Perché l'intro del tuo podcast sembra finta? Dopo tanti errori, ho trovato il trucco
L'inverno scorso stavo montando un'intervista. L'ospite aveva una voce rauca, tipo carta vetrata, e io avevo una voglia matta di saltare la registrazione dell'intro. Così ho aperto un sito di testo a voce gratuito, ho incollato "Benvenuti a [nome del podcast], oggi parliamo di cose interessanti" e ho lasciato che la macchina parlasse al posto mio. Trenta minuti dopo, una ragazza mi scrive in privato: "Ma il conduttore ha il raffreddore? L'intro sembra che abbia uno straccio in gola." Non sapevo se ridere o piangere. Il pubblico era persino gentile: pensava che fossi malato, non che avessi assunto un robot.
Ho provato a cambiare. Ho scelto una di quelle voci "da speaker", il classico tono da radio anni Novanta. Ho usato un altro generatore di voce gratuito, ho riscritto le stesse parole, stesso risultato: le parole erano giuste, l'emozione era zero. Finto al punto che volevi avanzare velocemente. Solo allora ho capito che il problema non era lo strumento. Era che non avevo idea di come funzioni davvero il respiro di chi legge ad alta voce.
Quella sera ho ascoltato l'intro una ventina di volte. Più ascoltavo, più qualcosa stonava. La macchina dice "benvenuto" e la fine della parola fluttua nell'aria. Io dico "benvenuto" e la coda scende, leggermente. È quel minimo affondo, quel peso in fondo alla frase, che l'IA a quel tempo non imparava.
Il respiro tradisce la voce falsa
Chi parla davvero respira. Nelle frasi lunghe, quando l'aria finisce, rubi un respiro di nascosto. Prima di una pausa, abbassi inconsciamente il mento. Anche prima di dire una parola particolare, la punta della lingua si prepara un mezzo secondo prima. La macchina non fa niente di tutto questo. Espelle sillabe a intervalli regolari, come un righello che ti misura il timpano.
Sentire un intro del genere è come uscire dal film dopo tre secondi. Nella vita reale nessuno parla così, a parte l'istruttore durante la leva o l'annuncio dell'ascensore.
I passaggi da ascensore: quando l'andamento è troppo uniforme
Il problema si fa ancora più evidente nei passaggi. Una volta stavo passando dall'intervista allo spot dello sponsor. Ho usato un doppiaggio IA gratuito per dire "Ora spazio allo sponsor", tono piatto, intonazione identica. Mia moglie è passata in salotto e ha chiesto: "Stai mandando la pubblicità dell'ascensore?" Esatto. Il passaggio peggiore è proprio quell'andamento uniforme. Diventa uniforme, e l'attenzione di chi ascolta si spegne. Credi di fare un effetto professionale, invece stai porgendo al pubblico un cuscino per addormentarsi. Un intro falso al massimo allontana i nuovi ascoltatori. Un passaggio falso dice direttamente a quelli affezionati: potete andare avanti velocemente.
Strumenti gratis: cosa ho scelto, cosa ho scartato
Dopo questi disastri ho iniziato a cercare sul serio. Ho confrontato cinque o sei siti di sintesi vocale gratuita. Requisiti semplicissimi: niente registrazione, niente abbonamento, niente acqua fastidiosa sull'audio esportato. E, da italiano, ho anche guardato dove finiscono i miei dati: meglio evitare servizi che caricano campioni della voce su server fuori dall'Europa senza dire nulla, specialmente con il Garante per la protezione dei dati personali che tiene d'occhio queste cose.
Molti cercano clonare voce gratis o text to speech italiano gratis, ma finiscono su piattaforme che chiedono la carta di credito dopo tre prove. Alla fine, nei preferiti del browser, è rimasto soprattutto uno. Si chiama VoxClone. È una pagina di clonazione vocale gratuita: apri il sito di testo a voce gratuito e cominci subito, e promettono che è per sempre gratis, niente periodo di prova di tre giorni.
Perché l'ho scelto? Perché non voglio passare dieci minuti a compilare moduli solo per mettere insieme un intro. Molti siti sono graficamente belli, ma appena stai per scaricare, spunta il form di login e l'entusiasmo svanisce. VoxClone, invece, ti tratta da ospite, non da polla da spennare.
