Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Formati Audio

Lezione 12 di 14 Aggiornata il 3 novembre 2026 Sviluppatore
In questa pagina
  1. Scegliere il Formato di Output Giusto
  2. MP3: Lo Standard Universale
  3. WAV: Qualità Massima
  4. PCM: Il Formato in Tempo Reale
  5. FLAC: Compressione Senza Perdita
  6. Opus: Il Compromesso Moderno
  7. Decidere in Un Minuto
  8. Punti chiave

Corso aggiornato il 3 novembre 2026 per Voxtral TTS 3, basato sulla guida Migrate from Voxtral 2 e sulle pagine Text to Speech di Mistral: voxtral-mini-tts-2603, deprecato il 31 ottobre 2026 e rimosso il 30 aprile 2027, viene sostituito negli esempi da voxtral-mini-tts-3-0. Le voci predefinite di Voxtral 2 (gb_jane_neutral…) rimangono accettate; Voxtral 3 aggiunge i tag [emotion=…] e [pace=…] nel testo, l’impostazione expressiveness, la pronuncia personalizzata (phoneme_hints) e 35 lingue. Mistral consiglia di rimisurare la latenza dopo la migrazione. Fonti: Migrate from Voxtral 2 · Speech generation.

Scegliere il Formato di Output Giusto

Il parametro response_format accetta cinque valori. Questa scelta apparentemente banale conta molto più di quanto sembri: determina la qualità dell’audio, la dimensione dei file che archivi, la latenza percepita dai tuoi utenti e la compatibilità con i loro player. Un podcast consegnato in PCM risulterà illeggibile per metà del tuo pubblico; un agente vocale in MP3 avrà un ritardo di due secondi su ogni risposta. La tabella seguente offre una visione d’insieme, mentre il resto di questa lezione spiega quando utilizzare ciascun formato.

Formato Compressione Qualità Latenza di Streaming Caso d'Uso Principale
MP3 Con perdita (Lossy) Buona ~2 secondi Uso generale, file
WAV Nessuna (PCM) Massima Media Post-produzione, audiolibri
PCM Nessuna (grezzo) Massima ~0,7 secondi Streaming in tempo reale
FLAC Senza perdita (Lossless) Massima Media Archiviazione, qualità professionale
Opus Con perdita (Lossy) Molto buona Bassa Streaming, VoIP, banda limitata

Le latenze in questa tabella sono ordini di grandezza approssimativi misurati con Voxtral 2; rimisurale con Voxtral TTS 3, che produce audio mono a 24 kHz in tutti i casi.

MP3: Lo Standard Universale

MP3 rimane il formato più diffuso: ogni browser, telefono e player lo legge nativamente e supporta i metadati ID3 richiesti dalle piattaforme di podcasting. La sua compressione è con perdita (lossy), quindi la qualità è leggermente inferiore rispetto al WAV, ma la differenza è raramente udibile per la voce umana. Il suo vero svantaggio risiede altrove: nello streaming, il codec deve accumulare dati prima di produrre il primo frame, ritardando il primo suono di circa due secondi. Scegli questo formato per file scaricabili, podcast o integrazioni web standard, mai per uso conversazionale.

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="Un file MP3 per uso standard.",
    voice_id=voice_id,
    response_format="mp3",
)

WAV: Qualità Massima

WAV contiene audio PCM non compresso, offrendo la migliore qualità possibile senza alcuna perdita. Poiché non c’è nulla da decodificare e gli editor audio riconoscono universalmente il formato, è il punto di partenza naturale per qualsiasi catena di post-produzione: modifichi, equalizzi e comprimi, poi esporti nel formato di distribuzione desiderato. Il compromesso è la dimensione del file, circa dieci volte quella di un MP3, e i conseguenti requisiti di banda.

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="Un file WAV per la massima qualità.",
    voice_id=voice_id,
    response_format="wav",
)

Riservalo per audiolibri di qualità studio, archiviazione e qualsiasi contenuto che prevedi di modificare in seguito.

PCM: Il Formato in Tempo Reale

PCM (Pulse Code Modulation) è audio grezzo Float32 Little-Endian senza header o incapsulamento. Questa essenzialità è sia il suo punto di forza che la sua debolezza. Punto di forza: nulla da codificare o decodificare, il primo suono arriva in circa 0,7 secondi e i byte ricevuti vengono scritti direttamente sulla scheda audio. Debolezza: senza un header, devi conoscere e trasmettere tu stesso la frequenza di campionamento e il formato, motivo per cui l’esempio pyaudio nella Lezione 10 dichiarava esplicitamente paFloat32, un canale e 24.000 Hz. Anche i file sono molto grandi e nessun player consumer li apre direttamente.

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="PCM grezzo per lo streaming.",
    voice_id=voice_id,
    response_format="pcm",
)

Questo è il formato per assistenti vocali in tempo reale, agenti conversazionali e applicazioni WebRTC.

FLAC: Compressione Senza Perdita

FLAC riduce la dimensione del file dal 50% al 60% senza toccare un singolo campione: la qualità è rigorosamente identica al WAV e mantieni i metadati. In pratica, questo è il tuo formato di archiviazione: salva i tuoi master in FLAC e potrai rigenerare un MP3 o un Opus anni dopo senza subire la doppia compressione che degrada l’audio. Richiede comunque un decoder, rendendolo meno universale dell’MP3.

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="FLAC per l'archiviazione senza perdita.",
    voice_id=voice_id,
    response_format="flac",
)

Opus: Il Compromesso Moderno

Opus è un codec progettato per la comunicazione in tempo reale, che offre un’eccellente qualità a bitrate molto bassi. Su un’app mobile che opera su una rete 4G degradata, fornisce una voce chiara laddove il WAV saturerebbe la connessione, con una bassa latenza di streaming: superiore al PCM, ma molto inferiore all’MP3. La compatibilità è tuttavia disomogenea: non tutti i player lo supportano nativamente e alcuni richiedono un contenitore OGG.

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="Opus per uno streaming efficiente.",
    voice_id=voice_id,
    response_format="opus",
)

Questa è la scelta per VoIP, streaming a banda limitata e applicazioni mobili.

Decidere in Un Minuto

Di fronte a un nuovo progetto, decidi seguendo questo ordine. Se stai effettuando uno streaming in tempo reale, scegli PCM per la latenza minima, oppure Opus se la banda conta tanto quanto la reattività. Altrimenti, chiediti dove verrà riprodotto il file: in un browser, MP3 garantisce la massima compatibilità. Se necessita di modifiche successive, WAV ti offre il materiale più facile da manipolare. Se deve essere archiviato senza perdere un decibel, FLAC comprime senza sacrificare nulla. E se il vincolo dominante è una rete lenta, Opus offre il miglior rapporto qualità-dimensione.

Punti chiave

  • MP3 è la scelta predefinita per la compatibilità universale
  • PCM offre la latenza più bassa per lo streaming in tempo reale (~0,7s)
  • WAV fornisce la migliore qualità non compressa, ideale per la post-produzione
  • FLAC comprime senza perdita: stessa qualità del WAV, file più piccoli
  • Opus è il miglior compromesso qualità-dimensione per le applicazioni di rete