La settimana scorsa un'amica che produce corsi e-learning mi manda un file: «Ascolta, ho usato il solito tool, ma sembra un centralino automatico». Al primo secondo ho riso. Non era solo metallica: c'era pure un ronzio di fondo, tipo frigo acceso di notte. Lei si è offesa: «Uso lo stesso programma di tutti, perché a me esce così e agli altri no?»

Le ho chiesto di mandarmi l'audio di riferimento usato per la clonazione. Trenta secondi. E lì c'era già tutta la risposta.

L'audio di riferimento decide se la voce suona umana o no

Molti pensano che la qualità di una voce sintetica dipenda solo dal software. Sbagliato. Il tool conta per metà, l'altra metà è tutta nel campione che gli dai in pasto. Il modello imita ciò che sente: se il riferimento ha un difetto, lo amplifica. Se ha un pregio, lo restituisce.

Nel caso della mia amica, la registrazione era fatta in camera da letto con il condizionatore accesso. Un ronzio basso continuo. Il modello ha imparato quel rumore e l'ha incollato a ogni frase. Peggio: lei leggeva il copione in modo piatto, una parola dietro l'altra, come una bambina che recita la poesia a memoria. La voce clonata aveva esattamente quella cadenza. Risultato: un corso che sembrava letto da un robot con la bronchite.

Quindi prima di cambiare strumento, ascolta il tuo audio di riferimento. C'è rumore di fondo? Il tono è piatto? Ci sono schiocchi di lingua o colpi sul microfono? Spesso è lì il problema.

Come registrare per non sembrare un robot

Dopo un po' di tentativi ho messo insieme quattro regole terra-terra. Non sono eleganti, ma funzionano.

  • Ambiente: spegni condizionatore e ventilatore. Registra in un armadio, sotto una coperta pesante, in una stanza con tende spesse. L'obiettivo è eliminare riverbero e rumori bassi. Il registratore vocale del telefono va benissimo: non serve un microfono da studio se la stanza è silenziosa.
  • Durata: dai 30 secondi a un minuto. Troppo corto e il modello non ha abbastanza informazioni. Troppo lungo e rischia di imparare anche le variazioni di voce di quando sei stanco o distratto.
  • Tono: è il punto più importante. Parla come faresti in una lezione o in una chiacchierata con un amico. Con alti e bassi, con pause. Se vuoi una voce fuori campo IA gratis che suoni calorosa, registra sorridendo. Se la vuoi seria, registra con un tono più controllato. Il modello copia il tuo stato d'animo.
  • Contenuto: leggi frasi naturali. Niente scioglilingua, niente elenchi di termini tecnici. Velocità normale, con un respiro tra una frase e l'altra.

Prima di caricare il file, riascoltalo. Se piace a te, piacerà anche al modello.

Il mio flusso di lavoro, passo per passo

Ormai uso VoxClone per quasi tutto: corsi, podcast, audiolibri con IA gratis. Il motivo è semplice: è un generatore di voce gratuito che non ti costringe a registrarti. Apri, carichi, converti. Niente account, niente email, niente dati personali lasciati in giro. Cosa non da poco, visto che in Italia siamo tutti un po' ossessionati dal GDPR — giustamente.

Ecco come faccio. Prima vado sulla pagina di clonazione vocale, carico l'audio di riferimento e gli do un nome tipo «voce-corso-morbida». Poi torno sul text to speech online, incollo il testo del corso, scelgo la voce appena clonata, genero, ascolto, sistemo la punteggiatura e rigenero.

Sì, la punteggiatura è fondamentale. Vuoi una pausa? Metti una virgola o un punto. Vuoi che una parola venga enfatizzata? Cambia la struttura della frase. Il TTS non capisce il sottotesto: per lui la punteggiatura è il copione.

E anche il testo va riscritto in modo più parlato. Se incolli un documento scritto in burocratese, la voce lo leggerà come un avviso di Equitalia. «Pertanto» diventa «quindi», le frasi lunghe si spezzano, i periodi si accorciano. La differenza è immediata.

Se ti serve solo convertire testo in audio gratis per un video TikTok o un Reel, il flusso è lo stesso. Anzi, lì la voce sintetica senza registrazione è ancora più comoda: provi, scarti, riprovi senza lasciare tracce.

FAQ

L'audio di riferimento deve essere per forza registrato da me?

No, ma deve essere pulito. Puoi usare una traccia estratta da un tuo podcast, da un video didattico o da una registrazione in cui parli da sola. L'importante è che non ci sia musica di sottofondo, che non ci siano altre voci e che non ci sia riverbero. Le scene di film, per esempio, non vanno bene: la colonna sonora si sente e il modello la impara.

Posso riutilizzare una voce clonata più volte?

Certo. Una volta creata, la voce resta lì e la puoi usare per tutti i progetti successivi. Non devi ricaricare l'audio ogni volta. Il mio consiglio è creare più varianti: una per le spiegazioni, una per i riassunti, una per gli esempi. Alternarle durante un corso rende l'ascolto molto più naturale che tenere un'unica voce per un'ora.

Se il testo è lungo, posso convertirlo tutto in una volta?

Con VoxClone sì: la sintesi vocale gratuita non ha limiti di caratteri, quindi puoi incollare anche un intero capitolo. Io però preferisco dividere per sezioni. Da una parte posso rigenerare solo la parte che non mi convince, dall'altra il montaggio finale è più semplice. E se stai lavorando a un audiolibro con IA gratis, lavorare a blocchi ti salva la vita.

In pratica

La verità è che clonare la propria voce o crearne una da zero non è difficile. La parte difficile è registrare quei trenta secondi con un minimo di testa. Spegni il frigo, chiuditi in una stanza silenziosa, parla come se stessi spiegando qualcosa a una persona vera. Il resto lo fa il software.

E se ti interessa anche il doppiaggio IA gratuito per un progetto video, il principio non cambia: prima l'audio, poi il resto. Trovi altri tutorial pratici nella sezione dinamica. Ma il primo passo è sempre lo stesso: riascolta il tuo riferimento. Scommetto che c'è qualcosa da sistemare.