4011 Generare la voce senza AI e con i vari tipi di AI, un esempio di vibe coding

Generare la voce senza AI e con i vari tipi di AI, un esempio di vibe coding
Si puo’ fare in casa.
Ma con quali limiti … ? Ecco, vediamoli, per capire che vibe coding non e’ spegnere il cervello e aspettare la pensione … !

Speaker 2: C'era una puntata che ero sicuro che avrebbe fatto un

picco di ascolti ed è quella che spiega come trascrivere

in locale i file audio quindi è quella proprio dello

sbobinare un file audio

Speaker 3: Senza andare online, quindi tutti finalmente dicono, ah sì sì

che bello, che bello, restano a fare i miei, le

mie idee, i miei appunti, i miei stimoli, me li

posso trascrivere e poi mi diverto io a fare le cose. Ecco,

quella puntata, sapevo, avrebbe interessato moltissimo. Questa puntata è la parte,

è la seconda parte del flusso, ma vi farà capire

come è un modo completamente diverso. pur essendo sempre il parlato.

Invece di essere dal parlato al testo, stiamo parlando di

partire dal testo per avere il parlato, per avere la voce.

E il famoso TTS, Text to Speech, che è l'altro

Speech to Text, non è che sia chissà che cosa.

Di che cosa si tratta? Beh, Come potete immaginare, si

parte da un file di testo, lo si dà in

pasto a una soluzione che genera l'audio. Ora, io mi ricordo, Amiga,

fu il primo a generare un audio che si capiva. Cioè, ragazzi,

quando parlava l'Amiga in italiano era robotico, come si suol dire,

però si capiva quello che stava dicendo ed era anche abbastanza,

non eccessivamente pesante, non eccessivamente tedioso. Oggi ci sono ancora

tanti modelli che non emulano ma proprio funzionano così con

quella tecnologia e l'hanno tenuta. Però se uno vuole farsi

questo software in casa con Python oppure su una pagina internet,

che cosa deve fare? Innanzitutto deve capire quanto è importante

la qualità. Perché se vogliamo una versione intermedia di qualità,

cioè qualcosa che fino a due anni fa era eccezionale,

era un parlato che andava sempre in questo modo e

capivi quello che diceva, non c'erano enfasi di nessun tipo,

però capivi tutto molto bene ed era proprio vicino al

linguaggio umano. Ecco, questo andava bene fino a qualche anno fa,

adesso questa cosa riesce a farlo proprio anche con una

libreria standard, mi sembra che sia un'offerta ad OpenAI addirittura,

o forse non proprio quella di OpenAI, ce n'è un'altra ancora, vabbè.

ce ne sono tante e bisogna dire che dipende anche

moltissimo dalla lingua, quindi se la lingua è l'italiano abbiamo

meno possibilità. E quindi cosa ho fatto? Praticamente ho chiesto

all'AI di generarmi un programma in Python, dove una parte

avevo il testo e l'altra parte mi generava l'audio. L'audio

veniva generato in un formato sugo, che poi doveva essere

convertito in mp3. quindi usando FFmpeg, santo FFmpeg, che è

praticamente il convertitore universale di tutti i contenuti audio o video.

Forse anche immagini fa, non lo so, però è veramente

una cosa potentissima. Però capite che già questo richiede competenze tecniche,

io non capisco come uno dica, fammi la cosa e funzionerà. Insomma,

funziona sul mio computer, ma poi se lo voglio dare

al mio collega, apriti cielo. Oltretutto, queste versioni dipendono fortissimamente

da Python. Ecco, qui entriamo nel mondo dello schifo delle versioni,

delle varie versioni Python, gli aggiornamenti, le librerie abbandonate, ma

le uniche indispensabili che ancora vanno avanti, ma incompatibili. Quindi

creare ambienti virtuali, metterci dentro il file, compilare per il file,

per quell'ambiente virtuale, e poi alla fine ottieni qualcosa. Però funziona, funziona.

Che livello? Un livello appena accettabile, finché non rinunci alla

leggerezza di un sistema in genere e dici, senti, lo

voglio bello, fammelo bene. Ecco che credo ci sia proprio

questa libreria gratuita di OpenAI che non è ai livelli

di Eleven Labs, Eleven Labs resta il massimo, però sicuramente

è un altissimo livello, è proprio un alto livello perché, insomma...

c'è anche le pause, le riflessioni, non c'è questa espressività

latina che conosciamo noi, ok? Quindi è abbastanza più neuro.

