La risposta breve
Una voce di sintesi suona naturale quando azzecca tre cose: la prosodia (la melodia e gli accenti di una frase), il ritmo e le pause, e la pronuncia dei punti delicati come nomi, numeri e abbreviazioni. Le voci neurali moderne gestiscono tutti e tre molto meglio delle vecchie voci robotiche, e molte ora funzionano interamente sull'iPhone. Le voci sul dispositivo mantengono privato il suo testo, funzionano senza connessione e non hanno limiti per carattere; il prezzo da pagare è un download una tantum e un po' di spazio di archiviazione.
Che cosa rende naturale una voce
La maggior parte delle persone giudica una voce nei primi dieci secondi. È un errore: la prima frase di quasi qualsiasi voce moderna suona bene. Ciò che conta per un libro è come regge a pagina 80, e questo dipende da alcuni aspetti precisi.
Prosodia: la melodia di una frase
Un lettore umano alza il tono alla fine di una domanda, mette l'accento sulla parola che porta il significato ("Non ho detto che l'ha preso lei") e lascia scendere la voce alla fine di un'affermazione. Un'intonazione piatta o fuori posto è la prima cosa che stanca l'orecchio, anche quando ogni parola è pronunciata correttamente.
Ritmo e pause
Virgole, punti, cambi di paragrafo e dialoghi richiedono ciascuno una pausa diversa. Una voce che lascia lo stesso breve intervallo ovunque sembra frettolosa; una che si ferma troppo a lungo a ogni virgola sembra esitante. Le buone voci accelerano anche leggermente sulle espressioni familiari e rallentano sulle parole lunghe e insolite, ed è questo che fa sembrare il parlato vivo anziché scandito da un metronomo.
La pronuncia dei casi difficili
Prima che venga prodotto un solo suono, il testo deve essere trasformato in parole pronunciabili. È in questa fase che molte voci splendide in una demo inciampano sui libri veri:
- Numeri e date: "1984" è un anno in una frase e una quantità in quella successiva. "3/4" può essere una frazione o una data.
- Abbreviazioni: "S." può stare per San o per Sud, "v." per via o per vedi.
- Parole che si scrivono allo stesso modo ma si pronunciano diversamente: "àncora" e "ancóra", "pèsca" il frutto e "pésca" con la canna, "prìncipi" e "princìpi".
- Nomi: personaggi, luoghi e parole inventate, che nessun dizionario contiene.
Nessuna voce li azzecca tutti sempre, ed è per questo che un modo per correggere la pronuncia conta quanto la voce stessa (ne parliamo più avanti).
Voci robotiche e voci neurali
La "voce da robot" che la maggior parte delle persone ricorda viene da metodi di sintesi più vecchi. Le voci basate su regole generano il suono da un modello del tratto vocale: molto intelligibili, anche ad alta velocità, ed è per questo che alcuni utenti di screen reader le preferiscono ancora, ma inconfondibilmente sintetiche. Le voci successive univano piccoli frammenti registrati da una persona reale, il che suona umano da vicino ma produce giunture udibili nei punti in cui i pezzi si uniscono.
Le voci neurali funzionano in modo diverso. Un modello addestrato su molte ore di parlato registrato prevede il suono di un'intera frase a partire dal suo testo, comprese intonazione e tempi. Il risultato è più fluido e molto più vicino a una persona che legge. Non sono perfette: una voce neurale può occasionalmente mettere l'accento sulla parola sbagliata o esitare su un nome raro. Ma su un ascolto lungo, la differenza in termini di fatica è grande.
L'iPhone include già delle voci di sistema, e alcune si possono scaricare in varianti più grandi, contrassegnate come Enhanced (avanzata) o Premium, in Impostazioni › Accessibilità › Contenuto letto › Voci. Sono adatte ai testi brevi; la nostra guida per far leggere ad alta voce un testo all'iPhone le descrive insieme ai loro limiti.
Sintesi vocale sul dispositivo o nel cloud
Le voci neurali possono funzionare su un server remoto o direttamente sul telefono. Entrambi gli approcci sono legittimi; semplicemente comportano compromessi diversi.
| Voci nel cloud | Voci sul dispositivo | |
|---|---|---|
| Dove va il suo testo | Inviato a un server per essere convertito | Resta sull'iPhone |
| Connessione | Necessaria durante l'ascolto, o per generare l'audio | Solo per scaricare la voce una volta |
| Limiti | Spesso a consumo, per caratteri o per minuti | Nessuna quota per carattere |
| Traffico dati | Consumato mentre ascolta | Nessuno una volta installata la voce |
| Spazio di archiviazione | Poco sul telefono | Ogni voce occupa spazio |
| Batteria | Uso della rete | Il parlato viene calcolato sul telefono |
| Espressività | I modelli più grandi possono essere molto espressivi | Vicina per la narrazione, limitata dalle risorse del telefono |
La privacy è l'aspetto che si sottovaluta. Se ascolta report di lavoro, contratti, referti medici o i suoi scritti inediti, la sintesi sul dispositivo significa che nessuno di quei testi lascia il telefono. L'aspetto pratico è la seconda sorpresa: un aereo, la metropolitana, una baita senza segnale o una bolletta di roaming che preferirebbe evitare. Una voce sul dispositivo continua semplicemente a leggere.
