Trasformare un copione in un podcast è un compito. Far cantare una strofa alla stessa voce è un altro. Kalpa Labs vuole affidare entrambi a un unico modello di intelligenza artificiale. Il 30 ottobre 2026 Y Combinator ha raccontato il progetto attraverso il lavoro di Harsh Vardhan Goenka, il primo ingegnere entrato nella startup.
Il gruppo lavora a un modello audio «generalista». Nel racconto di Goenka l’obiettivo comprende la lettura di un copione, il canto con una voce indicata dall’utente e la generazione di audio a partire da istruzioni scritte sul tono e sull’atmosfera. Secondo il profilo di Y Combinator, il gruppo ha già ottenuto alcune di queste capacità. Resta aperta la domanda su quali siano disponibili al pubblico e con quale qualità.
Perché conta per chi produce audio
Immaginiamo una redazione che prepara una puntata di cinque minuti. La conduttrice registra un’apertura vivace, poi passa a una spiegazione che richiede pause più lunghe. Se il modello riuscisse a seguire un’indicazione come «rallenta qui e lascia un secondo prima del dato», il montatore potrebbe provare due interpretazioni della stessa frase e ascoltare quale rende il numero più comprensibile. La prova decisiva sarebbe riuscire a modificare quel passaggio mantenendo riconoscibile la voce nel resto della puntata.
Il canto rende la questione ancora più concreta. Una cantante potrebbe autorizzare l’uso della propria voce per un provino e voler ascoltare la versione finale prima che venga pubblicata. Per una redazione che valuta questi strumenti, poter documentare chi ha autorizzato un uso e per quale registrazione conterebbe quanto la resa sonora.
Fonte: Frank Stratton, il profilo di Harsh Vardhan Goenka e Kalpa Labs, Y Combinator, 30 ottobre 2026.
Lascia un commento