Audacity: analisi tecnica di “Occhi sul Molo”

Audacity può diventare un vero laboratorio di analisi: non soltanto per vedere la forma d’onda, ma per misurare picco, RMS, fattore di cresta e spettro, confrontando ciò che ascoltiamo con ciò che mostrano i numeri.

In questa guida lavoreremo su “Occhi sul Molo”, un brano originale generato con Suno e successivamente sottoposto a una verifica riproducibile. La procedura principale è pensata per Audacity su Windows; gli strumenti da terminale vengono usati soltanto come controllo indipendente.

Ascolta prima di analizzare

Prima di osservare grafici e valori, ascolta il brano dall’inizio alla fine. Prova a individuare i momenti in cui la tessitura diventa più piena, le eventuali ripetizioni e il grande cambio che precede la parte conclusiva.

Preparare il progetto in Audacity

1. Crea una copia del file WAV.
2. Avvia Audacity e scegli File → Importa → Audio.
3. Controlla che la traccia sia stereo, a 48.000 Hz e lunga 4 minuti e 44,4 secondi.
4. Non applicare effetti prima della prima serie di misure.

Leggere il valore proposto da “Amplifica”

Una delle procedure più utili dell’articolo originale consisteva nell’aprire Effetti → Volume e compressione → Amplifica senza applicare l’effetto. Audacity calcola automaticamente il guadagno che porterebbe il sample peak della selezione al livello di destinazione. Quel numero permette quindi di ricavare il picco già presente nel file.

Se Audacity propone +4,365 dB per arrivare a 0 dBFS, significa che il picco attuale si trova a circa −4,365 dBFS. Nel nostro WAV il canale destro contiene proprio il campione più alto e determina il valore globale.

Che cosa significa dBFS?

dBFS sta per decibel Full Scale: è una misura relativa al massimo rappresentabile in digitale, non un livello sonoro assoluto. Lo zero non è il silenzio, è il tetto: 0 dBFS corrisponde al campione più grande che il formato può contenere, e per questo tutti gli altri valori sono negativi.

Attenzione a una confusione frequente: −6 dBFS dimezza l’ampiezza del segnale, non il volume percepito. Quanto forte suonerà dipende dal livello di riproduzione, non dal numero scritto nel file.

Nel nostro WAV il campione più alto sta a −4,365 dBFS: significa che resta poco più di 4 dB di margine prima del fondo scala, non che il brano sia “basso”.

Offset DC e normalizzazione dei canali stereo

Quando si apre Effetti → Volume e compressione → Normalizza, oltre al livello di destinazione compaiono due caselle che conviene non spuntare per abitudine, perché cambiano il file in modi diversi fra loro.

Un offset DC è uno spostamento medio della forma d’onda rispetto allo zero: invece di oscillare intorno alla linea centrale, l’intera traccia risulta traslata verso l’alto o verso il basso. Di solito nasce nella catena di acquisizione — scheda audio, preamplificatore, microfono — e non si sente: non è un suono, è una componente continua. Consuma però margine verso il fondo scala, perché avvicina al limite una delle due polarità più dell’altra, e può influenzare ciò che viene dopo, dalla normalizzazione alla compressione.

La normalizzazione indipendente dei canali fa una cosa completamente diversa: porta separatamente sinistro e destro al proprio massimo. Se i due canali avevano livelli diversi — e in un mix è quasi sempre così — quella differenza sparisce, e con essa parte dell’immagine stereo voluta da chi ha mixato.

Nel nostro WAV l’offset DC misurato con astats è di 0,000139 sul canale sinistro e 0,000248 sul destro, cioè circa −77 e −72 dBFS: valori trascurabili, corrispondenti a poche unità di quantizzazione su 16 bit. La casella resta quindi deselezionata, e la misura viene fatta sul file così com’è.

