A cura della redazione di whispertranscribe.ai · Ultimo aggiornamento a novembre 2026 · Lettura di 12 min
Quando puoi scegliere come registrare, il formato migliore per la trascrizione è senza perdita, come WAV (PCM a 16 bit) o FLAC, in mono a 16 kHz o più. Se hai già un MP3, un M4A o un video, caricalo così com'è. Convertire un file compresso non recupera i dettagli persi. La distanza dal microfono e il rumore incidono di più sul risultato.
Qui trovi cosa scegliere prima di registrare, come usare un file che hai ricevuto, le formule per stimarne le dimensioni, le impostazioni adatte a diversi casi, i comandi FFmpeg e una tabella per risolvere i problemi.
Nota della redazione. whispertranscribe.ai pubblica questa guida. Per le informazioni tecniche rimandiamo a Google Cloud, al codice di Whisper di OpenAI, a FFmpeg e alla Library of Congress. Per l'articolo non abbiamo effettuato prove di precisione e non indichiamo un aumento percentuale fisso per un formato.
Quale formato audio scegliere per la trascrizione?
La scelta dipende dal punto in cui sei nel lavoro.
| Situazione | Scelta consigliata | Perché |
|---|---|---|
| Stai impostando il registratore o l'app | WAV (16 bit) o FLAC, mono, 16 kHz o più | Google raccomanda FLAC o LINEAR16 senza perdita per il riconoscimento vocale |
| Ti servono file piccoli già in registrazione | Un codec con perdita adatto al parlato, a un bitrate moderato | Google preferisce, nell'ordine, AMR-WB, Ogg Opus e Speex |
| Hai già un MP3, M4A o Opus | Carica l'originale | Ricodificare non ripristina i dettagli |
| Hai un video (MP4, MOV, MKV) | Caricalo oppure estrai l'audio se è molto grande | Il sistema usa solo la traccia audio |
| I parlanti sono su tracce separate | Conserva le tracce | Se ogni persona ha un canale, Google consiglia di inviare i canali separatamente |
Quando basta il formato originale. Per una nota vocale del telefono, un episodio di podcast già pubblicato o una registrazione Zoom o Teams, carica il file, scegli la lingua parlata e dedica il tempo al controllo dei nomi.
Formato, codec e contenitore
L'estensione indica il contenitore e non sempre identifica la compressione. Il tutorial di Google sull'ottimizzazione dell'audio distingue i codec dai formati dei file. Tre esempi comuni aiutano a capire.
- WAV contiene in genere PCM lineare non compresso, ma accetta anche altre codifiche. Library of Congress, WAVE
- M4A può contenere AAC con perdita o Apple Lossless (ALAC) senza perdita.
- OGG è un contenitore che di solito contiene Opus o Vorbis, entrambi con perdita.
Per vedere cosa contiene un file, usa ffprobe di FFmpeg sulle sole tracce audio.
ffprobe -v error -select_streams a -show_entries stream=index,codec_name,channels,sample_rate -of csv=p=0 meeting.mp4
Abbiamo provato il comando con FFmpeg 7.1.5 su un breve video di prova. Ha mostrato una riga per ciascuna traccia audio. Su una copia senza audio non ha mostrato nulla. È un controllo rapido per individuare i file senza tracce audio prima di caricarli.
Formati audio per la trascrizione a confronto
Puoi trascrivere tutti i formati qui sotto. Variano i dettagli conservati e le dimensioni del file. I valori derivano dalle formule della sezione successiva (1 MB = 1.000.000 byte).
| Formato | Tipo di compressione | Da dove proviene di solito | Dimensione al minuto (esempio) | Effetto sulla trascrizione | Cosa fare |
|---|---|---|---|---|---|
| WAV (PCM) | Non compresso | Registratori da campo ed editor audio | 1,92 MB a 16 kHz, 16 bit, mono. 10,58 MB a 44,1 kHz, 16 bit, stereo | Conserva tutto ciò che ha acquisito il microfono | Ottimo come originale. Controlla le dimensioni durante le sessioni lunghe |
| FLAC | Compresso senza perdita | Archivi ed esportazioni da editor | Più piccolo del WAV corrispondente. Il risparmio varia | Stesso audio del WAV | Usalo al posto di WAV per risparmiare spazio |
| AIFF / ALAC / CAF | AIFF di solito non compresso. ALAC senza perdita. CAF può contenere entrambi i tipi | App per Mac e iPhone | AIFF ha la stessa dimensione di WAV a pari impostazioni | Dipende dal codec | Carica il file così com'è |
| MP3 | Con perdita | Podcast e download | 0,96 MB a 128 kbps | Secondo Google i codec con perdita possono ridurre la precisione | Carica il file così com'è |
| M4A / AAC | Di solito con perdita (AAC) | Memo vocali e tracce audio di video | 0,48 MB a 64 kbps | Stesse considerazioni dell'MP3 | Carica l'originale |
| OGG / Opus | Con perdita | Messaggi vocali e chiamate web | 0,24 MB a 32 kbps | Opus è tra i codec con perdita consigliati da Google per il parlato | Carica il file così com'è |
| AMR (banda stretta) | Con perdita, solo parlato | Vecchi telefoni e registratori di chiamate | Circa 0,09 MB a 12,2 kbps | Contiene solo frequenze da 200 a 3.400 Hz (Library of Congress, AMR) | Carica l'originale alla frequenza nativa |
Per i video vale lo stesso principio. Lo strumento legge la traccia audio. La presenza del video aumenta solo le dimensioni del caricamento.
