Il Software di Eloquens era stato sviluppato per essere utilizzato con un PC stand alone. L’obiettivo di CSELT, che apparteneva alla compagnia telefonica nazionale, era naturalmente di poterlo utilizzare in ambito telefonico. Io, d’altro canto, lavoravo come consulente per una impresa italiana che era rivenditore esclusivo delle schede per PC Natural MicroSystems, che permettevano di interfacciare un PC alla linea telefonica. Il mio compito era di portare il software di Eloquens nei DSP della scheda per poterlo utilizzare in applicazioni di tipo IVR. Ricordo quei giorni come un periodo straordinario. Torino era all’epoca una città prettamente industriale e alle 20h30 i ristoranti erano vuoti e non c’era più nessuno in strada. Il giorno dopo le sirene delle fabbriche avrebbero suonato prima dell’alba. Lavorai con Marcello Balestri del gruppo di Luciano Nebbia, persone in gamba, come moltissime nello staff di CSELT. Insieme riuscimmo quindi a produrre la prima versione italiana, e una delle prime al mondo, di TTS industriale utilizzabile nei sistemi IVR. Sono passati 30 anni ma ancora oggi quel software viene utilizzato da alcune aziende. Infatti, solamente negli ultimi anni c’è stato un salto tecnologico nell’area, grazie all’utilizzo delle reti neurali e nello specifico del Deep Learning. Con l’addestramento delle reti neurali si va oltre alla concatenazione di difoni, dove l’audio generato appare comunque un poco ‘pixellato’. Con il Deep Learning si ottiene una prosodia praticamente perfetta con il risultato di non riuscire quasi a distinguere la voce sintetica da quella dello speaker originale.

Ciò che è particolarmente interessante con la tecnologia di Neural TTS è la possibilità di creare la propria voce sintetica registrando alcune decine di ore di audio, per esempio leggendo alcuni testi. Tra le applicazioni più suggestive è l’uso della nostra voce sintetica, dopo che la nostra voce naturale avrà terminato la sua funzione su questa terra, fornendo un mattone per la creazione dell’identità digitale di un individuo al di là della morte.

Ma parlando di avvenimenti non legati all’Aldilà, recentemente Interactive Media ha ricevuto l’appalto per produrre tutti gli audio di tutti i sistemi di risposta automatica di TIM Brasile utilizzando il Neural TTS di Microsoft. La qualità è straordinaria, si direbbe veramente che a parlare sia una persona, gentile, coinvolta e premurosa oltre che professionale. Siamo pronti a riversare questa esperienza, con il know-how che ne deriva, su tutti gli altri mercati: contattateci se la voce con cui interagite con i vostri clienti è importante per voi.