Mercoledì sera, quasi mezzanotte. Marco mi manda un vocale di otto secondi. Una voce femminile legge una descrizione prodotto, tono rilassato, si sente persino un respiro leggero a metà frase. Poi scrive: «Ma questa è una persona vera, sì?»

No. L'ho generata con la clonazione vocale gratuita in meno di due minuti.

Silenzio per tre secondi. Poi la domanda che non mi aspettavo: «E quando esporti, scegli MP3 o WAV?»

...Onestamente, questa è più difficile di «sembra vera o no?».

Come siamo finiti a parlare di formati

Marco gestisce schede prodotto per un e-commerce. Ultimamente sta registrando audio descrittivi per un catalogo. Prima pagava un doppiatore esterno: 80 euro per 30 secondi, 30 euro ogni modifica. Poi gli ho mostrato come funziona un generatore di voce gratuito online — niente software da installare, niente account, incolli il testo e la voce esce. Ha controllato tre volte: «Ma è davvero gratis per sempre?»

Capisco lo stupore. In questi anni ho provato almeno sette o otto strumenti che promettevano clonazione vocale gratuita e poi ti bloccavano dopo tre esportazioni, o ti mettevano un watermark. La voce sintetica senza registrazione e senza limiti di utilizzo? Non è così comune.

Ma quando ti metti a lavorare davvero, i problemi arrivano. Lui aveva scritto il testo nella pagina di testo a voce gratuito, clicca esporta, vede due opzioni di formato e si blocca. Quanti cercano «text to speech italiano gratis», trovano dieci siti, perdono mezz'ora a confrontare le voci, e poi all'ultimo passaggio scelgono il formato a caso rovinando tutto il lavoro fatto prima?

MP3 e WAV: la differenza non è «suona meglio o peggio»

Prima sfatiamo un mito.

WAV non significa «qualità superiore». Significa «nessuna compressione». MP3 non significa «qualità scarsa». Significa «compressione con perdita, ma fatta bene». Il rapporto è simile a quello tra RAW e JPEG in fotografia — non è questione di meglio o peggio, è questione di uso.

Il WAV conserva i dati di campionamento originali, e i file sono enormi. Un minuto a 44,1 kHz / 16 bit pesa circa 10 MB. Lo stesso minuto in MP3 a 128 kbps sta in 1 MB, a 320 kbps arriva a 2,4 MB.

Cosa ci compri con quel peso in più? La possibilità di modificare. Se devi passare in un editor per ridurre il rumore, cambiare velocità, mixare, tagliare e ricucire, il WAV regge il colpo. L'MP3 perde un pezzo a ogni esportazione — dopo tre passaggi in editing, le sibilanti iniziano a graffiare.

Al contrario: se l'audio finisce direttamente in un Reel, in una storia Instagram, in un player web — quei 10 MB di WAV sono solo uno spreco. La piattaforma ricomprime comunque, hai faticato per niente.

Come scelgo io, dopo qualche anno di errori

Dopo un po' di progetti, ormai è un riflesso condizionato:

  • Se l'audio deve passare in un editor: WAV, sempre
  • Se devo consegnarlo, mandarlo in chat, caricarlo su una piattaforma: MP3 320 kbps
  • Se sono incerto: esporto WAV, lo tengo da parte, e converto in MP3 quando serve

Il terzo punto l'ho aggiunto dopo una figuraccia. Avevo consegnato un MP3 a un cliente, lui mi chiede «puoi abbassare la musica di sottofondo?», io riapro l'MP3, taglio, esporto — e la voce esce ovattata, spenta. Ho dovuto rigenerare tutto da zero.

A proposito di generazione: con la clonazione vocale IA online, la mossa più furba è «genera una volta, salva in entrambi i formati». Tanto con la sintesi vocale gratuita senza limiti, rifare il processo richiede trenta secondi. Non ha senso rischiare per risparmiare due megabyte.

E se volete collegare la voce al vostro software per elaborazioni in batch, ancora di più: tenete il master lossless. VoxClone mette a disposizione anche un'API di sintesi vocale gratuita — l'audio restituito si salva direttamente in WAV, e poi ci fate quello che volete. Prevenire è meglio che curare, sempre.

Le domande che mi fanno sempre

L'MP3 suona più «artificiale»?

No. O meglio: il formato non è il fattore decisivo. Una voce sembra finta quando la punteggiatura del testo è sbagliata, o quando il timbro non c'entra nulla con il contenuto — tipo una voce da telegiornale che legge un copy ironico. Che sia doppiaggio IA gratuito o sintesi vocale gratuita, la naturalezza ha superato da un pezzo la fase «si capisce subito che è finta». Con le soluzioni di clonazione della propria voce, il campione di partenza è già pulito. La differenza di formato, in cuffia o dallo speaker del telefono, non la senti.

Per i video brevi, il WAV è troppo pesante da caricare?

Sì. TikTok, Reels, YouTube Shorts hanno limiti impliciti di dimensione, e comunque transcodificano tutto. Carichi un WAV, la piattaforma lo comprime in AAC. Quindi per i social: MP3 diretto, senza pensarci troppo.

Posso modificare il file dopo l'esportazione?

L'MP3 si può modificare, ma perde qualità a ogni passaggio. Se devi solo tagliare il silenzio iniziale e finale, va bene. Se devi cambiare velocità, tonalità, ridurre rumore — meglio tornare sulla pagina di clonazione vocale e rigenerare in WAV. Il bello della voce clonata online senza registrazione è proprio questo: il costo è così basso che puoi permetterti di rifare.

Un'ultima cosa

Tornando al messaggio di Marco. Il mio consiglio è stato: esporta tutto in WAV come archivio, poi converti in MP3 320 kbps per la consegna. Lui non era convinto: «Ma si sente la differenza?» Gli ho detto di no, non si sente. Ma tra tre mesi, quando dovrai riscrivere il copy e rigenerare l'audio, capirai perché conta.

Se anche voi siete bloccati su questa scelta, non fissate lo schermo. Prendete un testo di trenta secondi, usate il convertire testo in audio gratis per generarlo due volte — una in MP3, una in WAV — ascoltatelo in cuffia, poi trascinatelo in un editor e tagliate. Cinque minuti, e avete capito più che leggendo dieci tutorial.

Se volete altri trucchi, date un'occhiata alle guide aggiuntive: alcune le ho scritte proprio dopo esserci caduto dentro con tutte le scarpe.