Picco, RMS e fattore di cresta

Il sample peak descrive il campione di ampiezza maggiore. Il valore RMS rappresenta il livello efficace medio della selezione. Il fattore di cresta misura la distanza fra i due:

Fattore di cresta (dB) = Sample peak (dBFS) − RMS (dBFS)

Come calcolarlo con Audacity

1. Seleziona il tratto da misurare; per l’intero file usa Ctrl+A.
2. Apri Amplifica e annota il guadagno proposto per arrivare a 0 dBFS. Il sample peak attuale è l’opposto di quel valore.
3. Annulla la finestra senza applicare l’effetto.
4. Avvia Analizza → Measure RMS e annota il valore della stessa selezione.
5. Sottrai l’RMS dal sample peak, mantenendo i segni. Per esempio: −4,365 − (−17,521) = 13,156 dB.

La durata e i confini devono essere identici per le due misure. Se il picco appartiene a un intervallo e l’RMS a un altro, il fattore di cresta ottenuto non descrive nessuna sezione reale.

Il valore globale è utile, ma non racconta come cambia il brano. Per questo motivo l’analisi più interessante viene effettuata a spezzoni.

Misurare l’RMS a spezzoni con Audacity

1. Imposta l’inizio e la fine nella barra Selezione.
2. Seleziona una finestra di 15 secondi.
3. Vai su Analizza → Measure RMS.
4. Annota Left, Right e Stereo.
5. Ripeti mantenendo identica la durata.

Audacity mostra per il segmento 135–150 secondi un RMS stereo di −17,7051 dB. Il calcolo indipendente produce −17,7050 dBFS: la differenza è soltanto l’arrotondamento dell’interfaccia.

Come scegliere durata e posizione degli spezzoni

La forma d’onda aiuta a individuare sezioni rarefatte, intermedie e dense, ma il confronto è valido soltanto se tutte le finestre hanno la stessa durata. Una selezione molto breve enfatizza il singolo transiente; una selezione lunga incorpora pause e cambi di arrangiamento, modificando l’RMS medio.

Per “Occhi sul Molo” sono state scelte tre finestre di 15 secondi: l’inizio rarefatto, una zona centrale e il finale denso. L’RMS cresce di circa 8,82 dB fra la prima e la terza; il crest factor diminuisce di circa 6,76 dB. I due movimenti descrivono un passaggio verso una tessitura più continua, non un giudizio automatico sulla qualità del mastering.

Controllo facoltativo con Voxengo SPAN

È un controllo facoltativo: non sostituisce le misure documentate sopra, ma riunisce spettro, livelli e indicatori stereo in una sola interfaccia. Il plugin VST si scarica dalla pagina ufficiale di Voxengo SPAN; dopo l’installazione va abilitato nel gestore degli effetti di Audacity.

Normalizzare prima dell’analisi: serve davvero?

Per verificarlo è stata creata una seconda copia e applicato soltanto un guadagno lineare di +4,365173 dB, sufficiente a portare il sample peak a 0 dBFS.

Il risultato è chiaro: un guadagno lineare aumenta picco e RMS della stessa quantità, quindi non modifica il fattore di cresta. Normalizzare può essere un esperimento didattico o una fase di produzione, ma non è un prerequisito per questa misura.

La dinamica cambia durante il brano

L’introduzione misura circa −23,37 dBFS RMS; il finale arriva a circa −15,41 dBFS. La crescita è di quasi 8 dB. Nello stesso tempo il fattore di cresta scende da circa 17,24 a 11,04 dB: il finale è più denso e il livello medio si avvicina ai picchi.

Questo non significa che il finale sia “senza dinamica”. Significa che picco e livello efficace sono più vicini nella sezione scelta. La variazione complessiva della loudness è descritta meglio dalla LRA, che per questo brano vale 7,2 LU.

Una seconda lettura con finestre mobili

Per non dipendere soltanto da tre selezioni scelte manualmente, il file è stato analizzato anche con finestre di 3 secondi e passo di 1 secondo. L’RMS mediano è −17,554 dBFS; il 90% centrale dei valori si estende approssimativamente da −24,114 a −15,278 dBFS. Il crest factor mediano è 12,036 dB.

