Presentiamo Speak Mode: la traduzione vocale AI che parla per te nelle riunioni

C'è un momento preciso e doloroso che ogni non madrelingua in una riunione multilingue conosce. La discussione corre veloce. I sottotitoli scorrono sul tuo schermo. Capisci tutto perfettamente — Gaavala traduce l'altra parte da venti minuti e tu segui parola per parola. Qualcuno si gira verso di te e ti fa una domanda diretta.

Ed è lì che la barriera linguistica, che era stata a senso unico, diventa un muro.

Conosci la risposta. Sai esattamente cosa vuoi dire. Semplicemente non riesci a dirlo alla stessa velocità e con la stessa precisione nella lingua di lavoro della riunione. Esiti, ammorbidisci, semplifichi e finisci per sembrare meno preparato di quanto sei. Quando hai messo insieme una frase accurata, la conversazione è già andata avanti.

Abbiamo costruito Speak Mode per chiudere quel cerchio. Con Speak Mode attivo, parli nella tua lingua e Gaavala porta la tua voce tradotta dentro la riunione. Gli altri partecipanti sentono una voce fluente, in tempo reale, che consegna la tua risposta nella loro lingua. Smetti di essere la persona silenziosa nella stanza.

Questo articolo spiega esattamente cosa fa Speak Mode, il singolo tasto che lo guida e i due gesti che legge, le due voci tra cui puoi scegliere — 69 preset studio o un clone nativo della tua voce — e i compromessi che vale la pena capire prima di attivarlo per una chiamata ad alta posta in gioco.

Cosa fa davvero Speak Mode

Speak Mode non è una traccia di doppiaggio sovrapposta a una trascrizione. È una pipeline vocale dal vivo e bidirezionale che gira accanto al normale flusso di trascrizione di Gaavala.

Quando lo attivi durante una riunione, dentro il tuo browser succede questo:

L'audio del tuo microfono viene catturato dall'estensione — separatamente dall'audio della scheda che Gaavala già cattura per il lato in entrata.
Quell'audio del microfono viene trasmesso direttamente a Soniox su un WebSocket per lo speech-to-text. È lo stesso schema diretto verso Soniox usato dal resto di Gaavala — nessun audio tocca il nostro backend.
Man mano che Soniox emette token consolidati nella tua lingua di origine, l'estensione li raggruppa in frasi brevi e invia il testo al passaggio di traduzione di Gaavala per la lingua di destinazione che hai configurato.
Il testo tradotto viene consegnato al motore TTS che hai selezionato, che sintetizza una clip vocale.
Quella clip vocale viene immessa nella chiamata al posto della tua traccia microfonica in uscita, così tutti sentono la voce tradotta come se fosse la tua. Non c'è alcun dispositivo microfono virtuale da installare e nulla da selezionare nelle impostazioni audio della tua app di riunione — e mentre la voce tradotta è in riproduzione, il tuo microfono reale è silenziato, così la chiamata non sente mai entrambe le cose insieme.

L'intero ciclo gira mentre stai ancora parlando. Quando finisci una frase nella tua lingua, la traduzione sintetizzata sta già suonando nella loro. Non aspetti un tasto "traduci". Non fai tra un pensiero e l'altro pause più lunghe del solito.

Un solo tasto che legge il gesto

Le riunioni vere non sono tutte uguali, quindi Speak Mode deve comportarsi in modo diverso quando spari una risposta di una riga e quando accompagni qualcuno attraverso una slide. La maggior parte degli strumenti risolve la cosa con un selettore di modalità da impostare prima di averne bisogno — il che significa che nel momento in cui ti serve l'altra modalità, sei in quella sbagliata.

Gaavala non ha alcun selettore di modalità. C'è un solo tasto Speak, e legge il modo in cui lo premi.

Tienilo premuto

Tieni premuto il tasto e parli solo mentre lo tieni. Lo lasci e la pipeline si chiude in modo pulito. È il gesto del walkie-talkie, ed è quello sicuro: non trasmetti mai per sbaglio un commento a margine, un colpo di tosse o un momento di pensiero ad alta voce. È l'istinto giusto per un'interiezione rapida, per le chiamate ad alta posta in gioco in cui la precisione batte la fluidità e per qualsiasi stanza in cui il tuo microfono potrebbe raccogliere voci che non intendevi tradurre.

