Crea voci realistiche gratis con l’AI di Gemini 2.5 Pro!

L’intelligenza artificiale continua a sorprendere con nuove funzionalità che rendono sempre più accessibili processi prima complessi e costosi.

Con Gemini 2.5 Pro Preview TTS, in Google AI Studio, puoi generare voci realistiche partendo da semplice testo. Questa tecnologia può essere utilizzata per creare podcast, dialoghi tra più persone o narrazioni audio di alta qualità senza bisogno di attrezzature professionali o speaker umani.

In questo tutorial ti mostro come generare audio realistici con Google Gemini Pro:

Qualità e caratteristiche

La qualità audio ottenibile è paragonabile a quella di servizi premium come ElevenLabs, ma con due importanti vantaggi: è completamente gratuito e molto semplice da utilizzare.

La generazione si basa principalmente sul prompt e sulla struttura del testo, rendendo il processo accessibile anche a chi non ha competenze tecniche specifiche.

Accedere allo strumento

Per utilizzare la funzione di generazione vocale di Gemini Pro:

• Vai su aistudio.google.com
• Effettua l’accesso con il tuo account Google
• Nel menu laterale, clicca su “Generate Media” (l’icona con il palloncino e le colline)
• Seleziona “Gemini Speech Generation”

Strutturare il dialogo

L’interfaccia si presenta divisa in due parti: a sinistra la “Raw Structure” dove inserire il testo, a destra l’anteprima di come il sistema ha interpretato il contenuto. Per far funzionare correttamente il sistema, è fondamentale rispettare una precisa struttura:

Il testo deve iniziare con le istruzioni di stile (senza indicazioni specifiche)

Il dialogo deve seguire il formato: “Nome dello speaker: testo dello speaker”

I nomi degli speaker nel testo devono corrispondere esattamente a quelli indicati nelle impostazioni vocali a destra

Utilizzare il prompt ottimale

Per semplificare la generazione di dialoghi efficaci, è utile utilizzare un prompt strutturato che guidi l’IA nella creazione di conversazioni naturali. Il prompt dovrebbe includere:

• Indicazioni sul formato richiesto
• Caratterizzazione dei personaggi
• Tema del dialogo
• Suggerimenti per includere interiezioni ed emozioni (eh, hmm, ha ha)

Personalizzare le voci

Google AI Studio offre circa 30 voci diverse tra cui scegliere. Per personalizzare l’audio:

• Seleziona “Multi speaker audio” per dialoghi o “Single speaker audio” per monologhi
• Inserisci i nomi degli speaker (massimo 2)
• Scegli la voce per ciascuno speaker dal menu a tendina
• Ascolta le anteprime per trovare il tono e il pitch adatti ai tuoi personaggi

Anche se le anteprime sono in inglese, il sistema riconoscerà automaticamente il testo in italiano e produrrà l’audio nella nostra lingua.

Impostazioni avanzate

Nelle impostazioni del modello puoi regolare la temperatura: valori più bassi producono generazioni più coerenti con il tuo stile, mentre valori più alti consentono maggiore sperimentazione. Puoi anche scegliere tra il modello Pro (più lento ma di qualità superiore) e il modello Flash (più veloce ma con qualità inferiore).

I limiti del servizio sono generosi: 100 richieste al minuto per il modello Pro e fino a 8000 caratteri per richiesta, rendendo la generazione praticamente illimitata per un uso normale.

Scaricare l’audio

Una volta generato l’audio, puoi scaricarlo facilmente cliccando sui tre puntini a destra e selezionando “Download”. È consigliabile salvare i file audio con nomi descrittivi, poiché il sistema non mantiene una cronologia delle generazioni precedenti.

Se vuoi imparare a usare l’intelligenza artificiale nel tuo lavoro clicca sull’immagine in basso. Nella nostra Academy trovi corsi sulle migliori AI sempre aggiornati, centinaia di risorse e una community pronta a supportarti.