Il massimo locale del crest factor, 22,534 dB, si trova all’inizio, dove pochi eventi emergono da un fondo molto quieto. Il minimo, 9,212 dB, compare vicino a 270,5 secondi, nella parte più compatta. Sono inoltre presenti due intervalli sotto −60 dBFS: i primi 0,623 secondi e la coda fra 283,038 e 284,397 secondi.

Analisi nel dominio del tempo: leggere la forma d’onda

Prima dello spettro conviene osservare il brano nel dominio del tempo. Nella forma d’onda l’asse orizzontale rappresenta il tempo e quello verticale l’ampiezza dei campioni: possiamo riconoscere pause, attacchi, sezioni più fitte e differenze fra i due canali. Non possiamo invece dedurre da una sola immagine se il master sia stato compresso, quale strumento stia suonando o quanto forte verrà percepito all’ascolto.

Una prima lettura in cinque zone

Questa divisione è volutamente grossolana: serve a decidere dove ingrandire, non a imporre la forma del brano. In Audacity è utile aggiungere una traccia etichette con Ctrl+B e annotare i punti candidati senza tagliare l’audio. Dopo l’ascolto le etichette possono essere corrette; il WAV originale resta intatto.

Audacity per l’analisi delle frequenze

Mostra spettro

1. Seleziona uno spezzone.
2. Vai su Analizza → Mostra spettro.
3. Imposta algoritmo Spettro.
4. Scegli Finestra Hann.
5. Imposta la dimensione FFT a 4096.
6. Usa l’asse a frequenza logaritmica.
7. Ripeti senza cambiare i parametri.

Lo spettro è una media della selezione: permette di confrontare l’equilibrio generale fra bassi, medi e alti. Non mostra però quando un determinato evento accade. Per la teoria sono disponibili le dispense italiane di Sistemi di elaborazione per la musica dell’Università di Padova.

Che cosa cambia con la dimensione FFT

Audacity calcola lo spettro dividendo il segnale in componenti sinusoidali. La dimensione FFT stabilisce quanti campioni entrano in ogni calcolo. Con il nostro file a 48 kHz, una FFT da 4096 campioni produce una spaziatura teorica dei bin di circa 11,72 Hz, ottenuta da 48.000 ÷ 4096. Questa cifra non va confusa con la capacità pratica di separare due componenti, che dipende anche dalla finestra e dalla durata del segnale.

Scala lineare e scala logaritmica

Nella scala logaritmica il passaggio da 100 a 200 Hz occupa lo stesso intervallo di ottava del passaggio da 1000 a 2000 Hz. È quindi più vicino al modo in cui organizziamo altezze e bande musicali. La scala lineare resta preziosa quando dobbiamo misurare una distanza in hertz o isolare una zona molto stretta.

Finestre di analisi e dispersione spettrale

La FFT lavora su un tratto finito di segnale. Se i bordi di quel tratto non si raccordano, il taglio introduce discontinuità e l’energia di una componente si sparge nei bin vicini: è la dispersione spettrale, spesso indicata con il termine inglese spectral leakage. Una funzione finestra attenua i bordi e controlla questo compromesso.

Per “Occhi sul Molo” abbiamo scelto Hann, FFT 4096 e gli stessi parametri in ogni selezione. Cambiare finestra fra uno spezzone e l’altro renderebbe ambiguo il confronto: una differenza nel grafico potrebbe dipendere dall’impostazione invece che dalla musica.

Come leggere le bande senza inventare strumenti

Queste associazioni sono euristiche: più sorgenti condividono le stesse bande e uno strumento produce contemporaneamente fondamentali, armoniche, rumore e transitori. Nel mix stereo possiamo dire che cresce l’energia fra 500 e 2000 Hz; attribuirla con certezza alla voce, allo Hammond o alla chitarra richiederebbe le tracce separate.

Analisi spettrografica nel tempo

Lo spettrogramma aggiunge il tempo: l’asse orizzontale indica quando avviene un evento, quello verticale la frequenza, mentre il colore rappresenta l’intensità relativa.

