Come l’intelligenza artificiale sta cambiando audiolibri e produzione audio: dati, costi, voci sintetiche e diritti dal white paper Buchmesse-DosDoce.

L’intelligenza artificiale sta modificando rapidamente il mercato degli audiolibri, ma il cambiamento appare molto più articolato rispetto alla semplice sostituzione dei narratori con voci sintetiche.

È quanto emerge dalla prima parte del white paper WHO IS NARRATING THE FUTURE? AI adoption, use and outlook in audio production, realizzato dalla Buchmesse in collaborazione con DosDoce (qui trovate la versione integrale), che analizza l’adozione dell’IA nella produzione audio attraverso dati raccolti tra aziende e professionisti del settore internazionale.

Il primo dato indica quanto il fenomeno sia ormai diffuso. Il questionario quantitativo ha coinvolto 53 organizzazioni: il 50% sono studi di produzione audio, il 36% case editrici e il 14% piattaforme di streaming o distributori, distribuiti tra Europa, America Latina, Stati Uniti, Canada, Africa e Medio Oriente.

L’85% degli intervistati utilizza già strumenti di intelligenza artificiale in almeno una fase della produzione audio. Il dato più interessante riguarda però il modo in cui queste tecnologie vengono utilizzate.

Voce umana e voce sintetica: il mercato sceglie un modello ibrido

Dalla ricerca emerge una tendenza abbastanza definita: editori e produttori non stanno semplicemente scegliendo tra narratori umani e voci sintetiche. Le aziende stanno organizzando i cataloghi secondo criteri editoriali, economici e commerciali differenti.

La narrazione umana mantiene un ruolo prioritario nei bestseller, nei titoli di maggiore importanza commerciale e nella narrativa caratterizzata da un forte valore emotivo o letterario. In questi casi interpretazione, ritmo, intenzione e capacità espressiva continuano a rappresentare elementi essenziali dell’esperienza di ascolto.

Le voci generate attraverso l’intelligenza artificiale vengono invece utilizzate soprattutto per la backlist, la saggistica, i testi accademici, la manualistica e i titoli destinati a pubblici più piccoli, per i quali una produzione tradizionale avrebbe costi difficili da recuperare.

Si sta quindi formando un modello di produzione differenziato. L’editore può decidere di investire maggiormente su alcune opere, affidandole a narratori professionisti, e utilizzare tecnologie sintetiche per rendere disponibili in formato audio titoli che altrimenti probabilmente rimarrebbero esclusi dal mercato.

Circa un terzo degli editori coinvolti nell’indagine sta già riorganizzando i propri processi secondo una struttura di catalogo articolata su più livelli. Rimane comunque una quota del 15% che continua a scegliere esclusivamente la narrazione umana, per ragioni editoriali, contrattuali, linguistiche o di posizionamento.

Il vero obiettivo dell’IA: rendere sostenibile la long tail

Uno dei problemi principali dell’industria degli audiolibri rimane il costo della produzione. Secondo i dati riportati dal white paper, circa il 95% degli eBook non dispone ancora di una versione audio. Si tratta di oltre cinque milioni di titoli.

La ragione è soprattutto economica. Una produzione tradizionale può costare tra i 2.000 e i 3.000 dollari in America Latina e raggiungere cifre fino a cinque volte superiori nei mercati più maturi. Per moltissimi libri, soprattutto quelli appartenenti alla backlist o destinati a pubblici limitati, l’investimento risulta difficilmente sostenibile.

Il report invita però a considerare con prudenza le promesse commerciali di alcuni fornitori tecnologici che indicano riduzioni dei costi dell’85 o addirittura del 95%. Quando si considera l’intero processo produttivo, comprese preparazione del testo, supervisione, controllo qualità e post-produzione, il risparmio risulta più contenuto.

Le stime raccolte indicano una riduzione dei costi attorno al 20% nel secondo anno di utilizzo e fino al 50% nel terzo anno, quando aziende e professionisti hanno ormai riorganizzato i propri processi produttivi.

La prospettiva economicamente più interessante riguarda quindi la possibilità di rendere sostenibile la produzione audio di migliaia di titoli che oggi non possono giustificare il costo di una registrazione tradizionale.

L’IA viene utilizzata soprattutto prima e dopo la registrazione

Un altro elemento importante del white paper riguarda le applicazioni concrete dell’intelligenza artificiale. Oltre il 90% degli intervistati considera infatti particolarmente utile l’IA nelle attività operative e gestionali, più che nella performance artistica.

Gli strumenti vengono utilizzati per preparare i testi, creare guide di pronuncia, verificare la corrispondenza tra testo e audio, effettuare controlli di qualità, produrre metadati e automatizzare alcune operazioni editoriali.

Tra i software più citati figurano ElevenLabs per sintesi e clonazione vocale, Pozotron per controllo qualità e allineamento tra testo e registrazione, mentre strumenti generativi come ChatGPT e Claude vengono impiegati anche nella preparazione editoriale.

Il 67% delle aziende utilizza strumenti esterni tramite API, il 33% adotta soluzioni ibride e meno dell’1% sviluppa internamente tutta la propria tecnologia. Il mercato sembra quindi orientarsi verso ecosistemi composti da diversi servizi specializzati piuttosto che verso piattaforme proprietarie sviluppate dai singoli editori.

Qualità, privacy e diritti contano più del prezzo

La ricerca offre indicazioni interessanti anche sui criteri utilizzati dalle aziende per scegliere i fornitori tecnologici. Qualità della voce e trasparenza nella gestione dei diritti vengono indicate dall’86% degli intervistati, mentre il 79% considera decisiva la protezione dei dati e dei manoscritti.

