Voce fuori campo con l'IA in turco: come preparare il testo per la voce

Risposta breve: Per una voce fuori campo in turco con l'IA, prima si prepara il testo per la voce: si scrivono in lettere numeri e date, si scrivono le sigle come vanno pronunciate, si conservano gli accenti circonflessi e i caratteri turchi e si spezzano le frasi lunghe. Poi si sceglie la voce narrante adatta al lavoro, si ascolta il risultato senza immagini e si corregge la parola letta male. Gran parte della qualità viene dal testo.

Al primo tentativo quasi tutti vivono la stessa esperienza: la voce suona naturale, ma «3. kat» (terzo piano) viene letto «üç kat» (tre piani), dove compare un prezzo il modello inciampa tra le cifre, e nella parola «hikaye» senza circonflesso la k esce dura. Il problema di solito non è la voce in sé, ma il modo in cui il testo le viene consegnato. Il testo turco è costruito per l'occhio, mentre il modello vocale legge alla lettera ciò che è scritto. Questo articolo fornisce le regole che colmano questa distanza e una lista di controllo da usare prima della pubblicazione.

Come si realizza una voce fuori campo con l'IA?

Una voce fuori campo con l'IA si realizza in cinque passi: riscrive il testo per chi ascolta, scioglie numeri e sigle come devono essere letti, sceglie la voce del narratore o del personaggio, genera l'audio e lo ascolta senza immagini, poi corregge nel testo il punto letto male e rigenera solo quella parte. La generazione dell'audio richiede pochi secondi; il vero lavoro è la preparazione del testo.

1. Scriva il testo per l'orecchio. Frasi brevi, un'idea per frase, niente subordinate annidate.
2. Sciolga la pronuncia. Scriva in lettere cifre, date, orari, valute, sigle e simboli.
3. Scelga la voce. Narratore o personaggio; calda, pacata o energica.
4. Ascolti. Spenga le immagini e ascolti una volta dall'inizio alla fine; senza video gli errori si sentono meglio.
5. Corregga a pezzi. Cambi nel testo la parola sbagliata e rigeneri solo quella frase o quella scena.

Se la voce fa parte di un video, l'ordine cambia un po': prima viene il piano delle scene, il testo si divide in scene e l'audio si scrive sulla durata di ciascuna. L'intero flusso è nella guida per fare video con l'IA, la pianificazione delle scene su carta nell'articolo su cos'è uno storyboard.

Dove sbagliano di più i modelli vocali con un testo turco?

In turco i modelli vocali inciampano soprattutto in sei punti: numeri e date, sigle e simboli, accenti circonflessi, parole scritte senza i caratteri turchi, nomi propri stranieri e intonazione delle domande. Il denominatore comune è questo: la pronuncia che il lettore ricava da solo dal contesto, il modello non sempre riesce a ricavarla, e spesso sceglie la forma che ha visto più spesso.

La perdita dei caratteri turchi è la più insidiosa. In un testo copiato da un altro sistema o scritto di fretta possono sparire le lettere ı, ğ, ş, ç, ö e ü. Una parola scritta «Isik» non viene letta come «ışık» (luce), ma con vocali anteriori; nella grafia «dag» il suono allungato dalla ğ di «dağ» (montagna) non si sente affatto. Passare il testo per un correttore ortografico turco prima di darlo alla voce intercetta la maggior parte di questi errori prima ancora della generazione.

Come vanno scritti numeri, date e sigle?

Scriva numeri, date e sigle in lettere, nella forma in cui vuole che l'ascoltatore li senta. Un modello vocale può leggere una data con i punti cifra per cifra, saltare il punto del numero ordinale o sillabare lettera per lettera una sigla come «A.Ş.». Se a schermo deve apparire la cifra, la lasci nei sottotitoli e la sciolga nel testo per la voce. Tenere separati i due testi è la strada più sicura.

