Come usare l'AI audio in azienda, dal jingle all'agente vocale

Capitolo 1. Come si crea un jingle con Suno?

Suno genera brani completi, musica e voce cantata, partendo da una descrizione scritta. Ti serve un account Suno. Per provare basta il piano gratuito; per usare il brano in pubblicità serve Pro, da 10 dollari al mese.

Scrivi il brief in cinque punti

«Una bella canzone» esprime un gusto, ma non dice come deve suonare. Prima di aprire Suno scrivi cinque informazioni.

1. Il genere e l'atmosfera, come bossa nova allegra o pop elegante.

2. Il ritmo, lento, moderato o vivace, oppure i battiti al minuto.

3. La voce, la lingua e il modo di cantare, come una voce femminile italiana, brillante e persuasiva.

4. Gli strumenti che si devono sentire, come chitarra nylon, batteria con spazzole e basso caldo.

5. La struttura e il finale, con introduzione breve, ritornello riconoscibile e accordo finale netto.

Passo per passo

1. In Suno scegli la modalità Custom.

2. Trasforma il brief nel prompt e incollalo nel campo dello stile. Parti da uno dei due qui sotto.

3. Metti le parole da cantare nel campo del testo, separate dalle istruzioni.

4. Genera e ascolta le due versioni che Suno propone.

5. Correggi il prompt e rigenera. Se il brano è troppo lento, cambia solo il ritmo, per esempio da 90 a 110 BPM. Se la voce copre la musica, aggiungi «voce solo nel ritornello». Una correzione per volta, così sai quale ha funzionato.

6. Scarica il file con un piano a pagamento e salva in una cartella prompt, testo e ricevuta dell'abbonamento. Se qualcuno contesta la licenza, dimostri con quale piano e in che data l'hai creato.

Questa è la sigla per ho preparato per un webinar per Confcommercio

La durata che chiedi nel prompt non è garantita. Se ti serve un jingle di 15 secondi, taglialo nel montaggio.

La voce parlata va a parte

In una sigla la frase finale, per esempio «Benvenuti da…», non la canta Suno. È un file separato creato con una voce AI, che metti sopra la musica nel montaggio. Così cambi il testo senza rifare la canzone. Come si crea lo vedi nel capitolo 4.

E Udio?

Suno e Udio sono i due generatori musicali più citati. Il 29 ottobre 2025 Udio ha chiuso la causa con Universal Music e ha annunciato una nuova piattaforma con musica su licenza. Nel frattempo ha disattivato il download dei brani, che restano dentro il servizio.

Ad aprile 2026 Udio aveva firmato accordi anche con Warner, Kobalt e Merlin, e la nuova piattaforma era attesa entro l'anno. Per un'azienda che deve scaricare il file e usarlo in uno spot, oggi la scelta praticabile è Suno. Prima di usare Udio controlla le condizioni in vigore quel giorno.

Capitolo 2. Come si aggiungono gli effetti sonori a un video?

Un video generato con l'AI spesso è muto o ha un audio generico. Se si vede una tazza appoggiata e non si sente niente, lo spettatore capisce subito che è finto. Ti servono un account ElevenLabs, da 6 dollari al mese per l'uso commerciale, e un editor video come CapCut.

Scegli che cosa deve sentirsi

Guarda la scena e distingui due tipi di suono. L'evento in primo piano è un rumore preciso legato a un gesto. L'ambiente di fondo è un suono continuo, come il brusio di un negozio. Sono due file diversi, da generare separatamente.

Passo per passo

1. Scrivi il brief in due righe, con oggetto e azione nella prima e materiale e distanza nella seconda. Per esempio «tazza appoggiata» e «ceramica su legno, ripresa da vicino».

2. Trasformalo nel prompt e chiedi esplicitamente niente voce e niente musica, altrimenti il generatore può aggiungerle.

3. Incollalo in ElevenLabs Sound Effects, non in Text to Speech.

4. Ascolta le alternative e scegli quella che dura e pesa come il gesto. Per una tazza appoggiata serve un tocco breve, non un tonfo.

