AccediProvalo gratis

Che cos’è la clonazione vocale?

La clonazione vocale consiste nel creare una voce sintetica che suona come una specifica persona reale, a partire da registrazioni del suo parlato. Il clone può poi dire frasi nuove che la persona non ha mai registrato, anche in altre lingue: è così che gli strumenti di doppiaggio mantengono la voce di chi parla in una traduzione.

Esempio
Campione:  42 secondi di Anna che parla inglese nel suo video
Testo:     “Empezamos con tres clientes y una sala alquilada.”
Risultato: la battuta in spagnolo, detta con una voce che suona come quella di Anna

Come funziona

Un modello vocale addestrato su moltissime voci impara cosa rende diversa una voce: altezza, timbro, accento e ritmo. Dato un campione di un nuovo parlante, ne cattura questi tratti e li applica a qualsiasi testo pronunci. Le parole vengono dal testo; dal campione viene solo il suono della voce.

Clonare una voce: clone istantaneo e professionale

Un clone istantaneo si crea in pochi secondi da un campione breve, spesso meno di un minuto o due, e su un parlato neutro suona vicino alla persona. Un clone professionale viene addestrato su molto più audio, di solito da mezz’ora a diverse ore di registrazioni pulite, e regge meglio emozioni, urla o sussurri.

Consenso e legge

Una voce identifica una persona. Secondo il GDPR, i dati vocali trattati per identificare qualcuno sono dati biometrici, e i servizi che clonano voci, compreso questo, trattano i campioni in questo modo: serve una base giuridica, di norma il consenso esplicito. Il BIPA dell’Illinois copre le impronte vocali, l’ELVIS Act del Tennessee protegge la voce di una persona dalle imitazioni non autorizzate e l’EU AI Act impone di dichiarare l’audio sintetico come tale. Clonare qualcuno senza permesso può violare più di queste norme contemporaneamente.

A cosa serve

Doppiare i video di un creator con la sua voce, correggere una parola in una registrazione senza rifarla, dare una voce narrante a chi ha perso la propria e far leggere gli audiolibri all’autore. La stessa tecnologia rende possibili le truffe vocali, ed è per questo che gli strumenti seri chiedono di confermare che puoi usare quella voce.

Domande

Quanto audio serve per clonare una voce?

Per un clone istantaneo, da circa 20 secondi a un paio di minuti di parlato chiaro. I cloni professionali vengono addestrati su 30 minuti o più.

La clonazione vocale è legale?

Clonare la tua voce, o una che hai il permesso di usare, è legale quasi ovunque. Clonare qualcuno senza consenso può violare le leggi su privacy, dati biometrici e diritto all’immagine, e usarla per ingannare è una frode.

Una voce clonata può parlare un’altra lingua?

Sì. I modelli vocali multilingue possono far parlare al clone lingue che la persona non parla, mantenendo il suono della sua voce, anche se l’accento può cambiare.

Si riesce a distinguere una voce clonata da quella vera?

Su frasi brevi e neutre spesso no. Su un brano più lungo, emozioni piatte, enfasi strane o nomi pronunciati male di solito la tradiscono.

Leggi di più

Termini correlati

  • Doppiaggio

    Il doppiaggio, nel suo significato più comune, è la sostituzione del parlato di un film, di una serie o di un video con un nuovo parlato registrato, di solito una traduzione in un’altra lingua, così il pubblico ascolta la storia nella propria lingua invece di leggere i sottotitoli. Le nuove battute sono a tempo con le immagini, e la musica e gli effetti sonori dell’originale restano.

  • Voice over

    Il voice over, nel significato che ha nella traduzione audiovisiva, sovrappone una traduzione parlata all’audio originale, che resta udibile sotto di essa a volume più basso. A differenza del doppiaggio, non cerca di sostituire le voci originali né di seguire il labiale: chi guarda sente che qualcun altro sta traducendo.

  • Copione di doppiaggio

    Il copione di doppiaggio è il dialogo tradotto di un film o di un video, riscritto perché ogni battuta possa essere detta nel tempo che la battuta originale occupa sullo schermo. Elenca ogni battuta con il personaggio che la pronuncia e i suoi timecode di entrata e uscita. Il testo adattato è ciò che i doppiatori, o una voce AI, leggono in studio.

Aggiornato: