Native Speech Generation è arrivato alla versione 1.8.1 nell’Add-on Store di NVDA il 2 settembre, poche ore dopo la 1.8.0 pubblicata la mattina dello stesso giorno. L’add-on porta dentro lo screen reader i modelli di sintesi vocale di Gemini, quelli che Google usa per generare audio a partire da un testo, e permette di ascoltare o salvare il risultato in un file WAV. Lo firma uno sviluppatore che si presenta come Muhammad, la licenza è GPL versione 2, il requisito minimo resta NVDA 2024.1 e il collaudo dichiarato arriva a NVDA 2026.2.
Due scorciatoie che non aprono finestre
La novità della 1.8.0 che si nota di più durante la giornata si chiama Quick Speak. Con NVDA+Alt+E l’add-on legge il testo selezionato usando la voce di Gemini, senza aprire alcuna finestra di dialogo e senza spostare il fuoco dall’applicazione in cui si sta lavorando. Con NVDA+Alt+Shift+E fa la stessa cosa sul contenuto degli appunti. L’autore attribuisce l’idea a Ivan Yatsyha e spiega la scelta del modificatore NVDA: usare quel tasto evita di sottrarre a un programma una scorciatoia che potrebbe già usare.
Quick Speak ha impostazioni proprie e separate da quelle della finestra principale: modello, voce e indicazioni di stile si configurano una volta e restano quelli, così la lettura rapida può avere una voce diversa da quella usata per generare i file.
Tre modelli, e due parlanti nello stesso file
Nella finestra di generazione si sceglie fra tre modelli. Gemini Flash 3.1 Preview è indicato per gli audio brevi con latenza bassa ed è il modello predefinito dalla versione 1.7.0. Gemini Flash 2.5 è la scelta standard. Gemini Pro 2.5 è quella che l’add-on descrive come premium, con una resa più naturale e tempi più lunghi.
Oltre alla modalità a voce singola c’è quella a due parlanti, che serve per produrre dialoghi: si scrive il testo mettendo davanti a ogni battuta il nome di chi parla seguito dai due punti, e l’add-on assegna una voce diversa a ciascuno. La temperatura si regola per ottenere risultati più stabili o più variati, e si possono passare istruzioni di stile scritte a mano. Il risultato si ascolta subito e si salva come file WAV.
Cosa era rotto e cosa è stato chiuso
La 1.8.0 ha risolto un problema che rendeva l’add-on inutilizzabile in certe configurazioni: i frame JSON binari della connessione WebSocket verso l’API Live venivano scartati, e questo mandava in timeout sia Quick Speak sia la funzione Talk With AI durante la fase di configurazione. Insieme alla correzione sono arrivati timeout espliciti per il setup e per la risposta, la propagazione degli errori del server e del motivo di chiusura della connessione, e un messaggio di stato più chiaro quando l’add-on ritenta la prima connessione.
Talk With AI, la modalità conversazionale, adesso dà priorità ai dispositivi audio predefiniti del sistema, ricorda quali ingressi e uscite sono stati scelti e a che volume, svuota la riproduzione nativa quando si interrompe l’assistente a metà frase e chiude la catena audio in modo più ordinato. Sono state riviste anche la pianificazione della cattura schermo e la gestione dei suoi errori.
La 1.8.1, uscita poche ore dopo, riguarda soltanto l’installazione delle dipendenze. Su alcuni sistemi Windows l’add-on non riusciva a verificare il certificato di PyPI perché mancava un emittente attendibile nell’archivio locale. Adesso l’installatore aggiorna la catena di certificati tramite CryptoAPI di Windows e ritenta una volta la richiesta HTTPS originale, mantenendo la validazione TLS normale e il controllo della somma SHA-256 sul pacchetto PyAudio.
Serve una chiave di Google AI Studio
L’add-on non funziona senza una chiave API di Gemini, che si ottiene da Google AI Studio e si incolla nel pannello delle impostazioni, raggiungibile dal menu Strumenti di NVDA. Il consumo viene addebitato sull’account Google di chi la usa, secondo le tariffe del modello scelto, e i tre modelli hanno costi diversi fra loro.
Conviene distinguere questo add-on da quelli che cambiano la voce dello screen reader. Kitten TTS, entrato nell’Add-on Store il 24 agosto, installa otto voci neurali che funzionano offline e diventano la voce con cui NVDA legge tutto. Native Speech Generation lascia la voce di sistema dov’è e produce audio su richiesta, a partire da un testo scelto, appoggiandosi ai server di Google.
Native Speech Generation 1.8.1 si installa dall’Add-on Store di NVDA ed è gratuito. Il codice e il changelog completo stanno sul repository GitHub di Native Speech Generation. Richiede NVDA 2024.1 o successivo.
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.