5. Scarica il file. È un audio separato. ElevenLabs non tocca il video.

6. Nell'editor importa il file, allinea l'inizio del suono all'istante del gesto e regola il volume. Riascolta prima e dopo.

Il brief puoi scriverlo in italiano. Se il risultato non convince, prova lo stesso prompt tradotto in inglese.

Dal video mostrato ho eliminato la musica a generato questo effetti speciali che ho poi montato dopo.

Il trucco ASMR

C'è una seconda strada. Alcuni generatori video creano immagini e suono insieme, come Seedance 1.5 Pro, che è un modello audio-video nativo. In questo caso puoi chiedere un video «ASMR», cioè fatto solo dei piccoli suoni del gesto, senza voce e senza musica. Con un modello reference-to-video, che parte da un'immagine o da una clip di riferimento, basta un prompt breve.

Capitolo 3. Come si crea una voce originale per il brand?

Con una voce tua, chi guarda un video, segue un tutorial o chiama il centralino sente sempre la stessa persona. ElevenLabs Voice Design la crea partendo da una descrizione scritta, senza registrare né clonare nessuno. Ti serve un account ElevenLabs; per usare la voce in pubblicità, un piano da 6 dollari al mese.

Come si descrive una voce

«Professionale» può voler dire tutto. Funzionano invece le caratteristiche che si riconoscono all'ascolto. La guida ufficiale di ElevenLabs ne indica sei.

1. Lingua e variante, per esempio italiano standard.

2. Genere e fascia d'età.

3. Qualità della registrazione, per esempio Studio quality.

4. La persona, cioè il ruolo in poche parole, come consulente d'arredo, tecnico o narratore.

5. L'emozione, in due o tre aggettivi come calda, curiosa e rassicurante.

6. Il timbro e il ritmo, come timbro morbido, dizione chiara e ritmo conversazionale.

Due aggettivi che si contraddicono, come «energica e pacata», rendono il risultato imprevedibile. Una descrizione breve come «un narratore calmo» va bene solo se cerchi una voce neutra.

Il prompt in tre righe

ElevenLabs consiglia di scrivere la descrizione in tre righe. Nella prima metti chi parla, cioè lingua, genere, età e qualità. Nella seconda il carattere, con persona ed emozione. Nella terza come suona, con timbro, ritmo e modo di parlare.

La lingua va sempre nella prima frase. Se manca, la voce può scivolare verso un altro accento.

Passo per passo

1. Scrivi il brief in due righe, con lingua, genere ed età nella prima e persona, emozione e ritmo nella seconda. Per esempio «italiano standard, donna adulta» e «consulente d'arredo, rassicurante, pacata».

2. In ElevenLabs apri Voices, poi Create Voice, poi Voice Design. C'è un solo campo da scrivere, Prompt, e lì incolli il prompt in tre righe.

3. Prima di generare apri Settings. Porta la Guidance Scale intorno al 30%. Più è alta, più il modello segue il prompt alla lettera, ma la qualità può calare. Lascia acceso Generate Preview Text, oppure spegnilo per scrivere tu le frasi di prova.

4. Premi Generate voice. Il pulsante mostra quanti crediti costa, ed ElevenLabs propone tre voci.

5. Le voci non si scaricano. Scrivi una frase vera del tuo contenuto e ascoltala con ciascuna, chiedendoti se si capisce ogni parola. Controlla anche che pronunci bene il nome dell'azienda, che non abbia un accento straniero e che non vada troppo veloce.

6. Se nessuna va bene, cambia una cosa sola, una parola del prompt oppure la guidance, e rigenera. Se la voce perde l'italiano standard, alza la guidance.

7. Salva la voce migliore. Occupa uno slot voce del piano e la ritrovi in Text to Speech.

ElevenLabs stesso definisce Voice Design sperimentale. Prima di usare una voce in pubblicità, provala su un testo di un minuto con numeri, prezzi e nomi propri, che sono i punti più delicati da pronunciare. Con qualunque strumento che crea voci valgono due regole. Dichiara sempre lingua e variante, e giudica le voci ascoltandole, non leggendo la descrizione.

