Genera voce (TTS)¶

Sintetizza file di sottotitoli (con timing) o testo arbitrario in audio MP3 / WAV. Cinque backend TTS: Edge TTS (gratuito), ElevenLabs (alta qualità), Google Cloud TTS, Gemini TTS (livello gratuito) e Piper TTS (offline).

Cosa ti serve¶

FFmpeg in PATH — vedi Configurazione FFmpeg.
Un backend TTS, uno tra:
- Edge TTS — gratuito, senza chiave, predefinito. Usa le voci cloud di Microsoft Edge.
- ElevenLabs — a pagamento, qualità massima. Vedi Configurazione ElevenLabs.
- Google Cloud TTS — a pagamento, molto buono. Vedi Configurazione Google Cloud.
- Gemini TTS — livello gratuito, voci predefinite naturali. Riutilizza la tua chiave API Gemini esistente dalla scheda LLM — nessuna configurazione extra.
- Piper TTS — TTS neurale completamente offline. Senza chiave API, senza chiamate di rete — le voci sono file ONNX da ~25–60 MB scaricati una volta tramite Impostazioni → Voce → Piper TTS → Scarica voci ora. 32 delle 45 lingue dell'app hanno una voce Piper oggi; le lingue senza copertura Piper ricadono silenziosamente su Edge TTS al momento della sintesi.

Passo passo¶

Clicca su Genera voce nella barra laterale.
Rilascia uno o più file di sottotitoli .srt / .vtt / .ass / .ssa.
Scegli la Lingua (rilevata automaticamente dal nome del file del sottotitolo quando possibile — es. _translated_en_it.srt è rilevato come italiano).
Scegli il Genere della voce — Femminile o Maschile.
Scegli il Formato di output — .mp3 (predefinito) o .wav.
Clicca su Genera (o Ctrl+Invio).
Apri la riga quando finito — viene riprodotto nella tua app audio predefinita.

Output¶

Ottieni un singolo file audio con le tracce vocali posizionate al timestamp di ogni sottotitolo. Spazi vuoti silenziosi riempiono il tempo tra i cue in modo che l'audio rimanga sincronizzato con il timing originale.

Scegliere un backend TTS¶

Backend	Costo	Voci	Note
Edge TTS	Gratuito	Centinaia, tutte le lingue principali	Predefinito. Nessuna configurazione.
ElevenLabs	A pagamento (~$5/mese livello entry)	Voci neurali premium, clonazione vocale	Qualità massima. L'ID voce è impostato in Impostazioni → Servizio.
Google Cloud TTS	A pagamento (~$4/M caratteri; 1 M gratis / mese)	Voci WaveNet / Studio in 50+ lingue	Voci WaveNet forti per lingue europee. Per impostazione predefinita il server sceglie una voce in base a lingua + genere.
Gemini TTS	Livello gratuito (si applicano le quote Developer API)	Voci predefinite naturali in 24+ lingue — `Kore` (femminile predef.) / `Puck` (maschile predef.)	Riutilizza la tua chiave API Gemini dalla scheda LLM. Output per chiamata limitato a ~30 s; testi lunghi divisi automaticamente ai confini di frase.
Piper TTS	Gratuito, offline	Voci neurali in 32 delle 45 lingue dell'app	Nessuna chiave, nessuna rete. Voce per lingua scaricata su richiesta da Impostazioni → Voce → Piper TTS → Scarica voci ora (~25–60 MB ciascuna). Il pre-flight cattura una voce mancante prima che il lavoro inizi.

Cambia in Impostazioni → Voce → Metodo TTS.

Specificità Piper TTS¶

Piper è l'unico backend TTS completamente offline nell'app. Alcune cose da sapere:

Finestra di dialogo della libreria voci — apri tramite Impostazioni → Voce → Piper TTS → Scarica voci ora. Ogni riga di lingua mostra un pulsante di download Voce femminile e / o Voce maschile (alcune lingue sono mono-genere). Le voci vengono dal catalogo HuggingFace rhasspy/piper-voices.
Copertura — 32 delle 45 lingue dell'app hanno una voce Piper. Le 13 senza copertura (bielorusso, bengalese, cinese (tradizionale), croato, estone, ebraico, giapponese, khmer, coreano, lituano, malese, mongolo, thailandese) ricadono silenziosamente su Edge TTS al momento della sintesi, quindi la sintesi non fallisce mai duramente per una voce mancante.
Risoluzione del genere — quando scegli Femminile, il motore prova prima la voce femminile per quella lingua; se esiste solo una voce maschile, usa quella invece (e viceversa). Registrato a livello INFO.
Cancello pre-flight — prima che inizi un'esecuzione Voce, la pagina verifica che la voce Piper per la lingua sia su disco. Se manca, ottieni una finestra modale con un pulsante Apri impostazioni che ti porta direttamente alla libreria voci per scaricarla senza perdere la coda.

Specificità Gemini TTS¶

Gemini TTS usa gemini-2.5-flash-preview-tts tramite la Developer API. Alcune cose da sapere:

La selezione della voce è oggi per genere — Femminile mappa a Kore, Maschile a Puck. Entrambe sono voci chiare, neutre che funzionano in tutte le lingue senza suonare troppo caratterizzate.
Limite di lunghezza dell'output — ogni chiamata API Gemini restituisce al massimo ~30 s di parlato. L'app suddivide il testo in input sotto _GEMINI_TTS_MAX_BYTES (~2000 byte ≈ 30 s) ai confini di frase, poi concatena i pezzi tramite FFmpeg. Non incontrerai troncamento su testo di sottotitolo normale.
Formato audio — Gemini emette PCM grezzo a 24 kHz mono s16le; l'app transcodifica per pezzo a MP3 (o WAV se l'hai scelto) in modo che il file finale corrisponda al tuo formato di output selezionato.
Vertex AI non è ancora supportato per TTS — anche se la tua scheda LLM è configurata per Vertex, Gemini TTS ha ancora bisogno di una chiave API Developer. L'app solleva AUTH_ERROR in anticipo se manca.

Modelli ElevenLabs¶

Tre modelli sono esposti:

Modello	Latenza	Qualità	Da usare per
`eleven_multilingual_v2` (predef.)	Media	Alta	TTS generale
`eleven_v3`	Media	Massima	Studio / produzione
`eleven_flash_v2_5`	Bassa	Buona	Tempo reale / modalità Live

Configura in Impostazioni → Voce → Modello ElevenLabs.

Suggerimenti¶

Rigenera

Tasto destro su una riga → Rigenera per scambiare genere della voce / metodo TTS / formato senza rieseguire la traduzione.

Verifiche pre-flight

La pagina convalida la chiave API ElevenLabs (quando selezionata) e la disponibilità di FFmpeg prima di iniziare. Vedrai una finestra di dialogo amichevole se manca qualcosa.

Stop è atomico

Premi Stop durante la sintesi e non otterrai un MP3 scritto a metà nella directory di output — il file viene scritto prima in una posizione temporanea, poi spostato in posizione solo in caso di successo.

Scorciatoie¶

Scorciatoia	Azione
`Ctrl+Invio`	Genera
`Ctrl+O`	Sfoglia
`Ctrl+F`	Focalizza ricerca cronologia