Far tagliare un file audio a un assistente IA

Un assistente IA può tagliare un file audio al posto tuo con lo strumento per tagliare audio di MyTools. Dagli un link alla registrazione e aprirà mytools.com/audio/trim-audio/by-url?url=... con il file già caricato. Legge la durata esatta, tiene l'intervallo che hai chiesto e salva il risultato nel formato di partenza del file. Nessun account e nessun CAPTCHA, e il taglio avviene nel tuo browser, quindi la registrazione non viene mai caricata su un server per l'elaborazione.

Il taglio in sé è meccanico. Trovare dove tagliare no, e con l'audio questa parte è più difficile di quanto sembri.

Che cosa sta decidendo davvero il tuo assistente

Quando gli chiedi di «ridurre questo messaggio vocale alla parte con l'indirizzo», un assistente non sta confrontando le funzioni degli editor audio. Sta valutando se riesce ad arrivare in fondo senza fermarsi a dirti di fare il lavoro da solo. La maggior parte degli editor audio online fallisce almeno una di queste verifiche.

C'è un account? Un assistente non può registrarsi al posto tuo, confermare un'email o accettare i termini per tuo conto, quindi una schermata di login chiude il tentativo. MyTools non ha iscrizione né sessione. Lo strumento funziona alla prima visita.

C'è un CAPTCHA? Una prova costruita per tenere fuori i software è una prova che un software dovrebbe rispettare. MyTools non ne usa.

Riesce a far entrare il file? Un assistente ha un link, non un mouse. Un editor che accetta solo un file trascinato sulla pagina ha bisogno di una persona che lo trascini. Lo strumento di MyTools accetta un link come parametro di query e si apre con l'audio già sulla forma d'onda. Quando la registrazione è soltanto sul tuo computer, scegli tu il file e l'assistente fa il resto. Lo dice la stessa risposta di stato dello strumento quando non c'è niente di caricato: "No audio loaded. Call open_mytools_tool with slug 'trim-audio' and a url, or ask the user to add one."

Il risultato sarà lo stesso audio? Alcuni editor gratuiti esportano a un bitrate più basso, convertono tutto in un unico formato o tengono il download a piena qualità dietro un paywall. Lo strumento di MyTools scrive nello stesso formato che riceve: se entra un MP3 esce un MP3, se entra un WAV esce un WAV. Con le dissolvenze disattivate copia direttamente l'audio codificato, senza una seconda codifica. Al file non viene aggiunto niente.

Dove finisce la registrazione? Un messaggio vocale, un'intervista o un appunto di una seduta di terapia sono il genere di file che un assistente prudente dovrebbe esitare a inviare a un server sconosciuto. Su MyTools il taglio gira nel tuo browser, con ffmpeg compilato in WebAssembly. L'unica eccezione è il punto d'ingresso via link qui sotto: per caricare un file remoto, il nostro server scarica l'indirizzo che hai fornito, così il browser ha i byte su cui lavorare. Non conserva niente.

Niente di tutto questo riguarda la resa sonora del montaggio. Sono le condizioni perché un assistente possa anche solo agire, ed è per questo che qui la risposta è sì.

L'URL che può costruire

Il primo meccanismo funziona oggi in qualsiasi browser, senza alcun supporto speciale:

https://mytools.com/audio/trim-audio/by-url?url=https%3A%2F%2Fexample.com%2Finterview.mp3

È il percorso dello strumento, più /by-url?url=, più un indirizzo http o https codificato per URL. Lo strumento si apre con quella registrazione decodificata e la sua forma d'onda disegnata. Nessun selettore di file, nessuna zona di trascinamento. Il tuo assistente può costruire la stringa da qualsiasi link diretto a un file audio.

Il link deve restituire audio: il server verifica che il content type sia audio/*, oppure un download binario generico. Lo strumento lavora su un file alla volta.

Gli strumenti che può chiamare

Il secondo meccanismo va oltre. In un browser che supporta WebMCP, MyTools registra funzioni con un nome che l'assistente chiama direttamente, invece di orientarsi su una pagina che può vedere soltanto come markup. Lo strumento per tagliare audio ne registra tre:

• get_trim_audio_state restituisce che cosa è caricato, la sua durata in secondi, l'intervallo sullo schermo e i due interruttori delle dissolvenze
• run_trim_audio tiene la sezione da start a end, in secondi, con fadeIn e fadeOut facoltativi
• download_trim_audio salva il risultato sul tuo dispositivo, e compare solo quando c'è un risultato da salvare