Sempre per il corso avevo creato questo finale:

Perché creare una voce e non clonarla

Oggi i modelli di sintesi vocale imitano una persona da pochissimo audio. VALL-E, presentato da Microsoft nel 2023, riproduce una voce mai sentita prima partendo da una registrazione di 3 secondi. NaturalSpeech 3 è stato addestrato su 200.000 ore di parlato.

Per questo conviene partire da una voce progettata da zero. Se usi la voce di una persona reale senza il suo consenso scritto, quella persona può chiederti di ritirare i contenuti e un risarcimento. E i clienti che la riconoscono si sentono presi in giro.

Capitolo 4. Come si trasforma un testo in un file audio?

Una volta salvata la voce, hai due modi per produrre il parlato. Tutti e due sono in ElevenLabs e usano la voce del capitolo 3.

Passo per passo con Text to Speech

1. Prepara il testo. Se parti da appunti o dati sparsi, fatti aiutare da un assistente AI con il prompt qui sotto.

2. In Text to Speech seleziona la voce salvata.

3. Incolla il messaggio da pronunciare, non le istruzioni per scriverlo.

4. Genera e controlla all'ascolto il nome dell'azienda, le pause e l'invito finale.

5. Scarica il file. Per usarlo in pubblicità deve essere generato con un piano a pagamento.

Le voci create con Voice Design v3 funzionano anche con il modello Eleven v3, che accetta tag tra parentesi quadre come [laughs] o [sighs] per risate e sospiri. Ne bastano uno o due per testo. Di più suonano finti.

Quando usare Voice Changer

Con Voice Changer ritmo, pause ed emozione li decidi tu con la tua registrazione, e ElevenLabs cambia solo la voce. Usa solo registrazioni tue o autorizzate e riascolta il risultato, perché nomi e numeri possono uscire storpiati.

Una volta montato tutto, questo è il risultato

Capitolo 5. Come si costruisce un agente vocale che risponde al telefono?

Un file audio dice solo quello che hai scritto. Un agente vocale ascolta la domanda, prepara una risposta e la pronuncia, e ricomincia a ogni nuova richiesta. Con ElevenLabs Agents costa 8 centesimi di dollaro al minuto, più il modello linguistico e la linea telefonica.

La risposta dell'agente dipende dalle istruzioni che gli dai, dalle informazioni che può consultare e dagli strumenti collegati, come un calendario. Le prepari in quest'ordine.

Che cosa deve sapere

L'agente sa soltanto quello che gli dai tu. Lo carichi come base di conoscenza, un documento o una pagina del sito. Per cominciare bastano tre informazioni.

1. I servizi che offri davvero.

2. Gli orari.

3. Il contatto a cui passare la persona quando la domanda va oltre, per esempio il numero del negozio.

Controllali prima di caricarli. Se un orario è sbagliato, l'agente lo ripete con sicurezza. Se un dato manca, deve dire che non lo sa e dare il contatto, non inventare.

Dire e fare sono cose diverse

Con le informazioni l'agente può spiegare come funziona una visita. Per verificare la disponibilità e fissare davvero un appuntamento serve un calendario collegato, con permessi e controlli. Scrivere «prenota» nelle istruzioni non crea il collegamento. Senza calendario, l'agente indica il canale giusto e non inventa un posto libero.

Le istruzioni

Nelle istruzioni metti il ruolo, le fonti da usare, i limiti e il passaggio a una persona. Il saluto iniziale deve chiarire subito che è un assistente AI.

Tre telefonate di prova

Prima di metterlo davanti ai clienti, chiamalo tre volte con dati di prova.