Come calcolare la dimensione di un file audio
Due formule permettono di stimare la dimensione prima di registrare o caricare.
PCM non compresso (WAV, AIFF)
bytes per second = sample rate × (bit depth ÷ 8) × channels
Esempi di calcolo.
- 16 kHz, 16 bit, mono. 16.000 × 2 × 1 = 32.000 byte al secondo. Moltiplicando per 60 si ottengono 1.920.000 byte, circa 1,92 MB al minuto o 115,2 MB all'ora.
- 44,1 kHz, 16 bit, stereo. 44.100 × 2 × 2 = 176.400 byte al secondo, circa 10,58 MB al minuto o 635 MB all'ora.
- 48 kHz, 24 bit, stereo. 48.000 × 3 × 2 = 288.000 byte al secondo, cioè 1.036,8 MB all'ora.
Compressione con perdita a bitrate costante (MP3, AAC, Opus)
bytes per minute = bitrate in kbps × 1,000 ÷ 8 × 60 (cioè kbps × 7.500)
- 128 kbps. 128 × 7.500 = 960.000 byte, circa 0,96 MB al minuto o 57,6 MB all'ora.
- A 64 kbps, 0,48 MB al minuto. A 32 kbps, 0,24 MB al minuto.
Le intestazioni rendono i file effettivi leggermente più grandi. Nei file a bitrate variabile, la dimensione oscilla intorno alla media. I computer che mostrano unità binarie (MiB) danno numeri circa il 5% più bassi.
Cosa significano questi valori con un limite di 5 GB e 10 ore
whispertranscribe.ai accetta file fino a 5 GB e 10 ore. Ecco quanto occupano le impostazioni più comuni, considerando 5 GB pari a 5.000.000.000 byte.
| Impostazione | 1 ora | 10 ore | 10 ore entrano in 5 GB? |
|---|---|---|---|
| WAV, 16 kHz, 16 bit, mono | 115,2 MB | 1,15 GB | Sì |
| WAV, 44,1 kHz, 16 bit, stereo | 635 MB | 6,35 GB | No. Entrano circa 7,9 ore |
| WAV, 48 kHz, 24 bit, stereo | 1,04 GB | 10,37 GB | No. Entrano circa 4,8 ore |
| MP3, 128 kbps | 57,6 MB | 576 MB | Sì |
| Opus, 32 kbps | 14,4 MB | 144 MB | Sì |
Il WAV classico ha un limite proprio. Il campo delle dimensioni a 32 bit lo limita a circa 4 GB. Per registrazioni più grandi serve l'estensione RF64 (Library of Congress). Per un audio molto lungo senza perdita, FLAC o WAV mono a 16 kHz evitano entrambi i problemi.
Cosa conta più del formato audio
Una voce chiara e vicina al microfono, salvata in MP3, in genere dà risultati migliori di un file senza perdita registrato dall'altra parte di una stanza rumorosa. Le impostazioni e le abitudini che seguono fanno gran parte della differenza.
Frequenza di campionamento. Bastano 16 kHz?
Sì, per il parlato. Google raccomanda 16.000 Hz o più (buone pratiche) e spiega nel tutorial che frequenze inferiori conservano poche o nessuna informazione sopra gli 8 kHz. Il codice open source di Whisper converte tutto a 16.000 Hz in mono prima dell'elaborazione (whisper/audio.py). Puoi registrare a 44,1 o 48 kHz, ma il file sarà più grande.
Aumentare la frequenza dopo non aiuta. Secondo Google, un file a 8 kHz ricampionato a 44,1 kHz continua a contenere solo circa 4 kHz di banda. Carica l'audio telefonico, di solito a 8.000 Hz, alla frequenza originale.
