Scopri la nostra nuova collezione,
fatta a mano in Belgio,
a casa tua in 48 ore.
Che cos'è una voce fuori campo IA?
Una voce fuori campo IA (o voce sintetica, text-to-speech) legge un testo con una voce umana generata da un modello di intelligenza artificiale. Le voci più recenti respirano, variano l'intonazione e fanno le pause, tanto che sulle frasi semplici è difficile distinguerle da una voce registrata.
Esistono due grandi famiglie:
- Le voci di libreria: voci generiche, pronte all'uso, da scegliere per lingua, genere e tono (pacato, energico, caloroso).
- Le voci clonate: un modello riproduce la voce di una persona reale a partire da un campione registrato. Utile perché un formatore o un titolare «parli» in video che non ha il tempo di registrare, a patto di avere il suo consenso.
Passo dopo passo
- Scrivere il copione
Scrivi frasi di 8-15 parole, circa 70-80 parole per 30 secondi, con il gancio nella prima frase.
- Adattarlo al parlato
Scrivi numeri, sigle e nomi propri come devono essere pronunciati.
- Scegliere e provare la voce
Ascolta due o tre voci sul tuo testo e tieni quella adatta al tuo pubblico.
- Generare e posizionare le immagini
Genera la narrazione, poi posiziona scene e B-roll sulle frasi.
- Mixare e sottotitolare
Abbassa la musica sotto la voce, aggiungi sottotitoli sincronizzati e controlla il volume.
- Dichiarare se necessario
Se la voce imita una persona reale, ottieni il suo consenso e indica l'uso dell'IA alla pubblicazione.
| Durata del video | Numero di parole | Uso tipico |
|---|---|---|
| 15 secondi | 35-40 parole | Pubblicità, teaser |
| 30 secondi | 70-80 parole | Video di prodotto, consiglio |
| 60 secondi | 140-160 parole | Tutorial breve, Reel esplicativo |
| 90 secondi | 210-240 parole | Presentazione di un servizio |
| 3 minuti | 420-480 parole | Short lungo, tutorial dettagliato |
Quando usare una voce fuori campo IA e quando evitarla
Una voce sintetica è una buona scelta per:
- tutorial e registrazioni dello schermo, dove l'immagine conta più della persona;
- video di prodotto montati con scene di B-roll, senza nessuno a camera;
- versioni in altre lingue di un video esistente;
- correzioni: sostituire una frase pronunciata male senza rigirare la scena;
- contenuti ricorrenti (consigli, novità del settore) dove conta la quantità.
È meno adatta alle testimonianze, ai video in cui il messaggio è la tua personalità e ai contenuti emotivi. Sui social una voce vera un po' imperfetta ispira spesso più fiducia di una narrazione levigata. Un buon compromesso: la tua voce per i video a camera, la voce IA per i formati esplicativi.
Scrivere un copione per una voce sintetica
La voce IA legge esattamente quello che scrivi. Un testo pensato per essere letto a schermo suona rigido una volta pronunciato. Qualche regola:
- Frasi brevi: 8-15 parole. Un'idea per frase.
- Velocità: una narrazione sta di solito tra 130 e 160 parole al minuto. Calcola circa 70-80 parole per 30 secondi, 140-160 parole per un minuto.
- Punteggiatura: la virgola crea una breve pausa, il punto una pausa più lunga. Puntini di sospensione e punti esclamativi cambiano l'intonazione: provali.
- Numeri e sigle: scrivi «ventiquattro euro» invece di «24 €», e «S-E-O» se la voce legge la sigla in modo strano. Per le date, «primo marzo» è più sicuro di «1/3».
- Nomi propri: se un marchio viene pronunciato male, scrivilo in modo fonetico nel copione (il testo dei sottotitoli può mantenere la grafia corretta).
- Gancio: i primi 2-3 secondi, cioè 6-10 parole, devono dire allo spettatore cosa otterrà.
Esempio per un video di prodotto di 20 secondi (circa 50 parole): «Perdi le chiavi ogni mattina? Questo portachiavi suona appena lo chiami. La batteria dura un anno. Sta in tasca, resiste all'acqua e si configura in due minuti. Niente più corse all'ultimo secondo per cercarle. Trovi il link nella descrizione.»