Alcune sigle si leggono come parole (NATO, TÜBİTAK), altre lettera per lettera (TBMM, il Parlamento turco). Invece di indovinare quale scelta farà il modello, scriva Lei la pronuncia. Per le valute vale lo stesso principio: «lira» invece di «TL», «dolar» invece di «USD». Le lunghe sequenze di cifre, come numeri di telefono o codici d'ordine, vanno raggruppate a due o tre con una virgola in mezzo; così il modello trova dove respirare.

Come cambiano la pronuncia gli accenti circonflessi e i nomi stranieri?

Il circonflesso, cioè il segno di correzione, in turco cambia la pronuncia; se viene tolto, il modello legge un'altra parola. «Hâlâ bekliyoruz» e «hala bekliyoruz» sono frasi diverse: la prima significa «stiamo ancora aspettando», nella seconda «hala» è la zia paterna. «Kâr» è il profitto, «kar» la neve che cade. Secondo le regole ortografiche dell'Istituto della lingua turca (Türk Dil Kurumu) il segno ha tre funzioni, e tutte e tre incidono direttamente sul suono.

• Distingue il significato: hâlâ e hala, kâr e kar, âdet (usanza) e adet (unità). Qui la vocale si legge lunga.
• Palatalizza la consonante che lo precede: kâğıt, dükkân, hikâye, rüzgâr, Elâzığ. Senza circonflesso k, g e l possono essere lette dure.
• Distingue il suffisso di relazione: «resmî tatil» (festività ufficiale) e «resmi duvarda» (il suo quadro è sulla parete), «millî» (nazionale) e «milli» (con un perno) non sono la stessa parola.

Nomi propri stranieri

Un nome straniero di persona o di luogo può deformarsi a seconda delle regole della lingua con cui il modello lo legge. Provi prima così come è scritto; se esce sbagliato, usi solo nel testo per la voce una grafia turca vicina alla pronuncia: «Jak» invece di «Jacques», «Mişel» invece di «Michelle», «Siyatıl» invece di «Seattle». Nei sottotitoli e nei testi a schermo resta la grafia originale. Per nomi di aziende e prodotti si basi sulla pronuncia del titolare.

Come influiscono su intonazione la particella interrogativa, la virgola e la lunghezza della frase?

Il modello vocale ricava l'intonazione dalla punteggiatura e dalla grafia dei suffissi. Quando la particella interrogativa «mi» è scritta staccata, la frase viene costruita come domanda e l'accento cade sulla parola che la precede; con una grafia unita come «geliyormusun» il tono interrogativo può perdersi. La virgola indica una pausa breve, il punto una pausa lunga. Le frasi lunghe e annidate fanno scorrere la voce senza respiro, piatta e monotona.

• L'accento lo porta la particella: nella domanda «Sen mi geldin?» (sei venuto tu?) risalta «sen», in «Sen geldin mi?» (sei venuto?) risalta «geldin». Collochi la particella in base alla parola su cui verte la domanda.
• La virgola è un punto di respiro: nella frase «Evet, hazırız» (sì, siamo pronti) «evet» riceve un battito a sé. Senza virgola le due parole vengono lette in un solo slancio.
• Il fuoco sta vicino al predicato: in turco l'elemento enfatizzato si colloca di solito subito prima del predicato. Nella frase «Toplantıya Ayşe geldi» (alla riunione è venuta Ayşe) risalta Ayşe.
• Spezzi le frasi lunghe: divida in due la frase che non si pronuncia comodamente in un solo respiro. Le catene di «ki» e «olan» che stanno bene sulla pagina, lette ad alta voce fanno perdere l'ascoltatore.

Anche la durata la stabilisce il testo. A ottobre 2026 il regista di Yeşilçam calcola la narrazione a circa 9 caratteri al secondo; in una scena di 10 secondi entrano al massimo 90 caratteri. Accorci la frase che non entra nella scena invece di accelerarla: il turco accelerato diventa un borbottio in cui i suffissi vengono inghiottiti.