Profondità in bit. 16 o 24 bit?
Google consiglia 16 bit o più e indica che portare l'audio da 8 a 16 bit non dà vantaggi, perché la gamma dinamica è fissata durante la registrazione. Mantenere i 24 bit del registratore va bene. Convertire 16 bit in 24 non aggiunge informazioni.
Bitrate per i file compressi
Nessuno standard indica un bitrate che garantisca una buona trascrizione. Google dà indicazioni sul tipo di codec. I codec con perdita possono ridurre la precisione e rumore o eco pesano di più quando la compressione elimina informazioni. Se devi comprimere, fallo una volta a un bitrate moderato, evitando passaggi come WAV, poi MP3 e poi OGG.
Distanza dal microfono, rumore e livelli
Ecco i consigli di Google sulla preparazione dell'audio.
- Avvicina il microfono a chi parla il più possibile, soprattutto se c'è rumore di fondo.
- Evita la saturazione. I picchi distorti non si riparano in seguito.
- Disattiva il controllo automatico del guadagno e la riduzione del rumore se l'app lo consente. Google indica che la riduzione del rumore prima del riconoscimento in genere riduce la precisione.
Mono o stereo?
Per un solo microfono condiviso basta il mono. Whisper converte comunque lo stereo in mono. Se entrambi i canali contengono la stessa voce, lo stereo raddoppia solo le dimensioni. Conviene conservarlo quando ogni canale contiene una persona diversa, come con molti registratori di chiamate o un microfono a clip per canale. In quel caso Google consiglia di inviare i canali separatamente. Un audio già mixato va inviato così com'è.
Registrazioni multitraccia
Gli strumenti per podcast e interviste a distanza spesso registrano ogni persona su una traccia separata. Puoi esportare un mix e attivare le etichette dei parlanti, che è la soluzione più semplice. Oppure puoi trascrivere ogni traccia e unire i testi in base ai tempi. Ottieni audio più pulito, ma devi unire i testi a mano.
Formati e impostazioni per ogni situazione
Spesso hai già il file. In genere puoi caricarlo direttamente.
| Situazione | Come registrare se puoi scegliere | Se hai già il file | Prima di caricarlo | Cosa controllare |
|---|---|---|---|---|
| Intervista di persona | WAV o FLAC, mono per microfono, 44,1 o 48 kHz | M4A o MP3 dal telefono | Annota nomi e termini | L'ospite ha un volume più basso di chi intervista |
| Intervista o podcast a distanza, per traccia | Una traccia senza perdita per ogni persona | WAV separati e un MP3 mixato | Scegli tra il mix e le tracce separate | Voci sovrapposte nel mix |
| Registrazione di una riunione (Zoom, Teams, Meet) | Opzione solo audio della piattaforma, se disponibile | MP4 o M4A | Estrai l'audio solo se il video è molto grande | Un solo microfono del portatile per tutta la stanza |
| Memo vocale sul telefono | Impostazione predefinita dell'app | .m4a | Esporta l'originale | Telefono in tasca durante la registrazione |
| Episodio di podcast pubblicato | Non applicabile | MP3 della pubblicazione | Usa il WAV o FLAC precedente alla pubblicazione, se lo hai | Introduzioni con musica. Imposta la lingua |
| Lezione o seminario | Mono a 16 bit, microfono vicino a chi parla | MP3 lungo o video | Verifica il limite di 10 ore | Domande del pubblico fuori microfono |
| Registrazione telefonica | Impostazione predefinita del registratore | AMR, M4A o WAV a 8 kHz | Mantieni la frequenza di campionamento originale | Regole sul consenso. Evita di aumentare la frequenza |
Registrare le chiamate richiede attenzione al consenso. Le guide su come registrare una chiamata e sulle leggi statunitensi sulla registrazione delle chiamate coprono l'argomento. Queste sono informazioni generali, non una consulenza legale.
Come convertire l'audio per la trascrizione con FFmpeg
Converti se il file è troppo grande, vuoi caricare solo l'audio di un video, lo strumento rifiuta il codec o ti servono file separati per i parlanti. La conversione da sola non migliora la qualità.