Anche i costi sono reali. Le voci vanno scaricate, idealmente in Wi-Fi, e occupano spazio, quindi installi quelle che userà davvero e rimuova le altre. Generare il parlato impegna il processore, quindi una sessione lunga consuma più batteria rispetto alla riproduzione di un file audio; gli iPhone includono l'Apple Neural Engine, progettato proprio per questo tipo di lavoro.
Come lo gestisce VocaRead
VocaRead esegue tutte le sue voci sul dispositivo. Basta scaricare una voce una volta, poi tutto funziona offline: nessun account, nessuna elaborazione nel cloud, e i suoi libri non lasciano mai l'iPhone. Ci sono oltre 200 voci, di cui 144 voci neurali premium, in più di 30 lingue, e i motori neurali sono accelerati dall'Apple Neural Engine. Un nuovo motore di lettura è disponibile come beta facoltativa in Impostazioni › Voci; questa guida spiega come provarlo e come tornare indietro. Veda il catalogo completo delle voci.
Non c'è alcun contatore per carattere. L'unico limite è commerciale e dichiarato fin dall'inizio: 90 minuti di ascolto gratuito per libro, poi un acquisto Premium una tantum per l'ascolto illimitato. La riproduzione avviene nell'app; non esporta file MP3.
Come scegliere una voce per un libro
Prima di tutto, la lingua
Usi sempre una voce madrelingua per la lingua del libro. Una voce inglese che legge un romanzo francese storpierà ogni nome e la maggior parte delle frasi. Se legge in più lingue, installi una buona voce per ciascuna lingua anziché una sola voce per tutto.
Abbini il narratore al libro
Una voce calda e pacata si addice a un romanzo o a un libro di memorie. Una voce nitida e neutra si addice a un libro tecnico o a un report, dove la chiarezza conta più del carattere. La narrativa ricca di dialoghi richiede una voce con variazioni di intonazione ben marcate, perché un solo narratore dà voce a tutti i personaggi.
Faccia la prova sulle pagine giuste
Salti il primo paragrafo del primo capitolo. Riproduca invece una pagina con dialoghi, una pagina con numeri o date e una pagina con i nomi dei personaggi principali. Poi ascolti per dieci minuti prima di decidere. Piccole particolarità che in un'anteprima la conquistano possono diventare irritanti dopo un'ora, e vale anche il contrario.
Imposti la velocità per ogni libro
VocaRead le permette di impostare la velocità da 0,5x a 2,0x, e la ricorda per ogni libro. Inizi a 1,0x e si sposti a piccoli passi. La saggistica impegnativa funziona spesso meglio alla velocità normale o appena sotto; un genere familiare o una rilettura possono arrivare a 1,3x o oltre. Se legge in una seconda lingua, rallentare intorno a 0,8x mantiene naturale la voce e le lascia il tempo di seguire.
Correggere nomi e parole con le pronunce personalizzate
Anche la voce migliore sbaglierà un nome inventato, e ripeterà lo stesso errore a ogni pagina. In VocaRead, tenga premuta la parola, scriva come va pronunciata e la regola viene salvata per quella lingua e sincronizzata tramite iCloud con il suo iPad. Una sola correzione sistema l'intero libro. La nostra guida per correggere i nomi pronunciati male offre consigli per scrivere regole che funzionano.
Che cosa le voci sintetiche fanno ancora meno bene
Qui l'onestà aiuta. Un narratore sintetico legge la poesia in modo più piatto di un bravo attore, non fa le voci dei personaggi e può non cogliere un'ironia che un essere umano trasmetterebbe con il tono. Tabelle, note a piè di pagina e lunghi elenchi di riferimenti sono scomodi per qualsiasi voce. Per un romanzo che vive dell'interpretazione, un audiolibro letto da un narratore può essere ancora l'esperienza migliore; per le migliaia di libri, articoli scientifici e documenti che non ne avranno mai uno, una voce naturale sul dispositivo è ciò che rende possibile l'ascolto. Confrontiamo le due opzioni in sintesi vocale vs audiolibri.
Domande frequenti
Le voci sul dispositivo sono valide quanto quelle nel cloud?
Per la narrazione, le migliori voci neurali sul dispositivo ci vanno vicino, e vincono su privacy, uso offline e assenza di limiti di utilizzo. I modelli cloud più grandi possono essere più espressivi, al prezzo di inviare altrove il suo testo e di pagare in base all'uso.
Il mio testo viene inviato da qualche parte quando ascolto?
Non con la sintesi sul dispositivo. In VocaRead l'audio viene generato sull'iPhone e i libri non lo lasciano mai. La connessione serve solo per scaricare una voce, un libro gratuito o una pagina web.
Le voci offline occupano molto spazio?
Ogni voce è un download che resta sul telefono. Installi le voci che ascolta davvero, una o due per lingua, e rimuova quelle che ha provato e non ha tenuto.
Quale velocità dovrei usare?
Inizi a 1,0x e regoli a piccoli passi finché non smette di notare la voce. La maggior parte degli ascoltatori si assesta tra 1,0x e 1,5x, con impostazioni più lente per i testi impegnativi o per una seconda lingua.
Il modo migliore per giudicare una voce è con un libro che conosce. Scarichi VocaRead, importi uno dei suoi file e provi qualche voce: ogni libro include 90 minuti di ascolto gratuito e Premium è un acquisto una tantum, non un abbonamento.