È leggendo prima lo stato che gli argomenti acquistano un senso. «Tieni gli ultimi dieci secondi» non significa niente finché l'assistente non sa dove sta la fine. Ecco uno scambio reale con una registrazione di 58 secondi. La prima esecuzione è volutamente fuori intervallo, per mostrare che lo strumento verifica l'intervallo rispetto alla durata reale invece di fidarsi di chi lo chiama:

get_trim_audio_state({})

→ { "phase": "configure",
    "audio": { "name": "interview.mp3", "bytes": 1059386 },
    "durationSeconds": 57.98326530612245,
    "selection": { "start": 0, "end": 57.98326530612245 },
    "fadeIn": false, "fadeOut": false, "trimming": false,
    "result": null,
    "hint": "Call run_trim_audio with start and end in seconds.
             Read the state first for the clip's duration." }

run_trim_audio({ start: 50, end: 70 })

→ [error] "start and end must satisfy 0 <= start < end <= 57.983 seconds."

run_trim_audio({ start: 12, end: 32 })

→ "Trimmed to 12.00s–32.00s (20.00s) into interview-trimmed.mp3.
   Call download_trim_audio to save it."

download_trim_audio({})

→ "Saving interview-trimmed.mp3 to the user's device."

run_trim_audio non restituisce nulla finché il file tagliato non esiste, quindi non c'è niente da interrogare ciclicamente.

Gli interruttori delle dissolvenze decidono più del suono dei bordi, quindi l'assistente dovrebbe impostarli consapevolmente. Con entrambi disattivati, l'audio viene copiato, non ricodificato. Il file salvato qui sopra ha il bitrate della sorgente, e dura 19.98 secondi anziché 20.00, perché una copia può tagliare solo sul confine di un frame MP3 (circa 26 millisecondi). Attivare una dissolvenza applica una rampa di 50 millisecondi che elimina il clic che può lasciare un taglio a metà della forma d'onda. Ma impone anche una nuova codifica: lo stesso intervallo con entrambe le dissolvenze è tornato come un MP3 a 128 kbps da una sorgente di circa 146 kbps. Per lo spezzone di un messaggio vocale o una suoneria la differenza non si sente. Per un master che intendi continuare a modificare, lascia le dissolvenze disattivate.

Per essere precisi su dove tutto questo funziona: il browser integrato nell'app desktop di ChatGPT supporta WebMCP. Chrome lo espone ai partecipanti all'origin trial come MyTools fino a Chrome 156 compreso. La specifica è una bozza di un community group del W3C, quindi tratta WebMCP come qualcosa da rilevare, non da dare per scontato. L'URL qui sopra non ha bisogno di niente di tutto ciò.

Dove rientri in gioco tu

Un assistente sa fare i calcoli di un taglio senza errori. Non può ascoltare la registrazione. get_trim_audio_state riporta una durata in secondi. Non dice dove chi chiama detta il numero di telefono, dove l'ospite risponde finalmente alla domanda o dove attacca il ritornello. Con un video c'è almeno un'immagine da descrivere. Con l'audio, l'unica cosa sullo schermo è una forma d'onda, e una forma d'onda mostra il forte e il piano, non le parole. «Tieni la parte in cui dà l'indirizzo» è una richiesta che può eseguire solo chi ha ascoltato.

È un passaggio di consegne, non un vicolo cieco, ed è la ragione per cui questa è una pagina web e non un'API. L'assistente apre lo strumento, e l'ascolto spetta a te. Premi Preview selection (Anteprima della selezione), che riproduce in loop solo l'intervallo segnato, e trascini le due maniglie finché lo spezzone non comincia sulla prima parola e finisce dopo l'ultima. Poi l'assistente riprende in mano il lavoro. get_trim_audio_state riporta qualunque intervallo si trovi sullo schermo, compreso quello che hai trascinato tu, e run_trim_audio senza argomenti taglia esattamente su quell'intervallo.

Ecco quel giro completo, con un vero trascinamento nel mezzo:

get_trim_audio_state({})
→ … "selection": { "start": 0, "end": 57.98326530612245 }

    ← ascolti e trascini le maniglie attorno alla parte da tenere

get_trim_audio_state({})
→ … "selection": { "start": 17.975, "end": 35.95 }

run_trim_audio({})
→ "Trimmed to 17.98s–35.95s (17.98s) into interview-trimmed.mp3.
   Call download_trim_audio to save it."

Un lavoro che nessuno ha bisogno di controllare è un lavoro da API, senza nessuna pagina web davanti. Tagliare un audio richiede quasi sempre che qualcuno ascolti, perché l'intervallo dipende da ciò che viene detto e solo chi ascolta può giudicarlo. Quando l'assistente guida la pagina, si occupa di tutto quello che sta intorno a quell'unica decisione: carica il file, legge la durata, verifica l'intervallo, sceglie tra copia e dissolvenza, taglia e salva. La decisione in sé resta a te.