Abbiamo eseguito tutti i comandi con FFmpeg 7.1.5 su una registrazione di parlato di pubblico dominio di 11 secondi e su un breve video di prova ricavato da quella registrazione. Abbiamo verificato che i comandi terminassero e che ffprobe mostrasse codec, frequenza e canali attesi. Documentazione di FFmpeg
1. Da qualsiasi file a WAV mono a 16 kHz e 16 bit (lo stesso formato usato internamente da Whisper).
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a pcm_s16le interview_16k.wav
2. Da qualsiasi file a FLAC mono a 16 kHz (senza perdita e di solito più piccolo del WAV).
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a flac interview_16k.flac
3. Da video a MP3 mono compatto (aggiunge un passaggio con perdita. Usalo quando conta soprattutto la dimensione).
ffmpeg -i meeting.mp4 -vn -ac 1 -ar 16000 -c:a libmp3lame -b:a 64k meeting_16k.mp3
4. Estrarre l'audio da un video senza ricodifica (funziona con audio AAC, comune negli MP4).
ffmpeg -i meeting.mp4 -vn -c:a copy meeting_audio.m4a
5. Dividere una registrazione a due canali in un file per parlante (usa il filtro channelsplit).
ffmpeg -i call.m4a -filter_complex "channelsplit=channel_layout=stereo[L][R]" -map "[L]" left.wav -map "[R]" right.wav
| Opzione | Cosa fa |
|---|---|
-ac 1 |
Mixa l'audio in un solo canale |
-ar 16000 |
Imposta la frequenza di uscita a 16.000 Hz |
-c:a pcm_s16le |
Scrive PCM non compresso a 16 bit (WAV standard) |
-vn |
Rimuove la traccia video |
-c:a copy |
Copia l'audio così com'è, senza modifiche alla qualità |
-b:a 64k |
Imposta il bitrate della compressione con perdita |
Se l'audio del video è già in AAC, preferisci il comando 4 al 3 perché conserva la qualità originale. Per l'audio telefonico a 8 kHz, ometti -ar 16000 per mantenere la frequenza.
Preferisci il browser? Il convertitore da audio e video a MP3 di whispertranscribe.ai estrae la traccia da MP4, MOV, MKV, WEBM o AVI nel browser. La pagina indica che usa WebAssembly e che i file vengono elaborati nel browser senza essere caricati.
Come restare entro 5 GB e 10 ore
- File troppo grande ma sotto le 10 ore. In genere è un video o un WAV ad alta risoluzione. Estrai l'audio (comando 4 o convertitore nel browser) o converti WAV in FLAC (comando 2).
- Più di 10 ore. La pagina di caricamento indica che al momento elabora solo file fino a 10 ore e chiede di accorciarli a 10 ore o meno. Dividi il file. Il comando senza ricodifica nella guida da MP3 a testo funziona anche per WAV. Lo abbiamo verificato su un file di prova. Controlla i punti di raccordo quando unisci il testo.
- Connessione lenta. Un'ora di MP3 a 64 kbps occupa circa 28,8 MB, contro 635 MB per un WAV stereo in qualità CD. Conserva l'originale senza perdita come archivio.
Come risolvere i problemi con i formati audio
| Problema | Causa probabile | Cosa provare |
|---|---|---|
| «No audio detected. The file may be corrupted. Please check the file and try again.» (messaggio delle nostre pagine di caricamento) | File danneggiato, video esportato senza suono o traccia audio vuota | Riproduci il file in locale. Esegui il controllo con ffprobe indicato sopra (nessun risultato indica che manca una traccia audio) e riesporta dall'app originale |
| Caricamento rifiutato perché troppo lungo | File sopra le 10 ore | Dividi in parti di 10 ore o meno |
| File troppo grande | Video o WAV multicanale ad alta risoluzione | Estrai l'audio o converti WAV in FLAC |
| Un WAV sopra 4 GB non si apre o non si carica | Limite del WAV classico | Riesporta in RF64 o FLAC oppure dividi il file |
| Un parlante è molto più debole dell'altro | Ogni persona è su un canale separato, registrato a un livello diverso | Separa i canali (comando 5) e trascrivi ciascun file |
| Picchi distorti e crepitii | Saturazione durante la registrazione | I picchi non si recuperano. Riduci il guadagno di ingresso la prossima volta |
| Audio telefonico ancora poco chiaro dopo la conversione a 48 kHz | Aumentare la frequenza non aggiunge informazioni | Carica l'originale e prova Noise / Low-Quality Audio/Video per la lingua, se disponibile |
Quando usare whispertranscribe.ai
whispertranscribe.ai è uno strumento di trascrizione per browser che usa i modelli Whisper di OpenAI. Non offre app, API o revisione umana. Il convertitore gratuito da audio a testo e le altre pagine di caricamento elencano MP3, WAV, M4A, AAC, FLAC, OGG, OPUS, AMR, AIFF, ALAC, CAF, MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG e MPEG.
