Come nasce una voce: dal parlato di partenza alla scheda del catalogo

Apri il catalogo voci, premi play e senti un timbro pulito e naturale. Sembra che la voce sia semplicemente «lì». In realtà ogni voce è il prodotto di una catena in più fasi: dalla selezione del parlato di partenza al mastering finale. Ecco come nasce una voce in HancVoice, senza magia, passo dopo passo.

Passo 1. Da dove viene il parlato di partenza

Una voce non si inventa dal nulla: nasce da un parlato umano reale. Le fonti sono dataset vocali aperti e con licenza, le cui registrazioni si possono usare legalmente. La regola chiave: non ricreiamo mai la voce di una persona reale senza il suo consenso. Se crei la tua voce, carichi il tuo campione e confermi il consenso, nel rispetto del GDPR. Senza consenso il sistema non costruisce il modello.

Passo 2. Selezione: non tutte le registrazioni passano

Il primo filtro è la qualità del materiale di partenza. Prima di costruire una voce, la catena verifica la «presenza» nella registrazione: c’è abbastanza parlato pulito e comprensibile, senza rumori di fondo, musica né interruzioni? Le registrazioni che non superano il filtro vengono scartate subito: trascinare materiale debole lungo la catena non ha senso, perché i difetti emergerebbero comunque nel risultato finale.

Passo 3. L’impronta digitale del timbro

Poi il motore ascolta il parlato selezionato e costruisce un’impronta digitale compatta della voce: una descrizione matematica del timbro di pochi kilobyte. È lei a custodire tutto ciò che rende riconoscibile una voce: altezza, colore, carattere. Tutte queste impronte finiscono in una banca comune e, al momento della sintesi, il motore sceglie quella giusta e con essa «pronuncia» qualsiasi testo. Un motore, centinaia di voci, ognuna con la sua impronta.

Una voce del catalogo non è un insieme di frasi registrate, ma un’impronta del timbro. Per questo una sola voce può leggere qualsiasi testo, anche uno che lo speaker originale non ha mai detto.

Passo 4. Controllo qualità: come misuriamo la «pulizia»

L’udito è soggettivo, quindi la qualità la misuriamo anche. Un’anteprima di sintesi di ogni nuova voce passa per una valutazione neurale della pulizia audio, che dà un punteggio oggettivo: quanto suona pulita la voce, senza rumori né artefatti. Il punteggio è corretto in base alla lingua, perché «pulito» in tedesco non suona come, per esempio, in giapponese. Le voci sotto la soglia non arrivano mai sullo scaffale: tornano in lavorazione o vengono scartate.

Passo 5. Mastering: perché tutto suoni uniforme

L’ultima fase porta tutte le voci a un denominatore comune. Il volume viene livellato e il suono normalizzato, così nel catalogo non ci sono voci «sottovoce» o «urlate» e puoi confrontare i timbri alla pari. È la stessa logica del mastering in musica: tecnicamente è tutto pronto, ma è la finitura uniforme a separare un risultato professionale da uno grezzo.

Passo 6. La scheda del catalogo: lingua e livello

La voce finita riceve una scheda con genere, lingua e descrizione del timbro ed entra nel catalogo solo dopo una revisione manuale. Qui compare anche il livello della lingua:

• Lingue principali: il cuore del motore, con garanzia di qualità: tedesco, inglese, francese, spagnolo, italiano, portoghese, russo, cinese, giapponese e coreano.
• Beta: la lingua funziona già in modalità automatica, ma stiamo ancora rifinendo la qualità.
• In arrivo: la lingua è in sviluppo; stiamo selezionando gli speaker e regolando la sintesi.

Una lingua esce dalla beta non secondo un calendario, ma quando supera stabilmente lo stesso controllo qualità delle lingue principali. Spieghiamo perché esistono i livelli in «Perché le lingue hanno dei livelli», e nel Lab puoi seguire quali lingue sono in lavorazione e votare le prossime.

Perché ti riguarda

Tutta questa catena esiste per un motivo semplice: che tu apra il catalogo, prema play e senta una voce pulita, non rumori e artefatti. La selezione in ingresso, il controllo oggettivo della qualità e un mastering uniforme sono il motivo per cui le voci di HancVoice suonano in modo prevedibile e costante, e non «a volte sì, a volte no».

Conclusione

Una voce nasce molto prima del momento in cui la scegli: in una catena di selezione, impronta del timbro, controllo qualità e mastering. È proprio per questo che le lingue hanno dei livelli e il catalogo ha una qualità costante. Apri il catalogo e ascolta: ora sai cosa c’è dietro ogni play.

Provalo tu — un pacchetto iniziale di caratteri gratuito quando ti iscrivi.