Ho clonato la mia voce con una registrazione fatta al bar: disastro totale. Poi ho capito dove sbagliavo

Ho clonato la mia voce con una registrazione fatta al bar: disastro totale

Martedì, 15:40, un bar di Porta Romana a Milano. Il cliente mi aveva appena riscritto il copione della demo prodotto, la voiceover era libera solo da giovedì, e io ho pensato bene di risolvere da solo: «tanto c'è la clonazione vocale, registro due minuti e faccio leggere tutto all'IA».

Microfono: il mio telefono. Location: tavolino a un metro dalla macchina del caffè. Sottofondo: macinacaffè, due signori che discutevano di calcio, tazzine sui piattini. Ho letto duecento parole convinto che «tanto l'IA pulisce tutto».

Risultato: una voce che sembrava arrivare dal fondo di una vasca da bagno. Le parole si capivano, ma erano immerse in un ronzio ovattato, con le finali che si trascinavano dietro una nebbia. Il cliente ha ascoltato in silenzio per cinque secondi — cinque, li ho contati — e poi ha detto: «forse aspettiamo la voiceover».

Quella sera ho cancellato il progetto e ricominciato da zero.

Cosa avevo dato da mangiare al clone

Chiariamo subito: lo strumento non aveva colpe. Il flusso era quello normalissimo della clonazione vocale gratuita — carichi un file audio, aspetti che il modello impari il timbro, poi scrivi e lui legge. Il problema era il file.

L'ho riascoltato tre volte prima di capire: il macinacaffè è rumore a bassa frequenza, le chiacchiere sono interferenza a media, e soprattutto il telefono stava a venti centimetri dalla bocca, quindi si è mangiato tutta la riverberazione del locale. Il modello impara il timbro, sì. Ma impara anche il bar.

E c'è un dettaglio ancora più idiota: per fare «l'interpretazione», avevo abbassato la voce di mezza ottava rispetto al mio registro normale. Risultato: un me stesso raffreddato e stanco, che parlava dentro un acquario.

La morale è banale ma vera: quello che dai, quello ti torna indietro. Nella clonazione vocale è letterale, non è una metafora.

Il secondo tentativo l'ho fatto dentro un armadio

Tre cose, tutte poco professionali.

Uno: ho cambiato stanza. Mi sono infilato nell'armadio, due piumini appesi dietro la schiena, telefono sull'appendino, a un pugno dalla bocca. L'armadio non è elegante, ma assorbe — più di qualsiasi plugin di riduzione del rumore.

Due: ho cambiato testo. Niente più copione da spot. Ho letto ad alta voce un pezzo di diario scritto da me, con il tono che uso al telefono con mia sorella. Perché clonare la propria voce funziona solo se dai al modello «come parli», non «come reciti».

Tre: ho registrato più a lungo. Quattro minuti, con pause, respiri e una risata perché avevo sbagliato una frase — e ho tenuto tutto, compresa la risata.

Ricaricato. Questa volta, riascoltandomi, mi sono quasi spaventato: ero io. Solo con un altro contenuto.

Tra l'altro, trovare un generatore di voce gratuito oggi è la parte facile: apri la pagina, carichi, scrivi, ascolti. La parte difficile è arrivare con un file decente, e quella nessuno può farla al posto tuo.

Con una voce pulita, ecco dove serve davvero

Ci sono due strade, e le ho provate entrambe. La prima: installare un software di clonazione sul computer e litigare con driver e scheda video. La seconda: fare tutto online, con una voce sintetica senza registrazione, senza creare account, senza tetti di caratteri che ti bloccano a metà paragrafo. Per uno che vuole solo consegnare il video entro sera, la seconda strada non fa risparmiare soldi. Fa risparmiare nervi.

• Voci fuori campo per Reels e TikTok. Se il copione cambia dieci volte, la voce va rifatta dieci volte. Prima era una tortura, adesso cambio le parole e rigenero: il costo di sbagliare è quasi zero. È il modo più comodo che conosco di avere voce fuori campo IA gratis senza prenotare uno studio.
• Podcast e contenuti didattici. Trasformo il copione in audio e me lo ascolto in metropolitana sulla Milano–Sesto. Dove il testo zoppica, l'orecchio se ne accorge prima dell'occhio.
• Audiolibri e articoli del blog. Se non vuoi metterci la faccia né la voce, usi il tuo clone per leggere. Un audiolibro con IA gratis, fatto con la tua voce clonata, suona molto più umano di una sintesi meccanica qualunque.
• Messaggi per chi non legge lo schermo. Mia nonna non apre un PDF nemmeno sotto minaccia. Le mando un vocale con le istruzioni dei farmaci, generato dal testo. Funziona meglio di qualsiasi messaggio scritto.
• Demo prodotto e accessibilità. Video dimostrativi, materiali per screen reader: serve una voce umana, ma non serve che una persona vera registri la stessa frase otto volte. Qui il doppiaggio IA gratuito è la differenza tra consegnare e non consegnare.

Tutte queste cose le faccio con lo stesso flusso: prima salvo il timbro, poi sintetizzo il testo. E visto che posso convertire testo in audio gratis quante volte voglio, mi permetto di provare — la stessa frase con tre intonazioni, due pause diverse, e scelgo quella che regge. Questa libertà conta più di dieci funzioni in più sulla lista delle specifiche.

Il mio flusso, ormai fisso

Registro pulito (stanza silenziosa, telefono o cuffie, tono normale, tre-cinque minuti) → carico e clono il timbro → scrivo → ascolto → se non convince, torno sul testo, non sui parametri.

Sì, sul testo. Perché la punteggiatura è il vero mixer: la virgola è una pausa breve, il punto è una pausa lunga, i puntini di sospensione sono «qui tiro il fiato». Sistemare la punteggiatura fa più che smanettare sugli slider per mezz'ora.

Tre domande che mi fanno sempre

Serve un microfono professionale?

No. La registrazione nell'armadio l'ho fatta col telefono e basta. Quello che distrugge un audio non è il dispositivo, sono l'ambiente e la distanza. Una stanza silenziosa con il telefono a un pugno dalla bocca batte un microfono da mille euro in salotto con la TV accesa.

Posso usare la voce clonata per lavori commerciali?

Dipende da chi cloni e dalle condizioni della piattaforma. La tua voce è la strada più semplice. Quella di un collega? Chiedi prima, per iscritto. In Europa la voce è considerata un dato biometrico, quindi GDPR e AI Act non sono dettagli da blog: un «sì» in chat vale più di dieci discussioni dopo.

Quanto cambia tra gratis e a pagamento?

Per quello che faccio io — voci fuori campo, corsi, avvisi, vocali per mia nonna — la sintesi vocale gratuita basta e avanza. Le differenze si vedono su testi lunghissimi o su sfumature emotive molto fini, tipo un audiolibro recitato. Se sei uno sviluppatore e mi chiedi dell'API, la mia risposta è sempre la stessa: prima fai girare bene materiale e testi dalla pagina web, poi pensa a integrare. Altrimenti stai solo producendo rumore in serie.

Una cosa che ho imparato

Se vuoi provarci stasera: chiuditi in una stanza silenziosa, registra tre minuti leggendo qualsiasi cosa ti capita sotto mano, con il tono di quando racconti una storia a un amico. Carica, scrivi una frase, ascolta.

Io ho perso un pomeriggio e ho fatto una figura mediocre con un cliente. In cambio ho capito che l'ottanta per cento del lavoro sta nella registrazione, non nella regolazione. Il restante venti lascialo fare allo strumento. E se vuoi risparmiare tempo, qualche guida in più c'è — meglio che sbattere la testa come ho fatto io.