Poi riesce a venire seguito. Questo lo chiamo linguaggio generato

da sistemi neurali, quindi è una voce che non è

solamente calda, non è solamente sintetica, ma è proprio calibrata

durante la frase, durante il racconto, e C'è un qualcosa

in più, c'è una partecipazione della macchina con quello che

sta leggendo. E quindi lo riesce ad apprezzare. Però volevo

andare a prendere qualcos'altro, qualcosa di meglio ancora. Questo meglio

ancora lo troviamo online. Ovviamente le API di Eleven Labs

sono a disposizione. Sono diventate un po' carucce, ma neanche tanto.

Speaker 2: Però

Speaker 3: è il modo in cui le vendono che è sbagliato.

Solo abbonamento, non a consumo. Devi fare delle formule e

poi ti fanno spendere una vagonata di soldi. Io odio

il marketing quando ci mette il naso così. Comunque, Mistral.

Alla fine sono passato a Mistral. E come funziona la

programmazione di una cosa del genere? A questo punto non

abbiamo più solo un certo numero limitato di voci. ma

abbiamo tantissime fonti. Ecco, se ci appoggiamo all'API di Mistral,

quindi creiamo una web app o anche con Python stesso

ci appoggiamo poi a Mistral, avendo il token e pagando

a consumo, ma non è un costo enorme, accediamo a

una libreria di decine di voci. Ecco, io sto parlando

di due soluzioni tecniche da sviluppatore che mi sono piaciute tanto.

Anche perché io su Mistral avevo fatto una prova di

clonazione della mia voce, quindi avevo parlato un attimo e

dopo quell'attimo, caspita, beccato in pieno, adesso parla quasi come me,

non ha le mie enfasi. E quindi nel realizzare questo

programma mi sono trovato tante voci e poi la mia

val 1, che è la mia voce clonata. Quindi gli

do un file di testo e lui mi genera tutto

il testo che voglio clonato. Non vi capiterà qua di

trovarvi il podcast clonato, perché la mia voce credo che

sia impagabile, e quindi continuerò in questa maniera. Però, ecco,

questi sono gli aspetti tecnici che emergono In questo caso

mi arriva direttamente l'Mp3, il costo per produrre l'audio, mentre

ovviamente finché ero tutto in locale non dovevo pagare niente

a nessuno, ma avevo anche una qualità decisamente inferiore. Dopo

che ho fatto il programma, l'ho installato anche per onde vocali,

perché onde vocali è la mia parte dedicata ai podcaster,

dove dentro ci sono i vari tool di intelligenza artificiale

che uso anche io e li ho messi a disposizione

degli abbonati. Ecco, dopo aver fatto tutto questo, scopro che

ci sono altri due o tre servizi online che non

sono come Mistral, ma sotto profilo tecnico sì. Cioè, Mistral

ovviamente va a colpire qualsiasi attività di intelligenza artificiale, qualsiasi richiesta,

e quella europea deve fare un po' tutto. Ma ce

ne sono alcuni specializzati per produrre auto in Italia, in italiano,

che sono ricchi. non sono di voci cioè c'è scelta

ma sembra più un voler puntare su tante soluzioni possibili

quando poi alla fine le soluzioni belle sono quelle che

girano ripeto se avete bisogno di fare qualcosa di grande

qualità non esitate ad andare da una specialista ok? la

mia Valentina la musi favolista è bravissima e da lei

trovate tutti i suggerimenti possibili però quello che fanno questi

sistemi è aprirti a un mondo di alternative cioè a

non fossilizzarti sulla prima che hai trovato quindi io sinceramente

non riesco ancora a credere a tutti quelli che dicono

il vibe coding è una gran cagata perché ci sono

semplicemente tante di quelle cose in più da fare che

per ottenere un livello di qualità ancora maggiore ma sempre

in meno tempo che è uno strumento che merita, un

metodo che merita quello, però non basta essere programmatore, bisogna

avere anche quell'attenzione, un po' di voler guardare oltre e

voler sviluppare un prodotto completo, facile da usare, ma soprattutto

poi che funzioni, perché se la voce non è buona.

Un caro saluto a tutti, alla prossima!

Speaker 2: Caffè20. it è il podcast per imprese e professionisti che vogliono

capire internet dal punto di vista tecnico e da quello legale.

Ascolta gli episodi in anteprima e senza pubblicità. Iscriviti a

partire da 5 euro al mese. Vai su www. caffè20. it slash membri.