Una chiamata vocale è la cosa più impegnativa che un compagno AI possa fare. Il testo può metterci qualche secondo senza che nessuno se ne accorga. Il parlato no: le persone notano ritardi che in una finestra di chat sarebbero invisibili.
Il problema dei 200 millisecondi
I ricercatori che hanno confrontato le conversazioni in dieci lingue hanno trovato che la pausa tipica tra la fine di una persona e l’inizio dell’altra è di circa 200 millisecondi, e sorprendentemente simile tra culture diverse. Le persone iniziano a preparare la risposta prima che l’altro abbia finito. Pause molto più lunghe suonano come esitazione, confusione o disinteresse.
Per risultare naturale, un’AI deve far stare un’intera catena di operazioni in più o meno quella finestra.
Cosa succede tra le tue parole e le sue
La catena classica. I sistemi più recenti sovrappongono o fondono queste fasi.
- Rilevamento della fine del discorso. Il sistema deve decidere che hai finito, non che hai solo fatto una pausa. Se è troppo pronto ti interrompe; se è troppo cauto aggiunge silenzio.
- Da voce a testo. Le tue parole vengono trascritte.
- La risposta. Il modello linguistico scrive una risposta, nel personaggio, con la memoria.
- Da testo a voce. La risposta diventa una voce, idealmente quella del personaggio, con emozione.
Nei sistemi più vecchi ogni passaggio aspetta la fine del precedente. Quelli più nuovi cominciano a pronunciare la prima frase mentre il resto viene ancora scritto, oppure usano modelli che ricevono voce e producono voce direttamente, eliminando del tutto i passaggi di trascrizione e sintesi.
Perché la voce è a consumo
| Chat di testo | Messaggio vocale | Chiamata vocale dal vivo | |
|---|---|---|---|
| Velocità richiesta | Bastano secondi | Bastano secondi | Frazioni di secondo |
| Elaborazione extra | Nessuna | Sintesi vocale | Riconoscimento, sintesi, rilevamento dei turni |
| Durata tipica | Risposte brevi | Una risposta | Da minuti a ore |
| Costo relativo | Il più basso | Moderato | Il più alto |
| Come lo vendono le app | Incluso | Incluso o a crediti | Minuti, piani o crediti |
Ogni minuto di chiamata fa girare l’intera catena in continuazione, spesso con versioni «in tempo reale» di ciascun modello, più costose. Per questo la voce è di solito la prima cosa che un’app limita, e per questo «illimitato» raramente vale per lei: vedi come leggere le liste di funzioni delle app di fidanzata AI.
Cosa fa sembrare vera una chiamata
- Bassa latenza, costante. Una pausa lunga ogni tanto rompe l’illusione più di una media appena più lenta.
- Gestione delle interruzioni. Poter intervenire e vederla fermarsi e rispondere è ciò che separa una conversazione da uno scambio di vocali.
- Coerenza della voce. Stessa voce, stesso accento, stesso calore da una chiamata all’altra. I nostri tester hanno notato che la qualità della voce può variare sensibilmente da un personaggio all’altro, anche nelle app buone.
- Prosodia. Ridere, fare pause, addolcire il tono: un parlato che porta emozione invece di leggere il testo ad alta voce.
- Memoria in modalità vocale. Alcune app usano un modello più leggero per le chiamate, quindi il personaggio ricorda meno al telefono che in chat.
Provare la voce prima di pagare
- Chiedi cosa è incluso: messaggi vocali, chiamate dal vivo o entrambi, e quanti minuti.
- Fai una chiamata di due minuti in prova o sul piano più economico, sia con i dati mobili sia con il Wi-Fi.
- Interrompila a metà frase. Si ferma?
- Chiedile qualcosa della vostra chat di testo. Lo sa?
- Controlla il costo di ogni minuto o credito extra. Una lunga chiamata può consumare l’intero pacchetto del mese.
Il discorso più ampio sui costi dei contenuti multimediali è in come funzionano immagini e voce delle app di fidanzata AI, e se conviene passare a un piano superiore per la voce lo trovi nei piani premium.
Una nota sul benessere
La voce è più coinvolgente del testo, e la ricerca del 2025 di OpenAI e MIT ha rilevato che un uso vocale breve andava di pari passo con un migliore benessere, mentre l’uso intenso quotidiano no. Conviene godersela a piccole dosi: i segnali dell’eccesso sono in quando un compagno AI comincia a prendere più di quanto dà.