Ho clonato la voce di mia nonna partendo da una registrazione in cucina. È finita male

La prima volta che ho ascoltato la voce clonata di mia nonna ho pensato che avesse l'influenza. Poi che avesse una caramella in bocca. Poi ho capito: era la cappa aspirante.

Era novembre. Mia nonna ha ottantatré anni e parla il dialetto del paese, quello della bassa, quello che ormai capiscono in quattro. Volevo registrarlo prima che sparisse e trasformarlo in una lettera audio da far sentire a tavola, il giorno di Natale. Idea romantica, no? Peccato che l'abbia rovinata in mezz'ora.

Ho preso il telefono, mi sono chiuso in cucina e ho registrato. Pentole sul fuoco, la moka che sfrigolava, il telegiornale a tutto volume in salotto e — ciliegina — il furgone dell'ortofrutta che passava con l'altoparlante: «angurie, meloni, pesche belle!».

Trenta minuti di registrazione. Li ho buttati dentro lo strumento di clonazione e ho aspettato.

Quello che è uscito era mia nonna, sì. Ma una nonna raffreddata, chiusa in un tunnel, con il frullatore accesso accanto.

Prima versione: da cestinare.

Non è colpa del modello. È colpa di quello che gli hai dato da mangiare

La mia reazione è stata quella di tutti: cambiare tool. Ho provato di tutto — roba online, software da installare, servizi che promettono di clonare voce gratis, altri a pagamento.

Risultato? Sempre lo stesso tunnel. Sempre lo stesso frullatore.

A quel punto ho dovuto ammettere la verità: il problema non era l'IA, era il file che le avevo dato in pasto. In quei trenta minuti la voce di mia nonna copriva forse il trenta per cento. Il resto era cappa, pentole, TV, il cane del vicino e il riverbero delle piastrelle. Il modello ha imparato tutto con la stessa diligenza. Anche la cappa.

Tre errori, uno più scemo dell'altro

Errore uno: ho registrato in cucina. La cucina è il posto peggiore della casa. Marmo, vetro, metallo: il suono rimbalza e torna indietro. Il dialetto vive di dettagli — le vocali aperte, le finali che si mangiano, le variazioni di tono. Il riverbero appiattisce tutto. Poi ho scoperto che bastava una cameretta, la tapparella abbassata, una coperta sul letto e il telefono in modalità aereo. Differenza abissale.

Errore due: le ho fatto leggere un foglio. Avevo scritto io la lettera e le ho chiesto di leggerla ad alta voce. Risultato: lenta, rigida, una parola alla volta, come una bambina alle elementari. Il dialetto non funziona così. Quando parla con la vicina, mia nonna si mangia le sillabe, allunga le finali, ride a metà frase. Leggendo, tutto quel ritmo spariva. La voce clonata era troppo pulita, troppo corretta. Non sembrava lei.

Errore tre: ho pensato che più materiale volesse dire meglio. Trenta minuti, mi dicevo, chissà quanto materiale. Peccato che di roba davvero utilizzabile ce ne fossero dieci minuti scarsi. E il telefono, appoggiato sul piano, si allontanava e si avvicinava: volume che sale e scende. Con un file così il modello può solo tirare a indovinare.

Il secondo tentativo

Una settimana dopo ho ricominciato. Camera a nord, da mia sorella.

  • Telefono su un treppiede, a venti centimetri dalla bocca, e non l'ho più toccato
  • Finestre chiuse, clima spento, tapparella giù, modalità aereo attiva
  • Niente foglio: solo domande. «Com'era il Natale quando eri piccola?» «Cosa ti diceva tua mamma quando combinavi qualcosa?»
  • Sessioni da cinque-otto minuti, riascoltate subito, e se c'era rumore si rifaceva
  • Totale: circa venti minuti puliti, in quattro riprese

Nel frattempo, per capire dove mettere le pause, ho fatto un giro di prova con un testo a voce gratuito. Cercavo un text to speech italiano gratis che non mi chiedesse la carta di credito, e con un generatore di voce gratuito sbagliare non costa niente. E qui ho capito una cosa importante: in dialetto le interiezioni sono tutto. Quel «eh», quel «madonna mia», quel «ti ricordi?» — sono l'anima della lettera. Vanno posizionate bene, non a caso.