Il tenere premuto funziona anche da tastiera — premi e tieni giù la barra spaziatrice per circa un terzo di secondo e si comporta esattamente come tenere premuto il tasto.

Toccalo

Tocca invece il tasto e si apre una finestra a mani libere di 60 secondi. Un anello conta la finestra alla rovescia in minuti e secondi e diventa ambra negli ultimi dieci, così sai sempre quanto ti resta del tuo turno senza guardare l'orologio. Parla in modo naturale; Gaavala traduce e dà voce a ogni frase man mano che procedi, e tu non tocchi nulla.

Due tocchi rapidi aprono invece una finestra di 30 secondi — la durata onesta per un breve punto preparato. Tocca ancora una volta mentre una finestra è in corso e si ferma in anticipo; altrimenti termina da sola allo zero.

Perché è un solo controllo e non due

Il gesto che fai già codifica l'intenzione. Una pressione breve significa "solo questo", un tocco significa "dammi un po' di spazio". Non c'è nulla da configurare in anticipo, nulla è nella modalità sbagliata quando arriva il momento, e non c'è alcuna scorciatoia da associare o da dimenticare. La proprietà di sicurezza che piaceva alle persone nel push-to-talk — nulla lascia la stanza se non l'hai voluto — resta esattamente vera per il tenere premuto.

Le voci: 69 preset studio e la tua

Speak Mode ti dà due modi per scegliere la voce che la riunione sente. Entrambi parlano tutte le 60 lingue che Gaavala traduce, ed entrambi restano sullo stesso percorso diretto verso Soniox usato dal resto di Gaavala — nessun fornitore vocale di terze parti nel giro.

69 voci studio Soniox (default di Pro)

Le voci studio Soniox sono il default su Pro e quello che la maggior parte delle persone non ha mai bisogno di cambiare: 69 preset multilingue che parlano tutte le 60 lingue che Gaavala traduce, in modo cross-linguistico, con una chiave gestita — non c'è nulla da impostare. La sintesi va dal browser direttamente a Soniox usando lo stesso schema a chiave temporanea dei sottotitoli, quindi il testo tradotto non passa mai dal backend di Gaavala. La latenza è in streaming — la voce inizia a suonare non appena il primo blocco è pronto, tipicamente uno o due secondi dopo che una frase viene consolidata.

La tua voce (clone nativo)

Registra una sola volta circa 20 secondi del tuo parlato, nel pannello laterale, e Gaavala crea un clone personale della tua voce — con tecnologia Soniox — che parla le stesse 60 lingue di una voce studio, con il tuo timbro al posto di un preset. Il campione di riferimento è archiviato crittografato e puoi eliminarlo in qualsiasi momento dalla stessa schermata delle impostazioni; l'audio delle tue riunioni non viene invece mai archiviato, né per questa funzionalità né altrove in Gaavala.

Le due opzioni si scambiano esattamente una cosa: la familiarità. Una voce studio suona curata e neutra fin dalla prima sessione. Il tuo clone richiede venti secondi di configurazione e poi suona inconfondibilmente come te, ogni volta — utile se hai chiamate ricorrenti con gli stessi clienti o colleghi e vuoi che sentano la stessa voce chiamata dopo chiamata.

Come si confronta con il resto del mercato

La traduzione vocale in tempo reale nelle riunioni è stata una funzione "in arrivo" per anni. Qualcosa esiste, ma niente copre lo stesso terreno di Speak Mode.

Agente Interpreter di Microsoft Teams. Microsoft ha annunciato un agente Interpreter per Teams capace di tradurre e di parlare con la voce dell'utente. Funziona solo dentro Teams. Richiede una licenza Microsoft 365 Copilot — un componente aggiuntivo a pagamento per postazione sopra un piano base idoneo — ed è riservato ai tenant i cui amministratori hanno abilitato Copilot per l'organizzazione. Se vivi dentro un parco Teams con licenze Copilot, è un'opzione legittima. Se lavori tra Teams, Zoom, Meet e Webex con clienti fuori dal tuo tenant, non ti aiuterà.
ChatGPT Voice Mode. ChatGPT può tenere una conversazione vocale con te e sa tradurre. Quello che non può fare è stare dentro la tua chiamata Zoom e parlare a tuo nome agli altri partecipanti. È un chatbot vocale personale, non un agente vocale per riunioni.
Sottotitoli tradotti di Google Meet. Google Meet ha i sottotitoli tradotti in tempo reale. Sono solo testo. Dall'altra parte non c'è alcun output parlato.
Interprefy, KUDO e le piattaforme di interpretariato enterprise. Sono veri servizi di interpretariato — con interpreti umani, per lo più, a volte con assistenza AI — con prezzi e struttura pensati per grandi conferenze e settori regolamentati. Non sono qualcosa che un consulente singolo aggiunge a una chiamata commerciale uno a uno.