1. Una domanda prevista, per esempio come organizzare una visita.

2. Un cambio di richiesta a metà chiamata.

3. Una domanda su un dato che non gli hai dato.

Mentre ascolti, controlla che si presenti come assistente AI, che capisca la richiesta e che risponda solo con le informazioni che gli hai dato. La terza telefonata è la più utile. Ti dice se l'agente riconosce il proprio limite o se inventa.

Il primo perimetro

Parti con un agente che gestisce una sola richiesta. Scrivi due righe. Nella prima che cosa può gestire, per esempio spiegare come prenotare una visita. Nella seconda quando deve passare a una persona, per esempio per un reclamo su un ordine.

Prendi un caso tipico. Un cliente chiede se la consegna arriva domani, ma l'agente non vede il magazzino. Il comportamento corretto è dire che non può verificarlo, indicare un contatto verificato e trasferire la chiamata solo se il trasferimento è davvero configurato. Promettere «arriva domani» è l'errore da evitare.

Capitolo 6. Come si trasforma una pagina del sito in un video con avatar?

Non serve scrivere da zero. Parti da un testo che hai già, come la pagina «Chi siamo», una landing o una brochure, e ottieni un video con un presentatore virtuale. Ti serve un account Google. Con quello gratuito hai pochi video con avatar al mese e solo presentatori predefiniti, mentre Workspace Business Starter ne include 10.

Passo per passo

1. Copia il testo della pagina e decidi per chi è il video, se per nuovi clienti, per un evento o per i social.

2. In una presentazione nuova di Google Slides apri Gemini, la stellina in alto a destra, e incolla il prompt qui sotto con il testo.

3. Controlla nomi, prezzi e promesse nelle slide e nelle note.

4. Dal menu File scegli Converti in video. Si apre Google Vids con le slide trasformate in scene.

5. In Vids, nella colonna a destra, premi Avatar, scegli il presentatore, dagli il testo da dire, per esempio le note della slide, e genera. Ogni avatar parla al massimo 60 secondi.

6. Ascolta nomi e pronuncia, poi esporta. Dichiara nel video o nella descrizione che il presentatore è un avatar AI.

Se nel tuo account Gemini non c'è, copia testo e note a mano in Slides e prosegui allo stesso modo.

Capitolo 7. Si possono usare questi contenuti in pubblicità?

Prima di pubblicare, fatti tre domande diverse. Il servizio mi autorizza a questo uso? Ho rispettato diritti e dati di altri? Il risultato è protetto da un diritto d'autore che posso far valere? Un abbonamento risponde solo alla prima.

Uso commerciale

• Con Suno l'uso commerciale vale per i brani creati mentre sei abbonato a Pro o Premier e scaricati dalla piattaforma. Alcune funzioni, come certi Remix, restano non commerciali anche per chi paga.

• Con ElevenLabs i file generati durante un abbonamento a pagamento si usano commercialmente anche dopo la disdetta. Quelli fatti con il piano gratuito restano non commerciali anche se ti abboni dopo, e le funzioni Beta sono escluse.

• Per i video il nome del modello non basta. La licenza dipende dal servizio con cui l'hai usato, quindi annota servizio, piano e data.

• Il montaggio in CapCut non cambia le licenze dei file. Se aggiungi una musica della sua libreria, vale la licenza di quella musica, che per i suoni commerciali è limitata ai contesti di CapCut e TikTok.

• Google non rivendica la proprietà di quello che generi in Workspace, ma non garantisce esclusività. Risultati simili possono essere prodotti per altri clienti.

Diritti

Una licenza commerciale non equivale a un diritto d'autore. Suno, per esempio, non garantisce che sull'output nasca un copyright. E l'abbonamento non ti dà diritti su testi, immagini, voci o marchi di altri. Se li usi senza permesso, generarli con l'AI non li rende tuoi.

Trasparenza e privacy

Dal 2 agosto 2026 si applica l'articolo 50 dell'AI Act, quello sulla trasparenza. Per un'azienda che usa questi strumenti ci sono tre obblighi.

