L'altra mattina, in pausa caffè, il mio collega Marco mi guarda con un sopracciglio alzato: "Ma quella voce per l'IVR che mi hai mandato ieri, chi te l'ha doppiata? Sembra così naturale, si sente pure il respiro." Ho sorriso e gli ho detto la verità: l'avevo creata con un clone vocale gratuito, direttamente dal browser, in meno di dieci minuti.

Lui non ci credeva: "Gratis? Senza registrazione? Ma stai usando qualche API segreta di un colosso?" Gli ho mostrato la pagina del sintetizzatore vocale online. Ha fissato lo schermo per qualche secondo e poi: "Se la mettessi nel nostro centralino, il capo giurerebbe che abbiamo assunto un doppiatore professionista."

In effetti, nemmeno io mi aspettavo un risultato così buono. Avevo provato altri strumenti di sintesi vocale gratuita, ma o il suono era ovattato, o le pause erano da robot. Questo invece sembrava davvero studiato per capire come parla la gente.

Il primo disastro: dalla voce metallica a quella umana

Partiamo dalle brutte esperienze. All'inizio ho preso un testo promozionale dell'azienda e l'ho passato a un generatore di voce gratuito. Il risultato era perfetto a livello di dizione, ma per un messaggio IVR come "Buongiorno, grazie per aver chiamato" sembrava un bollettino meteo: ogni parola aveva lo stesso peso, nessuna enfasi. Pensa a un cliente che chiama e sente quella roba lì: la prima cosa che pensa è "è un robot", e il tasso di riaggancio raddoppia.

Poi ho capito il trucco: quando uso la clonazione vocale gratuita per leggere un testo, devo prima renderlo più colloquiale. Invece di "premere 1", ho scritto "premi 1". Invece di "per il servizio clienti", ho scritto "se vuoi un operatore, premi 0". Poi ho regolato velocità e pause, allungando la virgola dopo "operatore" di mezzo secondo. Sembra una sciocchezza, ma l'effetto è stato immediato.

La cosa che mi ha stupito di più? Questo clone vocale per il testo riesce a cogliere le emozioni nascoste nella punteggiatura. Se metto un "eh" alla fine, viene fuori un tono scherzoso; se aggiungo un "allora", la voce si ammorbidisce. Per l'IVR è fondamentale: nessuno vuole lamentarsi con un'AI glaciale.

Perché ho abbandonato la registrazione con un vero doppiatore

Magari pensi: "Perché non farsi registrare l'IVR da un umano?" Ci avevo pensato anche io, ma la realtà è dura: un doppiatore costa, e se devi modificare il testo, costa ancora di più. Il mese scorso il reparto commerciale ha cambiato i prezzi, e nel vecchio messaggio c'erano tre tariffe da aggiornare. Rifare tutto con il doppiatore? Lui fattura a ore, dopo tre chiamate per accordarci, era passata una settimana.

Allora ho usato la piattaforma di clonazione vocale: ho incollato il nuovo testo, ho scelto una voce simile all'originale e in dieci minuti avevo il file aggiornato. E il fatto che sia voce sintetica senza registrazione è comodissimo: se devi cambiare una parola all'ultimo minuto, non devi fare login, carichi un audio di riferimento, aggiusti il tono e via.

Un dettaglio che non tutti notano: ho provato anche la funzione per clonare la voce e cantare, giusto per fare un test. Non serve per l'IVR, ma mi ha fatto capire che il motore è solido. Non legge e basta, interpreta.

Gli errori che ho fatto e i consigli per evitarli

Non è tutto oro, però. La prima volta che ho usato il sito di clonazione vocale ho scritto "VIP" in maiuscolo, e la voce ha detto "vip" all'inglese, tipo "vipp". Ho dovuto riscriverlo come "vip" tutto minuscolo per farlo uscire giusto. E occhio alle frasi lunghe: senza virgole, il sistema va in tilt e la lettura diventa monotona.

