Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Formatos de Áudio

Aula 12 de 14 Atualizada a 3 de novembro de 2026 Programador
Nesta página
  1. Escolher o Formato de Saída Correto
  2. MP3: O Padrão Universal
  3. WAV: Qualidade Máxima
  4. PCM: O Formato de Tempo Real
  5. FLAC: Compressão Sem Perdas
  6. Opus: O Compromisso Moderno
  7. Decidir num Minuto
  8. Pontos-chave

Curso atualizado a 3 de novembro de 2026 para o Voxtral TTS 3, com base no guia Migrate from Voxtral 2 e nas páginas Text to Speech da Mistral: voxtral-mini-tts-2603, descontinuado a 31 de outubro de 2026 e removido a 30 de abril de 2027, é substituído nos exemplos por voxtral-mini-tts-3-0. As vozes predefinidas do Voxtral 2 (gb_jane_neutral…) continuam a ser aceites; o Voxtral 3 adiciona as etiquetas [emotion=…] e [pace=…] no texto, a definição expressiveness, a pronúncia personalizada (phoneme_hints) e suporte para 35 idiomas. A Mistral recomenda voltar a medir a latência após a migração. Fontes: Migrate from Voxtral 2 · Speech generation.

Escolher o Formato de Saída Correto

O parâmetro response_format aceita cinco valores. Esta escolha, aparentemente simples, é muito mais importante do que parece: determina a qualidade do áudio, o tamanho dos ficheiros que armazena, a latência que os seus utilizadores percebem e a compatibilidade com os seus leitores. Um podcast entregue em PCM será irreproduzível para metade do seu público; um agente de voz em MP3 terá um atraso de dois segundos em cada resposta. A tabela abaixo oferece uma visão geral, e o restante desta lição explica quando utilizar cada formato.

Formato Compressão Qualidade Latência de Streaming Caso de Uso Principal
MP3 Com perdas (Lossy) Boa ~2 segundos Uso geral, ficheiros
WAV Nenhuma (PCM) Máxima Média Pós-produção, audiolivros
PCM Nenhuma (raw) Máxima ~0,7 segundos Streaming em tempo real
FLAC Sem perdas (Lossless) Máxima Média Arquivo, qualidade profissional
Opus Com perdas (Lossy) Muito boa Baixa Streaming, VoIP, largura de banda limitada

As latências nesta tabela são ordens de grandeza aproximadas medidas com o Voxtral 2; volte a medi-las com o Voxtral TTS 3, que produz áudio mono a 24 kHz em todos os casos.

MP3: O Padrão Universal

O MP3 continua a ser o formato mais difundido: todos os navegadores, telemóveis e leitores o interpretam nativamente, e suporta os metadados ID3 exigidos pelas plataformas de podcasting. A sua compressão tem perdas, pelo que a qualidade é ligeiramente inferior à do WAV, mas a diferença raramente é audível na fala. A sua verdadeira desvantagem reside noutro aspeto: no streaming, o codec precisa de acumular dados antes de produzir o seu primeiro quadro, atrasando o primeiro som em cerca de dois segundos. Escolha este formato para ficheiros transferíveis, podcasts ou integração web padrão — nunca para uso conversacional.

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

WAV: Qualidade Máxima

O WAV contém áudio PCM não comprimido, oferecendo a melhor qualidade possível sem qualquer perda. Como não há nada para descodificar e os editores de áudio reconhecem universalmente o formato, é o ponto de partida natural para qualquer cadeia de pós-produção: edita, equaliza e comprime, exportando depois para o formato de distribuição desejado. A contrapartida é o tamanho do ficheiro — cerca de dez vezes superior ao de um MP3 — e os requisitos de largura de banda correspondentes.

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="A WAV file for the best quality.",
    voice_id=voice_id,
    response_format="wav",
)

Reserve-o para audiolivros de qualidade de estúdio, arquivo e qualquer conteúdo que planeie editar posteriormente.

PCM: O Formato de Tempo Real

O PCM (Modulação por Código de Pulsos) é áudio bruto Float32 Little-Endian, sem cabeçalho nem encapsulamento. Esta simplicidade é simultaneamente a sua força e a sua fraqueza. A sua força: nada para codificar ou descodificar, o primeiro som chega em cerca de 0,7 segundos e os bytes recebidos são escritos diretamente na placa de som. A sua fraqueza: sem um cabeçalho, tem de conhecer e transmitir a taxa de amostragem e o formato por si próprio — é exatamente por isso que o exemplo pyaudio na Lição 10 declarava explicitamente paFloat32, um canal e 24.000 Hz. Os ficheiros são também muito grandes e nenhum leitor de consumo os abre diretamente.

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

Este é o formato para assistentes de voz em tempo real, agentes conversacionais e aplicações WebRTC.

FLAC: Compressão Sem Perdas

O FLAC reduz o tamanho do ficheiro em 50% a 60% sem tocar numa única amostra: a qualidade é rigorosamente idêntica à do WAV e mantém os metadados. Na prática, este é o seu formato de arquivo: guarde os seus masters em FLAC e poderá regenerar um MP3 ou Opus anos mais tarde sem sofrer a dupla compressão que degrada o áudio. Exige um descodificador, tornando-o menos universal que o MP3.

response = client.audio.speech.complete(
    model="voxtral-mini-tts-3-0",
    input="FLAC for lossless archiving.",
    voice_id=voice_id,
    response_format="flac",
)

Opus: O Compromisso Moderno

O Opus é um codec concebido para comunicação em tempo real, oferecendo excelente qualidade a taxas de bits muito baixas. Numa aplicação móvel a funcionar numa rede 4G degradada, fornece uma voz clara onde o WAV saturaria a ligação, com baixa latência de streaming — superior à do PCM, mas muito inferior à do MP3. No entanto, a compatibilidade é irregular: nem todos os leitores o suportam nativamente e alguns exigem um contentor OGG.

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

Esta é a escolha para VoIP, streaming com largura de banda limitada e aplicações móveis.

Decidir num Minuto

Perante um novo projeto, decida pela seguinte ordem. Se estiver a fazer streaming em tempo real, escolha o PCM para latência mínima, ou o Opus se a largura de banda for tão importante quanto a capacidade de resposta. Caso contrário, pergunte onde o ficheiro será reproduzido: num navegador, o MP3 garante a máxima compatibilidade. Se precisar de ser editado posteriormente, o WAV oferece o material mais fácil de manipular. Se tiver de ser arquivado sem perder um decibel, o FLAC comprime sem sacrificar nada. E se a restrição dominante for uma rede lenta, o Opus oferece a melhor relação qualidade-tamanho.

Pontos-chave

  • O MP3 é a escolha padrão para compatibilidade universal
  • O PCM oferece a menor latência para streaming em tempo real (~0,7s)
  • O WAV fornece a melhor qualidade não comprimida, ideal para pós-produção
  • O FLAC comprime sem perdas — mesma qualidade que o WAV, ficheiros menores
  • O Opus é o melhor compromisso qualidade-tamanho para aplicações em rede