La sintesi vocale, la tecnologia che legge ad alta voce un testo scritto, su Android si appoggia quasi sempre ai servizi di Google. Su GrapheneOS, che quei servizi li tiene deliberatamente fuori, finora restava la strada dei motori di terze parti da installare a mano. Il progetto ha pubblicato in questi giorni la prima versione di Speech Services, un motore di sintesi vocale sviluppato internamente e già disponibile nel suo App Store.

Tutto sul dispositivo, niente cloud

Il punto che interessa di più riguarda dove avviene l’elaborazione. Speech Services lavora interamente in locale, sul telefono, senza inviare il testo da leggere a un server esterno. È la differenza sostanziale rispetto a molte soluzioni di sintesi vocale, che instradano ciò che scrivete verso l’infrastruttura di un fornitore. Qui non esce nulla dal dispositivo.

// affiliato ▸ AdGuard VPN · VPN veloce e rispettosa della privacy · Scopri i piani →

Il team ha costruito un modello completamente aperto, comprensivo del codice e dei dati usati per l’addestramento, partendo da componenti già liberi. Concretamente l’app si basa su una versione modificata di Matcha-TTS, con interventi mirati su velocità ed efficienza, affiancata da un phonemizer scritto in Kotlin (il componente che converte le parole nei suoni da pronunciare) derivato dal phonemizer Misaki e dalla libreria Apache OpenNLP per la preparazione del testo. Il codice è rilasciato con licenza MIT.

Secondo gli sviluppatori, il modello risulta più rapido di altre soluzioni offline e abbastanza leggero da poter essere addestrato in locale: quello attuale è stato preparato in pochi giorni su una scheda video AMD di fascia media. Il team ha intanto acquistato una GPU più potente per allenarne una versione migliore.

Per ora solo inglese

Al momento esiste una sola voce, in inglese americano. Se la lingua di sistema è impostata su altro, va forzata manualmente su English (United States) nelle impostazioni di output vocale. L’ho provato solo di sfuggita, ma in quei pochi minuti sembrava comportarsi bene.

Una volta integrato direttamente nel sistema operativo, il motore sarà attivo in modo predefinito e non servirà più abilitarlo a mano.

Accessibilità e prossimi passi

In programma ci sono altre lingue (probabilmente prima l’inglese britannico, poi tedesco e francese, in base alla disponibilità di dati aperti di qualità) e un’implementazione di riconoscimento vocale, cioè il percorso inverso, dalla voce al testo. I modelli più grandi potrebbero non essere inclusi direttamente nel sistema ma offerti come pacchetti linguistici aggiuntivi nell’App Store.