Per quanto ne sappiamo, non esiste sul mercato uno strumento a prezzo consumer che faccia una traduzione vocale davvero bidirezionale dentro le piattaforme di riunione che le persone usano realmente. Speak Mode è la nostra risposta a quel vuoto.

Per chi è Speak Mode

Speak Mode è una funzionalità Pro ed è pensata per i professionisti singoli, non per le distribuzioni enterprise. Le persone che ne traggono di più sono:

Consulenti internazionali che gestiscono chiamate di progetto con clienti il cui inglese è limitato e che preferirebbero sentirti nella loro lingua piuttosto che arrancare nella tua.
Team lead multilingue che partecipano a standup con team di ingegneria offshore, dove metà del team pensa in una lingua e metà in un'altra.
Commerciali che vendono su mercati esteri, dove una voce dal suono fluente nella lingua del cliente cambia il modo in cui la chiamata viene percepita e il modo in cui l'offerta arriva.
Persone delle operazioni sul campo che fanno da ponte tra un sito offshore e la sede centrale, dove il costo di un fraintendimento è operativo, non solo sociale.

Se le tue riunioni sono completamente bilingui su una sola coppia di lingue e tutti riescono a stare al passo, probabilmente non ti serve Speak Mode. Se c'è un momento ricorrente in cui tu o qualcuno dall'altra parte restate in silenzio perché il divario linguistico è a senso unico, questa è la funzionalità che risolve quel momento.

Privacy: cosa cambia e cosa no

L'architettura di privacy alla base di Gaavala non cambia quando attivi Speak Mode. L'audio della riunione in entrata continua a essere trasmesso direttamente dal tuo browser a Soniox su un WebSocket che non tocca mai il nostro backend. L'audio del tuo microfono per Speak Mode segue lo stesso schema diretto verso Soniox — noi non lo vediamo mai.

Il passaggio TTS segue lo stesso schema per entrambe le opzioni vocali. Le voci studio Soniox inviano il testo tradotto dal browser direttamente a Soniox, autenticandosi con le stesse chiavi temporanee a breve scadenza usate dai sottotitoli — il backend di Gaavala non vede mai né il testo né l'audio. La tua voce clonata sintetizza allo stesso modo, con una sola eccezione deliberata e ristretta a monte: il campione di riferimento di ~20 secondi che registri per costruire il clone è archiviato crittografato (AES-256-GCM) sui server di Gaavala, usato solo per costruire e mantenere la tua voce ed eliminabile su richiesta in qualsiasi momento. Nient'altro dell'audio di Speak Mode — non l'input del tuo microfono, non l'audio della riunione, non l'output sintetizzato — viene mai archiviato.

Il backend di Gaavala resta fuori dal percorso dell'audio per entrambe le opzioni vocali. Se vuoi verificarlo, funziona ancora lo stesso trucco di ispezione della rete del nostro articolo sulla privacy: apri DevTools sulla background page dell'estensione, filtra la scheda Network e vedrai una connessione diretta verso Soniox — e nessun traffico audio verso gaavala.com.

Come attivarlo

Speak Mode è una funzionalità solo Pro. La prova gratuita di Gaavala (una tantum, 5 minuti, senza carta di credito, non si rinnova mai) non include Speak Mode, quindi il flusso di configurazione è più o meno questo:

Installa gratis Gaavala dal Chrome Web Store e accedi.
Passa a Pro dal pannello laterale — $19.99/mese, senza periodo di prova — l'upgrade è diretto, quando ti serve Speak Mode.
Apri le impostazioni nel pannello laterale e trova la sezione Speak Mode.
Scegli una voce. Le voci studio Soniox sono il default su Pro e non richiedono alcuna configurazione. Se vuoi parlare con la tua voce, scegli "Clone my voice" (clona la mia voce) e registra un campione di ~20 secondi — Gaavala costruisce il tuo clone e puoi selezionarlo pochi istanti dopo.
Configura la lingua di destinazione per la riunione. Non c'è alcuna modalità di cattura da scegliere — il tasto Speak legge il tuo gesto, quindi non va deciso nulla in anticipo.