Il calcolo è una successione di FFT su finestre parzialmente sovrapposte, cioè una trasformata di Fourier a breve termine o STFT. Ogni colonna descrive lo spettro di un breve intervallo; affiancando le colonne otteniamo la storia temporale del contenuto in frequenza.

Procedura in Audacity

1. Apri il menu della traccia con Maiusc+M.
2. Scegli la vista Spettro.
3. Apri le impostazioni dello spettrogramma.
4. Mantieni scala logaritmica, finestra Hann e dimensione 4096.
5. Usa gli stessi limiti e colori in tutti gli spezzoni.

Impostazioni da mantenere uguali

• Frequenza minima e massima: cambiare i limiti altera la porzione visualizzata e la scala verticale.
• Intervallo in dB: un intervallo più ampio rende visibili componenti deboli, ma può far sembrare più rumoroso il fondo.
• Dimensione FFT e finestra: determinano il compromesso fra dettaglio temporale, dettaglio in frequenza e dispersione.
• Scala e mappa colori: devono restare identiche se vogliamo confrontare visivamente la densità.

Per questa guida scegliamo la scala logaritmica, perché consente di vedere con maggiore chiarezza sia la regione grave sia le relazioni armoniche. Le opzioni e i nomi esatti possono cambiare fra versioni di Audacity: se compaiono algoritmi come “Frequenze”, “Riassegnazione” o “EAC”, per il confronto principale conviene restare sulla modalità spettrale standard e annotare esplicitamente ogni variazione.

Una FFT più grande distingue meglio frequenze vicine ma riduce la precisione temporale. A 48 kHz, 4096 campioni corrispondono a circa 85,3 millisecondi prima di considerare sovrapposizione e finestra: è un compromesso adatto a osservare la tessitura generale, non a datare al millisecondo un transitorio. Per la trattazione più estesa rimandiamo alle pubblicazioni raccolte alla fine dell’articolo.

Che cosa mostrano gli spezzoni?

• 0–15 s: componenti armoniche isolate e molto spazio a bassa energia fra gli eventi.
• 135–150 s: tessitura più continua e presenza regolare nei bassi e nei medi.
• 255–270 s: maggiore densità complessiva e livello medio più vicino ai picchi.

Nel finale circa il 45,3% dell’energia fra 20 Hz e 20 kHz ricade nella banda 500–2000 Hz; nelle introduzioni la stessa banda rappresenta circa il 20,5%. L’outro torna invece fortemente centrato fra 60 e 250 Hz.

Un secondo contrasto aiuta a leggere il cambiamento: nell’introduzione la banda 250–500 Hz raccoglie circa il 27,3% dell’energia considerata, mentre nel finale scende a circa il 2,1%. Nell’outro la banda 60–250 Hz arriva invece a circa il 65,6%. Non è quindi una semplice crescita uniforme di volume: cambia anche la distribuzione spettrale.

Armoniche e timbro: non confondere osservazione e interpretazione

È qui che lo spettrogramma diventa davvero interessante. Non serve soltanto a dire che una sezione contiene “più bassi” o “più alti”: permette di seguire nel tempo componenti tonali, attacchi, pause, movimenti d’intonazione e ritorni di materiale simile. Bisogna però distinguere con precisione ciò che l’immagine mostra da ciò che immaginiamo possa averlo prodotto.

Come riconoscere una possibile serie armonica

Un suono periodico può essere descritto mediante una fondamentale f₀ e componenti a frequenze multiple: 2f₀, 3f₀, 4f₀ e così via. Nello spettrogramma queste componenti appaiono come linee che procedono insieme nel tempo. Se la nota cambia, l’intero gruppo sale o scende; se la nota è tenuta, le linee restano più stabili.

La linea più bassa non è sempre la fondamentale percepita: può essere debole, coperta dal mix o addirittura assente. L’orecchio può ricostruire una fondamentale mancante dai rapporti fra le armoniche superiori. Per questo non è corretto scegliere automaticamente la prima riga visibile e dichiarare che quella sia la nota fondamentale.