Non nasconde nemmeno la parola "gratis" in qualche menu secondario. Home page: casella di testo, incolli, scegli la voce, generi, finito. Così, semplice.
Clonazione vocale gratuita: ho "nutrito" l'IA con la mia voce
Quello che mi ha davvero fatto restare è stata la funzione di clonazione vocale gratuita. All'inizio ero diffidente verso la parola "clonazione": pensavo a quelle trame da film di fantascienza con volti e identità rubate. Dopo aver provato la clonazione online, ho capito che in pratica carichi un campione della tua voce e l'IA impara il tuo modo di articolare. Questo tipo di voce sintetica senza registrazione è strano: non sembra uno speaker sconosciuto, sembra te, solo più sveglio.
Se vuoi clonare la propria voce senza installare nulla, il percorso è proprio questo. Il giorno del caricamento ho scelto appositamente un campione con dei respiri. Sì, avete letto bene: volevo che imparasse anche il mio modo di riprendere fiato. La procedura è rapidissima: niente software da installare, tutto nel browser, aspetti un attimo e la tua "voce digitale" è pronta.
La prima volta che ho sentito la mia copia pronunciare una frase che avevo scritto, mi sono venuti i brividi. Era chiaramente io, ma con un ritmo più fermo, un'emozione più precisa, come un me stesso di un universo parallelo.
La cosa più utile è che questa voce non serve solo per gli intro. Una volta avevo la gola infiammata e dovevo consegnare il passaggio settimanale. L'ho fatto con il clone. Tagliato dentro la puntata, nessuno ha notato nulla. Solo io sapevo che quella voce era nata da una registrazione di tre mesi prima.
Quelle tre frasi dell'intro valgono più di tutto il resto
Una volta che hai il tuo modello vocale, fare l'intro diventa quasi un gioco egoistico. Ho sostituito il classico "benvenuti" con il tono che uso quando chiacchiero tra amici. Ho trasformato la lettura dello sponsor in una specie di sfogo privato. Gli ascoltatori forse non sanno dire cosa sia cambiato, ma qualcuno ha scritto: "Ultimamente l'intro si ascolta volentieri."
Un piccolo consiglio: non tutte le frasi meritano la voce clonata. Per frasi puramente funzionali, tipo "questa puntata è offerta da", uso di solito una voce di sintesi vocale gratuita più standard, lasciando che l'emozione cada sui punti chiave. Per le frasi di transizione va bene anche un TTS normale, magari con un convertire testo in audio gratis senza limiti, così regoli lunghezza e pausa come vuoi. Se scrivi "dopo la pubblicità è più bello", e l'IA lo legge con un tono leggermente assonnato, chi ascolta ha l'impressione che tu stia parlando da persona.
Lo stesso identico trucco funziona se stai facendo un audiolibro con IA gratis e non vuoi assumere un doppiatore professionista per ogni capitolo.
Il mio flusso di lavoro: dalla bozza al montaggio
Qualcuno mi ha chiesto se posso collegare qualche API di voce fuori campo IA gratis al proprio programma per fare cose in batch. Quello è roba da programmatori. Io, che devo cercarmi come si installa Python, mi accontento e mi basta la pagina web. Se anche voi volete pasticciare, nella sezione di altre guide di VoxClone trovate tutorial più semplici della documentazione ufficiale.
Oggi il mio flusso è fisso quasi come un rito: scrivo le parole dell'intro su un documento, apro VoxClone, genero le frasi principali con la voce clonata, aggiungo le transizioni con una voce normale, ascolto tre o cinque volte, esporto e lo butto dentro il programma di montaggio per allineare le forme d'onda. Tutto in meno di venti minuti. La cosa importante è che finalmente non mi racconto più la bugia che "la voce robotica ha comunque stile".
A pensarci, dopo tanta tecnologia, il punto è uno solo: chi ascolta non vuole la perfezione. Vuole che sembri una persona. Non serve che l'IA diventi uno speaker di Rai Radio 1. Serve che diventi te: uno che respira, che fa pause, che in fondo alla frase ci mette un po' di forza.
Provate stasera: prendete i dieci secondi più falsi dell'intro del vostro podcast, rifateli con la vostra voce e lasciate che l'IA li legga per voi. Dopo averli riascoltati, non potrete più tornare indietro.