Costo e velocità di produzione risultano importanti solo per il 44% del campione.

Questi dati mostrano come l’adozione dell’intelligenza artificiale nell’editoria audio non dipenda soltanto dalla capacità di produrre contenuti più velocemente o a un prezzo inferiore.

Editori e produttori devono sapere come vengono utilizzati testi e registrazioni, quali diritti possiedono i fornitori sui materiali elaborati e se le voci sintetiche sono state create utilizzando registrazioni concesse legalmente dagli interpreti.

Il problema principale riguarda i contratti

Dal white paper emerge inoltre che le principali difficoltà nell’adozione sono di tipo legale e contrattuale.

Per il 50% degli intervistati l’ostacolo maggiore deriva dalle restrizioni previste dai contratti con agenti letterari, autori o piattaforme distributive. Il 25% indica problemi relativi alla naturalezza delle voci o alla disponibilità di accenti locali, mentre percentuali inferiori segnalano la mancanza di standard condivisi o difficoltà tecniche di integrazione.

La questione diventa ancora più delicata quando si parla di clonazione vocale. Il 60% dei professionisti coinvolti nella ricerca considera necessario utilizzare dataset ottenuti attraverso licenze corrette e garantire agli interpreti consenso esplicito e compensi adeguati.

I contratti dovranno inoltre specificare con maggiore precisione per quali utilizzi viene concessa una voce sintetica: una determinata serie, una traduzione, un progetto di accessibilità oppure altre applicazioni concordate. Durata delle licenze, possibilità di rinnovo e nuovi utilizzi dovranno essere regolati in maniera trasparente.

Dall’audiolibro registrato all’audio generato su richiesta

Il white paper individua anche uno scenario che potrebbe modificare profondamente il funzionamento del settore. Oggi un audiolibro viene generalmente prodotto come un file audio definitivo. In futuro potrebbe invece essere generato nel momento in cui l’utente decide di ascoltarlo, scegliendo lingua, voce o altre caratteristiche.

Dal punto di vista tecnico, questa possibilità appare già relativamente vicina. La difficoltà riguarda soprattutto licenze e diritto d’autore.

Gli accordi tradizionali sono stati costruiti pensando a opere registrate e distribuite come prodotti finiti. Un sistema capace di produrre versioni diverse dello stesso libro su richiesta necessita invece di contratti che stabiliscano con precisione quali trasformazioni sono consentite e come vengono remunerati autori, editori, interpreti e altri titolari dei diritti.

L’intelligenza artificiale può favorire i mercati meno sviluppati

Tra gli aspetti più interessanti della ricerca compare il possibile impatto dell’IA sui mercati nei quali l’offerta di audiolibri è ancora limitata.

America Latina, Africa, Medio Oriente ed Europa dell’Est potrebbero beneficiare in misura significativa della riduzione dei costi e della possibilità di realizzare versioni audio in diverse lingue e varianti linguistiche.

La traduzione e la localizzazione multilingue vengono considerate una delle maggiori opportunità commerciali associate all’intelligenza artificiale. Un editore potrebbe rendere disponibili opere internazionali nelle lingue locali oppure distribuire autori locali su mercati che oggi risultano difficilmente raggiungibili.

Esiste però anche un rischio. Senza investimenti in dataset vocali locali e correttamente licenziati, i sistemi potrebbero rappresentare male accenti, lingue e culture meno presenti nei database utilizzati per addestrare i modelli.

Lo sviluppo di queste tecnologie dovrà quindi coinvolgere interpreti e aziende locali, prevedendo compensi adeguati e contratti trasparenti.

Tra il 2026 e il 2030 il mercato audio sarà sempre più segmentato

L’86% degli esperti consultati prevede una crescita del mercato audio collegata all’intelligenza artificiale nei prossimi anni. Il 44% immagina una trasformazione particolarmente marcata, mentre il 42% prevede un’evoluzione più graduale.

Una delle ipotesi formulate nel white paper riguarda la nascita di due fasce di prodotto: produzioni realizzate con voci sintetiche disponibili a prezzi inferiori e produzioni premium affidate a narratori professionisti.

In uno scenario caratterizzato da una quantità crescente di contenuti generati o prodotti con l’IA, la qualità potrebbe inoltre assumere un peso ancora maggiore.

Una voce umana particolarmente autorevole, un interprete noto oppure una produzione audio complessa potrebbero diventare elementi utilizzati dagli editori per differenziare i titoli più importanti del catalogo. Allo stesso tempo, l’intelligenza artificiale permetterebbe di ampliare in maniera considerevole la quantità di opere disponibili in audio.

L’IA sta modificando l’editoria audio, ma la tecnologia è solo una parte della questione

La prima parte di WHO IS NARRATING THE FUTURE? descrive quindi un settore che ha già superato la fase della semplice sperimentazione.

L’85% delle organizzazioni coinvolte utilizza l’intelligenza artificiale e una parte significativa delle aziende la impiega ormai in diverse fasi della produzione. Il cambiamento riguarda la preparazione dei testi, il controllo qualità, la produzione delle voci, la traduzione, i metadati e l’organizzazione dei cataloghi.

Le questioni più complesse riguardano però qualità, diritti, consenso, remunerazione e trasparenza.

La crescita dell’audio sintetico dipenderà quindi anche dalla capacità dell’industria editoriale di definire regole condivise per l’utilizzo delle opere e delle voci.

Ed è probabilmente proprio questo il dato più significativo della prima parte del white paper della Buchmesse e di DosDoce: il futuro dell’audio editoriale verrà definito tanto dai nuovi strumenti tecnologici quanto dalle decisioni editoriali, economiche e contrattuali che editori, autori, interpreti e piattaforme prenderanno nei prossimi anni.

---