Nella notte fra il 23 e il 24 agosto l’Add-on Store di NVDA ha accolto NVDAKitten TTS, un sintetizzatore vocale neurale che lavora senza collegamento a internet. Il pacchetto pesa poco: il modello incluso occupa circa 25 megabyte e viene installato insieme all’estensione, senza altri scaricamenti obbligatori. La versione pubblicata è la 2026.0.11, rilasciata su GitHub il 22 agosto dall’autore Anuj Sharma con licenza GPL v2.
Il motore si chiama Kitten TTS, è sviluppato dal team KittenML e viene distribuito con licenza Apache 2.0 in formato ONNX. Il modello di base, chiamato Nano INT8, dichiara circa 15 milioni di parametri, una taglia minuscola rispetto ai sistemi vocali che girano nei datacenter.
Otto voci, tutte in locale
L’add-on porta otto voci preinstallate, quattro femminili e quattro maschili: Bella, Luna, Rosie e Kiki da un lato, Jasper, Bruno, Hugo e Leo dall’altro. Dal pannello delle impostazioni si possono scaricare modelli più pesanti, con qualità superiore: Nano FP32 da 56 megabyte, Micro da 41, Mini da 80. La scheda del modello pubblicata su Hugging Face non elenca le lingue supportate, quindi chi legge in italiano deve provare le voci prima di adottarle come sintesi principale.
Tutto il lavoro avviene sul computer. Il pacchetto include le dipendenze, da onnxruntime a numpy fino al fonemizzatore basato su espeak-ng, e questo spiega sia il funzionamento offline sia il requisito di sistema: Windows a 64 bit e NVDA 2026.1 o successivo, con prove dichiarate fino alla 2026.3.
CPU o scheda grafica
Nel pannello delle impostazioni si sceglie dove far girare la sintesi. L’add-on elenca soltanto i dispositivi realmente utilizzabili sulla macchina e permette di passare dalla CPU alla scheda grafica attraverso DirectML. Sui testi lunghi la resa su GPU viene indicata come circa cinque volte più rapida, un dato che l’autore riporta nelle note della versione 2026.0.7 del 6 agosto.
Per tenere la reattività su livelli accettabili con uno screen reader, il motore usa una cache per le etichette ripetute, taglia il silenzio iniziale, precarica il modello in background e sintetizza in anticipo l’enunciato successivo mentre sta ancora parlando. Sono accorgimenti che pesano su uno screen reader, dove il tempo fra la pressione di un tasto e l’inizio della voce è un parametro di progetto.
Come si installa e come si sceglie
L’installazione passa dall’Add-on Store, il catalogo integrato che si apre dal menu Strumenti di NVDA e che verifica firma e compatibilità del pacchetto prima di procedere. Chi preferisce il file scaricato a mano lo trova nella pagina delle release del progetto su GitHub e lo apre con NVDA in esecuzione. Dopo il riavvio dello screen reader, il sintetizzatore compare nell’elenco che si raggiunge da Preferenze, Impostazioni, categoria Voce, insieme a eSpeak NG, ai motori SAPI installati e a Windows OneCore.
Le voci neurali che girano in locale sono arrivate su NVDA per strade diverse, quasi sempre con lo stesso vincolo: la qualità costa memoria e tempo di calcolo. Un modello da 15 milioni di parametri sta all’estremo leggero della scala, e serve a tenere la latenza dentro limiti compatibili con la lettura riga per riga.
Il limite dichiarato sulla velocità
Nella 2026.0.7 l’autore ha tolto l’opzione di potenziamento della velocità. La spiegazione sta nelle note di rilascio: il modello neurale suona naturale solo dentro l’intervallo di velocità su cui è stato addestrato, e la funzione spingeva oltre quel limite producendo una voce robotica e compressa. Ora il cursore della velocità arriva fino a circa 2,4 volte il valore base, che il progetto indica come tetto di qualità.
Il tetto di circa 2,4 volte resta più basso di quello dei sintetizzatori tradizionali come eSpeak NG, che accelerano ben oltre quella soglia mantenendo l’intelligibilità.
Una correzione che spiega la storia recente
La versione 2026.0.8 del 14 agosto racconta un problema tipico delle estensioni che portano librerie proprie. Sulle build recenti di NVDA, che incorporano Python 3.13, la voce restava muta con un errore sul modulo concurrent.futures.process, non più presente nella libreria standard inclusa. L’autore ha modificato il codice perché ripieghi su un’alternativa, e da lì la sintesi ha ripreso a parlare. Nella stessa versione la richiesta minima è salita a NVDA 2026.1.
Le due versioni successive hanno chiuso altri due difetti: un errore all’avvio dovuto al modo in cui l’estensione registrava il proprio plugin globale, corretto nella 2026.0.9 del 20 agosto, e la comparsa di voci doppie nel pannello delle impostazioni, corretta nella 2026.0.10. La 2026.0.11, quella arrivata nello store, riguarda la preparazione alla pubblicazione.
Nella descrizione depositata nello store l’autore dichiara di aver usato un agente di intelligenza artificiale durante lo sviluppo dell’add-on.
La pagina del progetto NVDAKitten TTS su GitHub distribuisce il file di installazione della versione 2026.0.11 (gratis, licenza GPL v2); l’estensione si trova anche nell’Add-on Store dentro NVDA, alla voce Kitten TTS.
Chiedi a Sonar su questo articolo
Sonar è l’assistente di TecnoAccess: risponde usando solo gli articoli della testata e ti dice sempre di quando è la cosa che racconta.
Iscriviti e ricevi il libro in regalo
Iscrivendoti alla newsletter ricevi subito «AI e disabilità visiva 2026», il nostro libro di 67 pagine sugli strumenti che funzionano davvero, in EPUB e in PDF accessibile.
Poi, ogni venerdì mattina, le notizie della settimana e un consiglio pratico su VoiceOver, NVDA o TalkBack che pubblichiamo solo lì. È gratis e ci si disiscrive con un clic.