Scegliere la voce giusta
- Lingua e accento: un italiano neutro, una cadenza del nord o del sud, un italiano della Svizzera non creano la stessa vicinanza. Scegli quella del tuo pubblico.
- Il tono: pacato per un tutorial, energico per una pubblicità, caloroso per un negozio di quartiere. Ascolta la voce sul tuo testo, non solo sul campione.
- La costanza: usa la stessa voce da un video all'altro. Diventa un punto di riferimento per il tuo pubblico, come un jingle.
- La velocità: la maggior parte degli strumenti permette di accelerare un po'. Oltre il 10-15% più veloce del normale, la voce perde naturalezza.
Montare e mixare la voce fuori campo
- Adatta le immagini alla voce, non il contrario: genera prima la narrazione, poi posiziona le scene sulle frasi.
- Abbassa la musica sotto la voce (ducking): la musica deve restare ben in secondo piano, circa 15-20 dB sotto la voce mentre parla, poi risalire nei silenzi.
- Aggiungi i sottotitoli: una gran parte dei video si guarda senza audio. I sottotitoli sincronizzati con la voce restano indispensabili.
- Lascia respirare: 0,3-0,5 secondi di silenzio tra un'idea e l'altra rendono la narrazione più umana.
- Volume di uscita: punta a un livello costante, senza picchi; circa -14 LUFS è un obiettivo comune per i video online.
Clonazione della voce, trasparenza e regole da rispettare
Clonare la voce di una persona senza il suo consenso scritto è da escludere, anche per un collega o una celebrità «per scherzo». La voce è un dato personale e un attributo della personalità.
Nell'Unione europea l'articolo 50 del regolamento europeo sull'IA (AI Act) si applica dal 2 agosto 2026: un contenuto audio o video generato o manipolato dall'IA che assomiglia in modo realistico a una persona esistente (deepfake) deve essere dichiarato come tale. Anche le piattaforme hanno le loro regole: YouTube chiede di dichiarare al caricamento i contenuti realistici modificati o sintetici, voce compresa (guida ufficiale di YouTube), e TikTok chiede di etichettare i contenuti realistici generati dall'IA.
In pratica: una voce di libreria che legge il copione del tuo tutorial non crea problemi; una voce clonata che fa dire a qualcuno frasi realistiche deve essere autorizzata dalla persona e dichiarata. Nel dubbio, scrivi «voce generata con l'IA» nella descrizione.
Creare una voce fuori campo IA con Orbicut
In Orbicut la voce fuori campo IA usa i crediti dei piani: costa 10 crediti ogni 30 secondi di narrazione, cioè circa 0,10 €. Scrivi o incolli il testo, scegli una voce, e la narrazione si posiziona sulla timeline con i suoi sottotitoli animati. La musica si abbassa automaticamente sotto la voce. Per un video in più lingue, abbinala alla traduzione del progetto. I dettagli dei piani sono nella pagina dei prezzi.
Domande frequenti
Una voce fuori campo IA suona naturale?
Su frasi brevi e ben punteggiate le voci sintetiche recenti sono molto naturali. I difetti emergono soprattutto su nomi propri, sigle e frasi troppo lunghe, che si correggono nel copione.
Quante parole servono per una voce fuori campo di 30 secondi?
Calcola circa 70-80 parole per 30 secondi, sulla base di una velocità di narrazione di 130-160 parole al minuto.
È legale clonare una voce con l'IA?
Clonare la propria voce o quella di una persona che ha dato il consenso è consentito. Nell'Unione europea l'AI Act impone dal 2 agosto 2026 di dichiarare i contenuti che imitano in modo realistico una persona esistente.
Bisogna dichiarare una voce fuori campo IA su YouTube?
YouTube chiede di dichiarare i contenuti realistici modificati o generati, audio compreso, quando possono sembrare reali, per esempio una voce clonata che attribuisce frasi a una persona vera. Una narrazione generica su un tutorial di solito non rientra in questo caso.
Orbicut offre la clonazione della voce?
Non per ora: la clonazione della propria voce non è una funzione annunciata. Orbicut offre voci IA di libreria, a 10 crediti ogni 30 secondi, utilizzabili con i crediti di ogni piano.