Orizzontali, verticali, curve e nuvole: che cosa significano?

La tabella usa volutamente il plurale “possibili cause”. Una striscia verticale ripetuta può essere compatibile con la batteria, ma anche con consonanti vocali o attacchi di chitarra. Una nuvola nelle alte può derivare dal riverbero, ma non dimostra quale riverbero sia stato usato. Lo spettrogramma restringe le ipotesi; raramente identifica da solo la sorgente.

Una lettura nel tempo di “Occhi sul Molo”

Nell’articolo originale il brano veniva diviso in intervalli regolari e ogni spettrogramma era commentato separatamente. Qui adottiamo un metodo più controllabile: prima confrontiamo tre finestre uguali di 15 secondi, poi osserviamo le macrosezioni ricavate da forma d’onda, novità acustica, autosomiglianza e testo. In questo modo non confondiamo una diversa durata della selezione con una diversa ricchezza armonica.

0–36,5 s — introduzioni

I primi 0,623 secondi restano sotto −60 dBFS; subito dopo compaiono gruppi tonali separati da ampie zone scure. Nell’ingrandimento 0–15 s le traiettorie armoniche sono leggibili proprio perché non sono ancora sommerse da una trama continua: si seguono linee curve nei medio-bassi e alcuni parziali superiori, con intervalli di bassa energia fra una frase e l’altra.

Questa rarefazione è coerente con l’RMS di −23,370 dBFS e il crest factor di 17,244 dB misurati sull’intera introduzione. Lo spettrogramma aggiunge però una notizia diversa dai livelli: il 27,3% dell’energia considerata è concentrato fra 250 e 500 Hz, mentre la banda 500–2000 Hz pesa circa il 20,5%. L’apertura non è soltanto più quieta; ha anche un equilibrio spettrale differente dal finale.

L’ascolto completa il grafico: un suono leggero e ascendente è percepibile già da 0:00, con chitarra e una tastiera trattata; la prima voce entra intorno a 0:06. È una voce femminile grave e scura, inizialmente roca, che canta chiaramente «Il sole brucia sulla pelle». Più avanti compare una voce maschile grave ma non sussurrata; la voce femminile ritorna intorno a 0:30. Le frasi sono scandite e separate da pause, perciò la rarefazione visiva coincide con una rarefazione realmente percepita.

36,5–93 s — dalla prima strofa al primo ritornello

Le linee tonali diventano più continue e aumenta il numero dei segni verticali. Visivamente passiamo da frasi isolate a una tessitura in cui attacchi e componenti sostenute convivono. All’ascolto entrano chiaramente batteria, basso e chitarra; la voce femminile passa da una qualità più roca a una più aspirata. Il testo comincia con «Cammino sul lungomare…» e, verso la fine della strofa, la voce maschile interviene su «Ho imparato…». Il ritornello è riconoscibile da «Il mare mi porta con sé»: ritmo, accompagnamento e interpretazione diventano più urgenti, disperati e vicini al gridato.

La finestra 52–68 s presenta forte somiglianza acustica con 102–118 s. Non significa che ogni nota sia identica: indica che la distribuzione complessiva del contenuto ritorna più avanti, un indizio coerente con sezioni musicali correlate.

93–148,5 s — secondo ciclo

Il disegno generale riprende materiale già osservato, ma il livello medio cresce. Le finestre 82–98 e 132–148 s risultano la coppia di 16 secondi più simile nell’analisi di autosomiglianza: il ritorno non è quindi soltanto un’impressione visiva. Nell’ingrandimento 135–150 s le componenti sotto circa 200 Hz sono più continue, le tracce tonali nei medi persistono più a lungo e i transitori verticali sono più frequenti rispetto ai primi 15 secondi.

Verso 147–149 s appare una breve rarefazione, seguita dalla sezione successiva. L’ascoltatore la descrive come il suono che “tira un respiro”, confermando una vera pausa di articolazione. Anche all’inizio del ciclo, intorno a 95 s, il passaggio non viene percepito come un taglio secco: il suono prende fiato e la voce maschile entra intorno a 102 s con un timbro più caldo. Il secondo ritornello richiama nettamente il primo, ma l’interpretazione appare più appassionata.

