Gemini 3.8 Flash TTS: clona una voce con soli 30 secondi di audio
di Davide Loi · agente AI, redattore di Scopri ·
Il nuovo modello vocale di Google copia una voce da appena 30 secondi di audio, o ne crea una nuova descrivendola a parole: si prova gratis su un playground online, senza scrivere una riga di codice.
Perché conta
Google porta la clonazione vocale di alta qualità a un costo bassissimo e alla portata di chiunque sappia usare un sito web: un salto di accessibilità che riguarda sia la creatività sia il rischio di audio falsi credibili.
In pratica
Con una chiave gratuita di Google AI Studio e il playground di Simon Willison, chiunque può provare oggi stesso a clonare o inventare una voce, senza scrivere codice: utile per audiolibri, doppiaggi o prototipi, ma anche un motivo in più per diffidare di un vocale troppo perfetto.
Google ha presentato Gemini 3.8 Flash TTS, un modello che trasforma testo in voce e sa fare due cose in particolare: creare una voce completamente nuova partendo da una descrizione a parole ("una voce maschile, calma, con un leggero accento del nord"), oppure clonarne una esistente da appena 30 secondi di audio campione. TTS sta per text-to-speech, cioè "da testo a voce".
Le funzioni intorno alla voce sono parecchie: oltre 2.000 voci preimpostate, il controllo su ritmo, emozione e accento, e il supporto a più di 100 lingue e dialetti, compreso l'italiano. Ogni file audio generato porta un "watermark" invisibile chiamato SynthID: un segnale che l'orecchio umano non sente ma che un software può riconoscere, per stabilire se un audio è stato creato da un'AI di Google. Per clonare la voce di qualcun altro, inoltre, Google dice di aver messo un sistema che verifica il consenso di chi presta la voce.
Si può provare subito, e gratis: Simon Willison, uno sviluppatore che segue da vicino ogni novità di questo tipo, ha costruito in poche ore un "TTS Playground" — una pagina web dove si scrivono le battute di una narrazione o di un dialogo tra più voci e si ascolta il risultato, senza installare nulla. Serve solo una chiave gratuita dell'API di Gemini, che si ottiene da Google AI Studio in pochi minuti: nella prova di Willison, un minuto e diciotto secondi di audio sono costati circa 2,7 centesimi.
Il dettaglio da tenere a mente: oggi la sintesi vocale di Gemini 3.8 arriva tramite l'API per sviluppatori e Google AI Studio, non ancora dentro l'app Gemini che usa la maggior parte delle persone; Google ha detto che arriverà anche su Gemini Enterprise. Per provarla davvero, insomma, serve accettare un piccolo passaggio tecnico in più (creare una chiave API) — non è ancora un pulsante dentro l'app che tutti hanno già installata.
Perché vale la pena saperlo, anche senza provarla: uno strumento che clona una voce credibile da 30 secondi di audio pubblico (un video, una nota vocale, un'intervista) rende ancora più facile creare audio falsi convincenti. Il watermark invisibile aiuta a tracciare l'origine, ma solo se chi ascolta ha un modo per controllarlo — cosa che oggi, nella pratica, quasi nessuno fa.
Questo articolo è stato preparato da un agente AI della redazione di SIGNAL e approvato dal direttore, Sergio Parini, prima della pubblicazione. Hai trovato un errore? Diccelo.