Poi entra in una riunione. Tieni premuto il tasto Speak quando vuoi dire una cosa sola, oppure toccalo per una finestra a mani libere quando hai un passaggio più lungo da consegnare.

Consigli d'uso dal mondo reale

Qualche nota pratica dalla costruzione e dall'uso quotidiano di questa funzionalità:

Scaldati tenendo premuto. La prima volta che senti la tua voce sintetizzata entrare in una riunione, sarà strano. Tieni premuto il tasto per le tue prime chiamate, prima di iniziare a toccare per le finestre a mani libere. Il tuo senso di quando fare pausa, di quanto forte parlare e di come la voce tradotta arriva dall'altra parte si calibra in fretta — ma solo se hai il controllo di ogni singolo intervento.
Clona solo la tua voce. Il flusso di registrazione del pannello laterale costruisce un clone solo da un campione che registri di te stesso — attraverso Speak Mode non esiste alcun percorso per clonare la voce di qualcun altro, e il passaggio di consenso nell'app lo riflette.
Dichiaralo se conta. Se la tua riunione ha implicazioni di conformità — legali, mediche, vendite regolamentate — di' all'altra parte che nella chiamata c'è un livello di traduzione vocale in tempo reale. È la stessa etichetta che si applica quando si dichiara uno strumento di trascrizione.
Tieni acceso l'audio originale. Gaavala continua a portare l'audio originale della riunione ai tuoi altoparlanti. Dovresti comunque ascoltare e leggere il lato in entrata. Speak Mode è la metà in uscita, non un sostituto del capire ciò che ti viene detto.

FAQ

La riunione sa che lo sto usando? Non direttamente. La voce sintetizzata arriva dall'altra parte attraverso lo stesso canale microfonico che useresti tu, quindi non c'è alcun banner né alcun metadato. L'altra parte sente una voce molto fluente e potrebbe notare piccole pause prima di ogni risposta. Consigliamo di dichiararlo quando conta — vedi la nota sull'etichetta qui sopra.

Posso usare la mia voce clonata? Sì — in modo nativo, su Pro. Registra un campione di ~20 secondi nelle impostazioni di Speak Mode del pannello laterale e Gaavala costruisce un clone con tecnologia Soniox che puoi selezionare come voce di Speak Mode. Non serve alcun account separato né alcuna chiave API.

Qual è la latenza? Sia le voci studio sia il tuo clone usano lo stesso percorso di sintesi in streaming, diretto dal browser a Soniox. Aspettati che la voce inizi a suonare entro un secondo o due dal consolidamento di una frase — non stai aspettando che l'intera frase venga renderizzata prima che la riunione senta qualcosa.

E se la mia lingua di destinazione non è l'inglese? Entrambe le opzioni vocali parlano già tutte le 60 lingue che Gaavala traduce — le voci studio Soniox e il tuo clone funzionano allo stesso modo indipendentemente dalla lingua di destinazione, così com'è.

Funziona nelle riunioni Teams Premium? Sì. Speak Mode funziona in qualsiasi riunione che giri in una scheda di Chrome, incluse Microsoft Teams, Zoom, Google Meet e Webex. Non ha importanza se l'organizzatore della riunione ha Teams Premium o Copilot. Speak Mode gira dalla tua parte della chiamata, non sull'infrastruttura dell'host della riunione.

Provalo

Speak Mode è disponibile fin da ora per gli abbonati Pro. Se sei nuovo su Gaavala, parti dalla prova gratuita una tantum — 5 minuti di trascrizione, senza carta di credito — così puoi valutare prima l'esperienza di traduzione in entrata. Speak Mode non è incluso nella prova gratuita; passa a Pro ($19.99/mese, senza periodo di prova) quando vuoi sbloccarlo anche sul lato in uscita.

Aggiungi Gaavala a Chrome →

Installa gratis Gaavala dal Chrome Web Store, poi passa a Pro per sbloccare Speak Mode.