Quale voce scegliere: narrazione o dialogo?

Scelga la voce in base al tipo di lavoro: un narratore caldo o pacato per promozione e formazione, una voce profonda per un trailer e, in un film narrativo, una voce distinta e stabile per ogni personaggio. Il narratore dovrebbe distinguersi dai personaggi per genere o età, così l'orecchio non confonde i due livelli. La voce di un personaggio, una volta scelta, non deve cambiare per tutto il film.

Nel flusso Website Promo di Yeşilçam Studio ci sono sei voci narranti: donna calda, uomo caldo, donna energica, uomo energico, narratore pacato e voce profonda da trailer. Nella pipeline Da storia a film, invece, la voce di ogni personaggio viene conservata nella bibbia del personaggio insieme al suo volto. La regola dei due livelli, in cui il narratore porta tempo e luogo e i personaggi l'intenzione, è spiegata in dettaglio nell'articolo su narrazione o dialogo, la composizione del cast vocale nell'articolo su narrazione e cast vocale con l'IA.

Quando serve la sincronizzazione labiale?

La sincronizzazione labiale serve solo se la bocca che parla è visibile sullo schermo. In un campo lungo, con un personaggio di spalle o in una scena narrata basta riprodurre la voce sulla traccia audio, e si risparmia il costo dell'operazione. Nel primo piano lo spettatore guarda la bocca; lì la differenza di qualità della sincronizzazione si sente e si vede subito. Può confrontare i livelli nell'articolo su voce e sincronizzazione labiale senza studio.

La voce fuori campo con l'IA è gratuita? Quanto costa su Yeşilçam?

Su Yeşilçam la voce fuori campo non richiede un abbonamento separato; entra come voce nel preventivo del film o dell'animazione e l'importo viene mostrato prima della generazione. Il piano Free offre 250.000 token al mese, ma le operazioni sono addebitate con un moltiplicatore ×1,3. Il costo delle operazioni legate all'audio, come la sincronizzazione labiale, è indicato a parte nel listino e il moltiplicatore del piano si applica su quel costo.

A ottobre 2026, nel listino Yeşilçam la sincronizzazione labiale standard costa 29.167 token e quella pro 175.001 token; alla tariffa Basic equivalgono a circa 0,18 $ e 1,05 $. Il valore in dollari si calcola sulla quota mensile del piano Basic: 5 milioni di token per 30 $, quindi 1 milione di token costa circa 6 $.

Un piccolo calcolo semplifica la decisione. In un film di un minuto con sei scene di dialogo, se dà a ogni scena la sincronizzazione standard paga 6 × 29.167 = 175.002 token; è quasi lo stesso importo di una sola sincronizzazione pro. Per questo ha senso riservare il livello pro all'unico primo piano in cui lo spettatore guarda davvero la bocca. I 250.000 token del piano Free, con il moltiplicatore ×1,3, bastano per sei sincronizzazioni standard (6 × 37.917 = 227.502). Le generazioni fallite vengono rimborsate automaticamente; i prezzi aggiornati sono nella pagina dei prezzi, il flusso stesso nella pagina di Yeşilçam Studio.

Si può clonare la voce di un altro o imitare una voce famosa?

Come regola generale no, serve un consenso. La voce di una persona è un valore personale che la identifica; copiarla senza permesso, farle dire parole mai pronunciate o usarla in un lavoro commerciale può creare problemi legali. Se lavora con una voce diversa dalla Sua, ottenga un consenso scritto con un ambito definito.

