'altro giorno il mio capo mi guarda e dice: "Dobbiamo cambiare le voci guida del telefono. L'agenzia vuole 800 euro e due settimane." Io, che di solito sto zitto, ho fatto una cosa impulsiva: "Aspetta, forse posso farle io." Non avevo la minima idea di come, ma sapevo che esistevano quei siti di clonazione vocale con AI. Così ho passato il pomeriggio a sperimentare. Ecco cosa ho scoperto, nel caso vogliate risparmiarvi la figuraccia iniziale.

Il primo tentativo: 5 secondi di audio e via

Ho trovato un servizio che prometteva di clonare la voce con pochi secondi di campione. Nessuna registrazione, solo upload. Ho letto le istruzioni: bastano 5 secondi? Sembrava magico. Ho registrato con il microfono del portatile: "Pronto, sono Marco, questo è un test." L'ho caricato, ho scritto il testo della prima voce guida: "Benvenuto in ufficio. Per il reparto commerciale, prema uno."

Il risultato? Una voce che suonava come me dopo aver mangiato una padella di fritto misto. Robotica, con le vocali strane. Ma ho capito subito che il problema ero io, non lo strumento. Il mio campione era troppo corto e registrato in una stanza con l'eco del PC.

Il trucco: 30 secondi di audio pulito

Ho rifatto la registrazione. Stavolta ho usato il telefono, in un angolo con le coperte per attutire il riverbero. Ho letto un pezzo di un articolo di giornale per 40 secondi, con la voce più neutra possibile. Ho caricato di nuovo, e già al primo ascolto la differenza era abissale. Sembrava io, ma con una leggera patina da "presentatore radiofonico".

Il sito permette di regolare tono e velocità. Ho abbassato il tono di un paio di punti e la voce ha perso quell'effetto da cartone animato. Se volete provare, non partite con 5 secondi: puntate a 20-30 secondi di parlato continuo, senza musica di sottofondo. Vi risparmiate un'ora di bestemmie.

Il problema dei numeri e delle pause

La prima versione accettabile diceva: "Per il reparto commerciale, prema uno." Ma "uno" veniva pronunciato come "unno", con una specie di doppia erre. E le pause tra le frasi erano troppo corte, sembrava una mitragliata.

Ho scoperto che nel box di testo posso aggiungere punteggiatura per forzare le pause: virgole, punti, anche i puntini di sospensione. Ho scritto: "Benvenuto in ufficio. ... Per il reparto commerciale, prema uno." E la pausa è diventata naturale. Per i numeri, ho provato a scriverli in lettere: "prema uno" invece di "prema 1". Ha funzionato. La clonazione vocale con IA è potente, ma ha bisogno di essere guidata.

La coerenza su sette messaggi diversi

L'IVR del centralino ha sette messaggi: saluto, orari, indirizzo, reparto commerciale, assistenza, fax, e il messaggio di chiusura. Ho generato tutti con la stessa voce clonata. Ma attenzione: ogni volta che generavo un nuovo testo, la voce cambiava leggermente di intonazione. Non tantissimo, ma abbastanza da notare se ascolti in sequenza.

Il trucco che ho usato: ho generato ogni messaggio tre volte e ho scelto quello che suonava più simile al primo. Oppure, se il sito lo permette, si può fissare un "seed" (seme) per la generazione, ma non tutti lo hanno. Nel mio caso, ho semplicemente riascoltato e selezionato. Alla fine ho montato tutto con Audacity (gratis) e ho messo un secondo di silenzio tra un messaggio e l'altro.

Cosa si intende per clonazione della voce? (e perché non è magia)

Se ve lo state chiedendo, la clonazione vocale con AI crea un modello della vostra voce a partire da un campione audio. Il modello impara i vostri timbri, le inflessioni, il modo di respirare. Poi il text-to-speech usa quel modello per leggere qualsiasi testo con la vostra voce.

Il mio capo ha ascoltato il risultato e ha detto: "Ma sei tu? No, aspetta, è un po' più squillante." Ho riso. Per un uso professionale, forse non è perfetta al 100%, ma per un centralino va benissimo. E il costo? Zero. Il sito che ho usato è gratuito e non richiede registrazione. Si trova su it.web666.cc, con la pagina di clonazione all'indirizzo it.web666.cc/clone. C'è anche una sezione con articoli e guide su it.web666.cc/dynamic, se volete approfondire.

Consigli pratici per chi vuole provare

Ecco la lista che avrei voluto avere prima di iniziare:

  • Registrate un campione di almeno 20 secondi, in ambiente silenzioso.
  • Usate il telefono in modalità aereo, non il microfono del PC.
  • Leggete un testo vario: frasi con numeri, domande, esclamazioni.
  • Nel testo da sintetizzare, scrivete i numeri in lettere.
  • Usate la punteggiatura per controllare le pause.
  • Generate ogni messaggio più volte e scegliete il migliore.
  • Ascoltate con le cuffie, non con le casse del portatile.

Non serve essere tecnici. Se io, che ho quasi cancellato il file di backup per sbaglio, sono riuscito a farlo, potete farcela anche voi.

Ora il centralino risponde con la mia voce (o una sua cugina), e il capo ha risparmiato 800 euro. L'unica cosa che mi chiedo è: se un giorno voglio cambiare il messaggio di buonasera, dovrò rifare tutto? No, perché basta modificare il testo e rigenerare. La clonazione vocale con AI è una di quelle cose che una volta provate, non tornate indietro.

Se vi va, provate con un messaggio semplice, tipo il saluto della segreteria del telefono di casa. E ditemi se anche a voi viene quella sensazione strana di sentire la vostra voce che dice cose che non avete mai detto. A me ha fatto un effetto strano, ma anche un po' figo.

Buona sperimentazione, e se avete domande, scrivetele qui sotto. Magari vi rispondo con la mia voce clonata. Scherzo. O forse no.