Scarica un messaggio vocale di WhatsApp e ottieni un piccolo file .ogg. Dentro c’è audio Opus, un codec progettato per le chiamate vocali.
Come funziona
Ci sono due livelli, ognuno definito da una RFC dell’IETF:
| Livello | Specifica | Cosa fa |
|---|---|---|
| Codec Opus | RFC 6716 | Comprime l’audio. Combina un livello a predizione lineare basato su SILK con un livello MDCT basato su CELT, e va da 6 kbit/s per il parlato narrowband fino a 510 kbit/s per la musica stereo |
| Container Ogg | RFC 7845 | Racchiude i pacchetti Opus in un file, che inizia con un header di identificazione OpusHead |
La RFC 6716 elenca cinque larghezze di banda, dalla narrowband (frequenza di campionamento di 8 kHz) alla fullband (48 kHz). La RFC 7845 dice che le granule position contano sempre i campioni a 48 kHz, qualunque sia la frequenza di uscita del decoder. Raccomanda l’estensione .opus e il media type audio/ogg, facoltativamente audio/ogg; codecs=opus.
Il riferimento media della WhatsApp Cloud API di Meta elenca l’audio OGG come audio/ogg con “Opus codec only” (traduzione: solo codec Opus), mono, fino a 16 MB.
Perché è importante
- Molte API non lo accettano. Un endpoint speech-to-text che accetta solo WAV o MP3 rifiuta un vocale finché non lo converti.
- Convertire costa poco. Un solo comando ffmpeg decodifica Opus in PCM. Il risultato è molto più grande del vocale, quindi tieni d’occhio i limiti di dimensione dei file.
- Confusione di nomi. “Opus” è anche il nome di un modello presso altri provider. In ambito audio indica il codec.
Su BroadNet Inference
L’endpoint di trascrizione di BroadNet accetta solo WAV (audio/wav) o MP3 (audio/mpeg), fino a 26.214.400 byte per file. La sua documentazione converte un vocale di WhatsApp in un solo passaggio:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
Secondo la documentazione di ffmpeg, -ar imposta la frequenza di campionamento dell’audio e -ac il numero di canali, quindi questo comando scrive un WAV mono a 16 kHz. Poi invialo con language=ar (o en) a BroadNet Transcribe Arabic o a BroadNet Transcribe. La guida ai messaggi vocali di WhatsApp ha uno script che converte e trascrive un’intera cartella, e la guida n8n fa lo stesso dentro un workflow. Per un vocale troppo lungo per un solo file, lo splitter audio calcola i segmenti.
Errori comuni
- Rinominare invece di convertire. Cambiare
.oggin.wavnon cambia l’audio contenuto. Decodifica con ffmpeg. - Saltare
-ac 1. Lo stereo raddoppia la dimensione del WAV senza aiutare la trascrizione.