Un'altra cosa interessante: il sintetizzatore vocale gratuito filtra benissimo i rumori di fondo. Ho registrato un campione con un leggero ronzio elettrico, e l'ha eliminato da solo. Ma se l'audio di riferimento ha un'eco, il risultato suona "vuoto". Quindi, il consiglio è: registra il campione in una stanza silenziosa, anche con il microfono del PC va bene.

E poi c'è un dettaglio che Marco non ha notato: l'IVR che il mio collega ha elogiato non mi è costato nulla. Ho usato la pagina del clone vocale gratuito senza limiti, senza nemmeno creare un account. Se anche tu gestisci un centralino o vuoi cambiare la voce delle tue chiamate automatiche, copia questo testo e provalo:

"Buongiorno, grazie per aver chiamato. Per informazioni prema 1, per assistenza prema 2, per parlare con un operatore prema 0. Buona giornata, arrivederci."

Poi ascolta e giudica. Se anche il tuo collega ti chiede "ma è un doppiatore?", allora hai risolto.

Ah, un'ultima cosa: non provarlo sul computer dell'ufficio, altrimenti l'IT ti becca a fare sintesi vocale senza registrazione mentre dovresti lavorare. Io l'ho fatto a casa, e il risultato è identico.

Prova pratica: come cambia la stessa frase con parametri diversi

Ho fatto un esperimento: stessa frase, tre versioni. Con i parametri predefiniti, con la velocità aumentata e con pause più lunghe. Quella predefinita legge "Buongiorno, grazie per aver chiamato" a un ritmo medio, con ogni parola distanziata in modo uniforme, come un telegiornale. Aumentando la velocità, il ritmo diventa più serrato, ma "grazie" e "per" si attaccano, come se avesse fretta. Con le pause lunghe, invece, il risultato è quasi umano: ho aggiunto due virgole dopo "chiamato" e la voce ha una naturale discesa di tono, poi c'è una pausa di respiro prima di "prema 1". Sembra che l'operatore stia davvero prendendo fiato.

Questo test mi ha insegnato che il generatore di voce non va spinto al massimo, ma va tarato sul ritmo naturale del parlato. Alla fine, ho spezzato tutte le frasi lunghe in spezzoni brevi, con una virgola in fondo, e il risultato non ha più nulla di meccanico.

La punteggiatura ha un carattere, e non te ne accorgi

Sembra una formalità, ma in questo strumento la punteggiatura cambia l'umore della frase. Ho provato a mettere un punto esclamativo dopo "prema 1": la voce assume un tono di fretta. Con il punto fermo, diventa una noiosa constatazione. La cosa più assurda? Ho messo un punto interrogativo dopo "per un operatore", e la voce ha letto come se chiedesse "sei sicuro di voler parlare con un umano?".

Quindi, quando scrivi il testo per l'IVR, non risparmiare sui segni. Metti il punto dove serve, la virgola dove serve. Io aggiungo sempre un punto dopo "buona giornata" per chiudere in modo pulito, senza trascinare l'ultima vocale. Marco non se n'è accorto, ma ha detto che "suona più gentile degli altri centralini".

Per chi ha fretta: la ricetta pronta

Se non vuoi armeggiare con i parametri, copia il mio schema. Inizio con "Buongiorno" e una virgola, poi separo ogni opzione con un punto fermo, e alla fine "arrivederci" senza alcun segno. Imposto la velocità su medio-lenta e allungo le pause di 1,2 volte. Il risultato inganna il 90% delle persone.

E se non hai voglia di fare nemmeno questo, sul sito di clonazione vocale c'è un preset chiamato "servizio clienti" che ha già un tono gentile, quasi sorridente. L'ho provato: è più naturale di quello che ho creato io, perché è stato studiato apposta per questo contesto.

Ultimo consiglio: non confrontarlo con una registrazione umana, altrimenti resti deluso. Ma se lo usi per sostituire il tuo attuale robot, è un salto quantico. E quando un collega ti chiederà "ma è un doppiatore?", rispondi: "Indovina."