1. L'agente al telefono deve dire subito che è un assistente AI.

2. Un contenuto che imita in modo realistico persone, luoghi o fatti veri, un deepfake, va dichiarato come generato con l'AI al primo contatto con il pubblico.

3. Anche uno spot creativo o ironico va dichiarato, ma basta una scritta nei titoli di coda o nella descrizione.

Non ogni voce sintetica o canzone è un deepfake. Una voce inventata non lo è; una finta dichiarazione di una persona reale sì.

La proroga al 2 dicembre riguarda solo i fornitori degli strumenti, per la marcatura leggibile dalle macchine. Chi usa gli strumenti per pubblicare, come un'azienda, segue le regole di trasparenza dal 2 agosto 2026.

Per l'agente al telefono conta anche la privacy, e dire «sono un'AI» non basta. Prima di usarlo con clienti veri definisci finalità e base giuridica, prepara l'informativa, raccogli solo i dati necessari e decidi per quanto tempo tieni registrazioni e trascrizioni. Sono due cose distinte, e disattivare la registrazione audio non cancella le trascrizioni. Controlla anche il contratto sul trattamento dei dati con il fornitore, e durante le prove usa solo dati inventati.

Capitolo 8. Come si riconosce un audio generato con l'AI?

A orecchio, sempre meno. Per questo i fornitori nascondono nell'audio una filigrana digitale, un segnale che non si sente ma che un software riconosce. È la marcatura leggibile dalle macchine che chiede l'AI Act.

• SynthID di Google DeepMind marca l'audio creato con Lyria e i podcast di NotebookLM, e resiste a rumore e compressione MP3. Nell'app Gemini puoi verificare un file audio fino a 1 ora e 100 MB, ma solo se è stato creato con strumenti Google.

• ElevenLabs ha un Audio Detector che cerca prima la propria filigrana e poi usa il vecchio AI Speech Classifier. Quest'ultimo non riconosce in modo affidabile il modello Eleven v3.

• AudioSeal di Meta è una filigrana open source, presentata a ICML 2024, che individua i punti marcati di un file. WavMark inserisce fino a 32 bit di informazione in un secondo di audio.

• C2PA, lo standard delle Content Credentials, non è una filigrana ma un certificato di provenienza nei metadati. Dalla versione 2.4 della specifica si applica anche ai file MP3.

Riconoscere un audio senza filigrana resta difficile. La sfida internazionale ASVspoof 5 ha raccolto il parlato di circa 2.000 persone e 32 diversi sistemi di attacco per allenare i rilevatori. Per questo conserva i file originali con i dati di generazione e dichiara l'uso dell'AI, invece di contare sul fatto che nessuno se ne accorga.

Che cosa controllare prima di pubblicare?

1. L'elenco dei pezzi del file finale e da dove viene ciascuno.

2. Per ogni pezzo servizio, piano, data, ID e prova della licenza o del download.

3. Il canale in cui lo userai, se sito, social, pubblicità o cliente, con i limiti di territorio e durata.

4. Nessuna voce o identità di altri, nessuna testimonianza inventata.

5. Nessun materiale di libreria aggiunto senza verificarne la licenza.

6. Se il contenuto imita persone, luoghi o fatti veri, la dichiarazione che è fatto con l'AI.

7. Per l'agente, prima dell'uso reale, informativa, base giuridica, contratto con il fornitore e tempi di conservazione verificati.

8. Una revisione umana di nomi, marchi, persone riconoscibili e risultato finale.

Da dove cominciare?

Non servono cinque abbonamenti e cinque progetti insieme. Scegli un solo capitolo e collegalo a qualcosa che fai già, completando questa frase. «Dopo [attività abituale] provo [prompt] in [strumento] per creare [contenuto].»

Per esempio, dopo aver preparato il prossimo post aziendale provo il prompt della voce in Voice Design per creare la voce della rubrica. Oppure, dopo aver girato il prossimo video di prodotto, provo il prompt degli effetti in Sound Effects per il gesto principale. Scegli il tuo e provalo sul prossimo contenuto che devi pubblicare.