Voce AI o speaker vero per lo spot? Quando conviene davvero (e cosa dice l'AI Act)

Una voce sintetica oggi si genera in pochi minuti da un testo, e per molti video è una scelta sensata. Per altri no. La differenza non sta tanto nel timbro, che i servizi migliori riproducono bene, quanto in quello che il testo chiede a chi lo legge: più serve interpretazione, più il vantaggio della voce AI si riduce.

Le due strade

• Voce AI: si sceglie una voce in un servizio di sintesi (ElevenLabs, Artlist e altri), si inserisce il testo e si generano le letture, dall'interfaccia web o via API.
• Speaker (voice actor): una persona legge il testo, da casa o in studio, a partire da un brief.

Spesso le due strade convivono nello stesso progetto: una voce AI come provvisoria sul montaggio, uno speaker per la versione definitiva.

Dove la voce AI funziona bene

• Testi informativi in cui la lettura deve essere chiara più che espressiva: tutorial, e-learning, video interni, istruzioni.
• Contenuti social con tempi stretti e vita breve.
• L'inglese prima di tutto: è la lingua su cui i modelli sono più maturi. In italiano i risultati sono buoni ma meno costanti, soprattutto su cadenze e accenti.
• Versioni in più lingue dello stesso video informativo, quando l'alternativa sarebbe un casting per ogni lingua.

Dove si sente la differenza

I punti deboli di una voce sintetica sono quelli che chiedono di capire il testo, non solo di pronunciarlo:

• emozione e sottotesto: una frase detta con un sorriso, una pausa che pesa;
• ironia e ritmo comico, dove conta il tempo di ogni sillaba;
• nomi propri e marchi, che il modello può pronunciare in modo sbagliato o incostante;
• dialoghi tra due voci, la cosa più difficile da ottenere in modo credibile.

C'è poi la qualità del file. Sui piani base molti servizi esportano solo MP3, e la compressione si sente: nel mix finale, accanto a musica ed effetti, una voce compressa perde presenza. Il WAV di solito è riservato ai piani superiori.

Con esperienza dei tool e un buon editing si arriva comunque a risultati alti: si generano molte varianti, si gioca con la punteggiatura per spingere il modello verso un'intenzione diversa, poi si montano insieme i pezzi migliori, a volte sillaba per sillaba. È un lavoro di tentativi e di collage. Per questo la promessa di rapidità vale per i testi semplici: quando l'ambizione sale, il tempo di editing può costare più di una sessione con uno speaker.

Come cambia il lavoro

Con una voce AI si parte dalla scelta della voce, si generano le letture, si correggono le parti che non vanno e si monta. Le revisioni del cliente sul testo sono rapide: una frase cambiata si rigenera senza riconvocare nessuno.

Con uno speaker, oggi, quasi sempre la registrazione avviene da remoto: lo speaker riceve il brief, registra da casa e invia una o più letture, poi ci si confronta sulle correzioni. La sessione in studio con la direzione artistica dal vivo è la strada più lenta e oggi più rara, e si sceglie quando l'interpretazione è il cuore del progetto.

Un dettaglio pratico sulle registrazioni da casa: ogni speaker ha il proprio setup e spesso applica dei processi al file (compressione, equalizzazione, riduzione del rumore). Per chi poi mixa il video è meglio ricevere anche la registrazione pulita, senza processi, così il suono della voce si decide nel mix insieme al resto.

Quale scegliere

• Spot TV e radio, branded content, documentari, contenuti emozionali: uno speaker. È lì che comprensione del testo e interpretazione fanno la differenza, e si sentono.
• Social, video informativi, e-learning, video interni: la voce AI è un'opzione concreta, soprattutto in inglese e quando il testo non chiede una recitazione sottile.
• Casi intermedi: si può partire con una voce AI come provvisoria e decidere sul montaggio se basta o se serve uno speaker.

Diritti, licenze e AI Act

La licenza del servizio. L'uso commerciale di una voce AI dipende dal piano: con ElevenLabs, per esempio, i contenuti generati con il piano gratuito non si possono usare in un progetto commerciale, quelli generati con un piano a pagamento sì. Conviene verificare le condizioni del servizio usato prima della consegna.

Le voci clonate. Clonare la voce di una persona reale richiede il suo consenso esplicito, e i servizi lo chiedono nelle loro condizioni d'uso. Vale anche per la voce di un testimonial o di un dipendente dell'azienda.

L'AI Act. Dal 2 agosto 2026 si applicano gli obblighi di trasparenza dell'articolo 50 del regolamento europeo sull'intelligenza artificiale:

• chi fornisce il servizio di sintesi deve marcare gli audio generati in modo leggibile da una macchina, così che siano riconoscibili come artificiali (per i sistemi già sul mercato prima di quella data, la scadenza è il 2 dicembre 2026);
• chi usa il sistema deve dichiarare i deep fake, cioè i contenuti generati o manipolati che somigliano a persone, luoghi o eventi reali e possono sembrare autentici. Una voce clonata di una persona esistente rientra qui. Nelle opere evidentemente artistiche, creative, satiriche o di finzione l'obbligo si alleggerisce: basta segnalarlo in un modo che non disturbi la fruizione.

Per una voce sintetica generica, che non imita nessuno, il caso è meno netto: le linee guida della Commissione europea sugli obblighi di trasparenza aiutano a valutarlo. Nel dubbio, dichiararlo costa poco. Per un progetto specifico la valutazione finale spetta a un legale.

Cosa serve per partire

Il casting della voce, umana o AI, può farlo chi segue l'audio del video, insieme all'editing, al mix e alla direzione artistica. Per cominciare basta un brief:

1. che tipo di voce: maschile o femminile, giovane o matura;
2. il mood: istituzionale, caldo, energico, ironico;
3. dove uscirà il video;
4. il video di riferimento, oppure, per la radio, il programma o il prodotto.

Scrivimi con il brief, e scegliamo insieme la voce giusta per il progetto.

Fonti

Regolamento (UE) 2024/1689 sull'intelligenza artificiale (AI Act), articolo 3 punto 60 e articolo 50 (eur-lex.europa.eu) · Commissione europea, "Guidelines on transparency obligations for providers and deployers of certain AI systems" (digital-strategy.ec.europa.eu) · ElevenLabs, Terms of Service e Prohibited Use Policy (elevenlabs.io).