- Limiti. File fino a 5 GB e 10 ore.
- Lingue. Oltre 130, con opzioni Noise / Low-Quality Audio/Video per molte.
- Precisione. Fino al 99% con audio chiaro. Rumore, distanza, accenti e voci sovrapposte la riducono.
- Parlanti. Attiva Speaker Detection prima di trascrivere.
- Esportazioni. DOCX, PDF, TXT, CSV, SRT e VTT.
- Privacy. L'informativa sulla privacy indica che i file originali vengono eliminati dopo l'elaborazione e gli MP3 estratti si conservano per 30 giorni per impostazione predefinita.
Per registrazioni specifiche consulta le pagine per file MP3, memo vocali, chiamate, interviste e lezioni e seminari. Prova un file dalla pagina gratuita senza account, dove trovi i limiti. I piani a pagamento partono da 9,99 USD al mese con fatturazione annuale (prezzi). Per le altre opzioni, apri la pagina delle funzionalità.
Domande frequenti
Qual è il formato audio migliore per trascrivere?
Se puoi scegliere come registrare, usa WAV o FLAC, idealmente in mono a 16 kHz o più e 16 bit. Se hai già un file compresso come MP3, M4A o Opus, caricalo così com'è. La qualità della registrazione, con un microfono vicino, poco rumore e senza saturazione, di solito conta più del formato.
WAV è migliore di MP3 per la trascrizione?
Un WAV registrato dalla fonte conserva più dettagli di un MP3. Google riferisce che i codec con perdita come MP3 possono ridurre la precisione del riconoscimento. Il divario è spesso piccolo con parlato chiaro e cresce nell'audio rumoroso. Salvare in WAV un MP3 esistente non lo migliora, perché i dettagli sono già stati persi. Registra in WAV o FLAC se puoi e carica gli MP3 originali.
Che frequenza di campionamento devo usare per trascrivere?
Usa 16 kHz o più. Google raccomanda almeno 16.000 Hz per il riconoscimento vocale e Whisper di OpenAI converte tutto l'audio a 16 kHz in mono prima di elaborarlo. Registrare a 44,1 o 48 kHz è normale e va bene. Mantieni la frequenza originale per i file già esistenti. Una registrazione telefonica a 8 kHz va caricata a 8 kHz, perché aumentarli aggiunge dimensione senza informazioni sul parlato.
Conviene registrare in mono o stereo per la trascrizione?
Registra in mono quando tutti usano lo stesso microfono. Whisper converte lo stereo in mono, quindi una copia stereo della stessa voce raddoppia solo le dimensioni. Mantieni stereo o più tracce se ogni parlante ha un canale, come con alcuni registratori di chiamate o un microfono per ospite. Google raccomanda di trascrivere separatamente i canali distinti. Puoi dividerli con FFmpeg.
Quanto occupa un minuto di WAV?
Dipende dalle impostazioni. Moltiplica la frequenza per il numero di byte a campione e per i canali per ottenere i byte al secondo. In WAV mono a 16 kHz e 16 bit, 16.000 × 2 × 1 = 32.000 byte al secondo, circa 1,92 MB al minuto o 115,2 MB all'ora. A 44,1 kHz e 16 bit in stereo, come un CD, sono circa 10,58 MB al minuto o 635 MB all'ora.
Posso caricare il video senza estrarre l'audio?
Sì. Lo strumento di trascrizione legge la traccia audio. Un MP4, MOV, MKV o WEBM dà la stessa trascrizione della traccia estratta. Il video aumenta solo la dimensione del caricamento. Estrai l'audio se il file è vicino al limite o la connessione è lenta. Per esempio, -vn -c:a copy di FFmpeg conserva la qualità audio originale. Su whispertranscribe.ai puoi caricare direttamente il video ed esportare in DOCX, TXT, SRT o VTT.
Hai già una registrazione? Caricala così com'è nel convertitore gratuito da audio a testo di whispertranscribe.ai. Scegli tra oltre 130 lingue, attiva Speaker Detection e scarica DOCX, TXT, SRT o VTT. Puoi caricare file fino a 5 GB e 10 ore.
Fonti
- Google Cloud, buone pratiche per fornire dati vocali a Speech-to-Text
- Google Cloud, ottimizzare i file audio per Speech-to-Text
- OpenAI, whisper/audio.py nel repository GitHub di Whisper
- FFmpeg, documentazione della riga di comando e filtro channelsplit
- Library of Congress, formato audio WAVE (fdd000001)
- Library of Congress, codec Adaptive Multi-Rate (AMR, fdd000254)