• Diritti della personalità: l'articolo 24 del Codice civile turco consente a chi subisce una lesione illecita dei diritti della personalità di chiedere tutela al giudice. La lesione è considerata illecita se non c'è il consenso della persona, un interesse pubblico o privato preponderante o un'autorizzazione di legge.
• Dati personali: l'articolo 6 della Legge turca n. 6698 sulla protezione dei dati personali annovera i dati biometrici tra le categorie particolari di dati personali. Il trattamento di una voce per riconoscere o imitare una persona può essere valutato in questo quadro; per i dettagli consulti le pubblicazioni dell'Autorità turca per la protezione dei dati personali.
• Contratto con il doppiatore: indichi chiaramente in quale lavoro, per quanto tempo e in quali lingue verrà usata la registrazione e se dalla voce verrà ricavato un modello vocale.
• Casi delicati: la voce di una persona defunta, di un bambino, di un politico o di una celebrità richiede un'attenzione in più. Anche nella parodia non inganni lo spettatore e dichiari che la voce è generata con l'IA.

Questa sezione è un'informazione generale, non un parere legale. Per un lavoro, una pubblicazione o un contratto concreti si rivolga a un avvocato.

Cosa non risolve la voce fuori campo con l'IA?

La voce fuori campo con l'IA regge bene la narrazione lineare, il video didattico, il testo promozionale e il dialogo in bozza; ma non sempre coglie l'interpretazione di un attore, l'ironia sottile, una voce rotta dal pianto o il ritmo di una poesia. Dove il catalogo delle voci è debole, una lunga narrazione suona faticosa e piatta. Per questi lavori un doppiatore professionista è la strada più giusta.

• Voce di marca e trasmissione: per una campagna pubblicitaria di lungo respiro, per la televisione o la radio, la registrazione in studio con un professionista è più sicura.
• Parlate regionali: i modelli vocali parlano un turco vicino allo standard; far imitare un accento regionale scivola facilmente nella caricatura.
• Audiolibri lunghi: in una narrazione di ore la monotonia si accumula e l'ascoltatore si stanca.
• Contenuti legali e medici: un errore di pronuncia può diventare un errore di significato; ogni frase deve essere ascoltata da una persona.

Esiste anche una via di mezzo: si dà voce alla bozza con l'IA per costruire tempi e montaggio, e si fa leggere la versione finale a un professionista. È anche possibile caricare una Sua registrazione e usarla con la sincronizzazione labiale pro; in quel caso la performance non è sintetizzata, è Sua. L'equivalente dei livelli di sincronizzazione nell'animazione è nella guida su sincronizzazione labiale e voci dei personaggi.

Domande frequenti

Si può fare una voce fuori campo con l'IA gratis? Per provare, sì. Il piano Free di Yeşilçam offre 250.000 token al mese e le operazioni sono addebitate con un moltiplicatore ×1,3; basta per provare una breve narrazione e alcune sincronizzazioni labiali standard. Nel piano gratuito i file scaricati portano un piccolo logo di Yeşilçam Studios, mentre quelli degli abbonati sono puliti.

Qual è l'errore più frequente nella voce fuori campo in turco? Dare alla voce il testo così come è scritto. Cifre, date, sigle e simboli restano affidati all'ipotesi del modello; le parole senza circonflesso o senza caratteri turchi vengono lette come altre parole. Le sciolga in lettere nel testo per la voce e ascolti il risultato una volta senza immagini.

Quanti caratteri deve avere il testo della voce fuori campo? Lo calcoli in base alla durata. Il regista di Yeşilçam calcola la narrazione a circa nove caratteri al secondo; per una narrazione di 30 secondi bastano all'incirca 270 caratteri. Accorciare un testo più lungo invece di accelerarlo per farlo entrare preserva la comprensibilità.

Posso usare la mia voce? Sì. Se registra un audio pulito in una stanza silenziosa e lo carica come risorsa, la sincronizzazione labiale pro usa direttamente quella registrazione e la performance è Sua. Limiti la registrazione alla battuta, lasci un breve silenzio alle due estremità ed eviti il riverbero della stanza.

Devo rigenerare tutto il film per una sola parola letta male? No. Apre la scheda della scena, corregge la parola nel testo o sceglie un'altra voce e rigenera solo quella scena; anche l'addebito riguarda solo quella scena. Poiché le clip di narrazione sono collocate scena per scena, la correzione non sposta le altre scene.