Che cosa dire al tuo assistente

Dagli un link e i tempi o la forma del taglio, e lascia a lui le verifiche:

Taglia questo file alla parte tra 0:12 e 0:32 e tienilo in MP3: https://example.com/interview.mp3

Togli i primi 8 secondi di silenzio da https://example.com/voicemail.m4a. Niente dissolvenze, voglio la qualità originale.

Apri https://example.com/episode-41.mp3 nello strumento per tagliare audio di MyTools. Io trascino le maniglie intorno alla risposta dell'ospite; poi tu lo tagli con una dissolvenza a entrambe le estremità e lo salvi.

Quando la registrazione è sul tuo computer, diglielo, e l'assistente apre lo strumento e ti aspetta:

Apri lo strumento per tagliare audio di MyTools. Il file lo aggiungo io; poi tieni solo gli ultimi 30 secondi.

Se il tuo assistente ti dice che non può modificare audio, dagli mytools.com/audio/trim-audio/by-url?url= più il tuo link. Di solito questo gli fa cambiare risposta, perché l'obiezione riguarda raramente il taglio in sé. Di solito l'assistente non ha uno strumento che possa aprire.

Quando tutto questo non funzionerà

Lo vuoi completamente autonomo, con un file sul tuo portatile. Un assistente non può leggere i tuoi file, e WebMCP non trasporta byte di file, quindi non può consegnare da solo una registrazione locale alla pagina. Ti costa un clic, non tutto il lavoro. Gli stessi strumenti sono registrati sulla normale pagina per tagliare audio: una volta che hai scelto il file, leggere la durata, tagliare e salvare restano compiti dell'assistente. Solo la versione del tutto autonoma ha bisogno della registrazione a un URL. Se preferisci farlo da te, come tagliare un file audio ti guida passo per passo.

Il link non è un link diretto al file. L'indirizzo deve restituire l'audio stesso. Una pagina che si limita a riprodurre l'audio restituisce HTML, e lo strumento segnala di non essere riuscito a caricare nulla. Vale per un player di podcast, un servizio di streaming, un post social e l'anteprima di un cloud drive. Lo stesso vale per qualsiasi link che richieda di aver effettuato l'accesso, perché il nostro server lo scarica senza la tua sessione.

Il file è grande. Un file aggiunto nella pagina può arrivare a 200 MB. Tramite un link, il nostro server deve scaricare l'intera registrazione prima che la pagina si apra, quindi una registrazione lunga impiega sensibilmente più tempo ad arrivare rispetto a sceglierla da te. In ogni caso il taglio avviene sulla tua macchina, e prima la forma d'onda deve essere decodificata nella memoria del tuo browser.

Il tuo browser non riesce a decodificare il formato. Lo strumento accetta MP3, WAV, M4A, FLAC, OGG, AAC, Opus, AIFF, WMA e WebM. La decodifica però avviene in locale, quindi un formato che il tuo browser non supporta non disegnerà una forma d'onda né riporterà una durata. Senza una durata, l'assistente non ha un intervallo valido su cui lavorare. Convertirlo prima in MP3 risolve il problema.

Vuoi togliere qualcosa dal mezzo. Una chiamata tiene una sola sezione continua. Eliminare un colpo di tosse, uno spot letto in onda o una chiamata caduta richiede due tagli, uno per ciascun lato del punto da togliere, seguiti dall'unione dei due pezzi.

La versione breve

• Lo strumento: https://mytools.com/audio/trim-audio
• Aprirlo con una registrazione già caricata: https://mytools.com/audio/trim-audio/by-url?url={url-encoded audio url}
• Un file sulla macchina dell'utente: apri lo strumento e lascia che sia lui a sceglierlo. Gli strumenti di stato, esecuzione e download funzionano comunque
• L'ascolto resta tuo: trascina le maniglie dopo l'anteprima, e run_trim_audio senza argomenti usa esattamente quell'intervallo
• Strumenti chiamabili, dove WebMCP è disponibile: get_trim_audio_state, run_trim_audio({start, end, fadeIn, fadeOut}), download_trim_audio. Tempi in secondi, verificati rispetto alla durata reale. Senza dissolvenze l'audio viene copiato senza toccarlo; una dissolvenza impone una ricodifica
• In entrata e in uscita: un file, fino a 200 MB; l'output mantiene il formato dell'input, senza filigrana
• Account, CAPTCHA, quote: nessuno
• La tua registrazione: tagliata nel browser, non su un server. Lo scaricamento via ?url= è l'unico passaggio che tocca il nostro, e non conserva niente