Poi ho caricato i venti minuti puliti e ho aspettato qualche minuto.

La prima frase è uscita così: «Vieni qua, bimba». Con la voce che scende alla fine, un po' roca.

Mia sorella si è bloccata. Era lei. Era proprio lei.

La lettera audio, alla fine

L'ho divisa in ventisei pezzi, una o due frasi ciascuno, dalla sua infanzia a quando mi ha cresciuta. Con tutti quei pezzi, però, ti serve poter convertire testo in audio gratis senza limiti — se ti bloccano a metà generazione diventi matto. Qui la voce sintetica senza registrazione è stata la parte comoda: apri la pagina e basta, nessun account, nessun software da installare. Mia sorella, che sul computer non ha niente, ha fatto tutto dal browser in due minuti.

E non serve un laboratorio: per clonare la propria voce bastano venti minuti di audio pulito e una scheda aperta.

Un consiglio: non inseguire la perfezione. Ho scoperto che un po' di respiro, un po' di rumore di bocca, rendono il risultato più umano. Troppo pulito e sembra un doppiatore, non tua nonna.

Se il parente ha un accento molto marcato, però, aspettati qualche scarto. In quel caso non insistere: scegli i frammenti in cui è più rilassato e usali come base, poi mescola con una versione in italiano standard. In famiglia non se ne accorge nessuno.

E se ti serve in grande quantità — tipo un audiolibro con IA gratis per tutta la famiglia — puoi passare dall'API di sintesi vocale gratuita e far girare decine di testi in automatico. Per un progetto fatto una volta l'anno, comunque, il browser basta e avanza.

Due righe sul lato legale, che in Italia conta: la voce è un dato biometrico. Prima di clonare la voce di qualcuno, anche di un familiare, assicurati che sia d'accordo e occhio a dove carichi i file. Non è paranoia, è GDPR.

Domande frequenti

Ho già registrato materiale rumoroso. Si può salvare?

Qualcosa si recupera, ma non aspettarti miracoli. Passa il file in un tool gratuito con riduzione del rumore, oppure taglia a mano le parti sporche e tieni solo i frammenti puliti. Se ti restano meno di tre minuti utilizzabili, rifai la registrazione. Due ore di registrazione nuova battono due settimane di restauro, e il risultato è comunque migliore.

Clonare un dialetto è più difficile che clonare l'italiano?

Sì, e la differenza sta nei dati. L'italiano standard i modelli l'hanno sentito milioni di volte; il dialetto di un paese di duemila abitanti, quasi mai. Quindi ogni secondo che gli dai deve essere pulito. In più i sistemi tonali del dialetto sono più complessi e certi suoni in italiano non esistono proprio: servono più campioni. Registra conversazioni normali, non letture. Cento volte meglio.

Fino a dove arrivano gli strumenti gratuiti?

Dipende da cosa ti serve. Per una lettera audio di famiglia, per una voce fuori campo IA gratis su un Reel, per un doppiaggio IA gratuito di un video da mandare ai parenti, siamo abbondantemente oltre le mie aspettative. La clonazione vocale gratuita oggi è a un livello che cinque anni fa era fantascienza. Se invece ti serve doppiaggio commerciale, con testi lunghi e output stabile, allora serve una soluzione professionale. Per l'uso normale la strada gratis è più che sufficiente: non spendi niente, quindi puoi provare, sbagliare e riprovare. Ho raccolto altri tutorial nella pagina aggiornamenti, se ti va di dare un'occhiata.

Non aspettare

Mia nonna se n'è andata due autunni fa.

Quella lettera audio ce l'ho sul telefono e in cloud. Il giorno di Natale l'ho fatta sentire a tavola: mia madre ha pianto, mia nipote di sei anni ha chiesto «chi sta parlando?».

Non capisce il dialetto. Ma va bene. Quando sarà più grande le racconterò che quella è la voce della bisnonna, e che parla la lingua di casa nostra.

Se anche tu hai una nonna, un nonno, un genitore con un accento che si sta perdendo — non aspettare. Trova un pomeriggio tranquillo, spegni il condizionatore, sistema il telefono e chiedile: «Com'era il Natale quando eri piccola?». Al resto pensano gli strumenti.