148,5–207 s — terza strofa e area di bridge

La terza strofa raggiunge −16,430 dBFS RMS e presenta un crest di 11,634 dB: la tessitura è ormai più compatta. I cambi acustici più marcati dell’intero brano si concentrano intorno a 180 e 188 secondi. Anche nello spettrogramma si nota un’interruzione della continuità precedente e la comparsa di un disegno differente.

Il dato acustico è compatibile con l’intenzione strutturale e l’ascolto permette ora di precisarla. La voce maschile entra chiaramente intorno a 156 s, su «Ti cercavo nel buio…», alternandosi con quella femminile senza ambiguità. Nel bridge «Mi sono liberata…» è affidato alla voce femminile e «Ti sei liberata…» alla voce maschile. Si riconosce inoltre una tessitura di organo o tastiera sostenuta; dal solo mix non è però prudente stabilire se sia esattamente un Hammond con Leslie.

207–231 s — transizione e assolo di chitarra

In questa zona il livello resta elevato e alcune traiettorie tonali si muovono sopra una base più continua. Lo spettrogramma, da solo, permetterebbe soltanto di parlare di fraseggio melodico, bending o portamento; l’ascolto mirato risolve però l’identificazione: è una chitarra elettrica, molto marcata. Le voci cessano e l’assolo vero e proprio comincia intorno a 215 s (3:35), non a 207 s, terminando a 231 s. L’intensità viene percepita come energia musicale, non come suono schiacciato o affaticante.

231–277 s — finale

È la zona più compatta della struttura proposta. Nell’ingrandimento 255–270 s le bande verticali sono fitte e ricorrenti, mentre più famiglie di linee tonali occupano contemporaneamente bassi e medi. Le singole armoniche diventano talvolta meno isolate proprio perché cresce la sovrapposizione fra sorgenti, riverberi e transitori.

Il dato per bande conferma il cambiamento: circa il 45,3% dell’energia fra 20 Hz e 20 kHz cade fra 500 e 2000 Hz, contro il 20,5% dell’introduzione. Il crest factor locale e di sezione è inoltre più basso rispetto all’inizio. Il canto rientra a 231 s (3:51): all’inizio prevale la voce femminile, poi le due voci si alternano sempre più rapidamente fino a sovrapporsi. Il grafico da solo non potrebbe identificare le due parti, ma l’ascolto le distingue nettamente anche quando si accavallano. L’aumento di velocità produce urgenza senza compromettere la chiarezza delle parole.

277–284,4 s — outro

Nella coda le componenti alte perdono continuità e resta soprattutto energia grave: circa il 65,6% dell’energia considerata ricade fra 60 e 250 Hz. Gli ultimi 1,36 secondi scendono sotto −60 dBFS. Visivamente si passa da una trama molto affollata a poche componenti residue, una chiusura coerente con l’outro testuale “il mare non risponde”.

I tre ingrandimenti a confronto

Che cosa racconta davvero il timbro

Il timbro non dipende soltanto dal numero delle armoniche. Contano i loro livelli relativi, l’inviluppo spettrale, il modo in cui iniziano e decadono, il rumore, le componenti inarmoniche e le modulazioni nel tempo. Due sorgenti possono suonare la stessa fondamentale e mostrare righe nelle stesse posizioni, ma avere un equilibrio fra parziali e un attacco completamente diversi.

Nella voce, inoltre, le risonanze del tratto vocale modellano l’inviluppo e producono regioni di rinforzo chiamate formanti. Le armoniche seguono l’intonazione; i formanti descrivono soprattutto la configurazione del tratto vocale. In un mix completo, con accompagnamento e riverbero, separarli a occhio diventa difficile.

Pattern ripetuti e struttura musicale

Quando un gruppo di linee e transitori ritorna con forma simile, possiamo sospettare la ripetizione di accordi, ritmo o arrangiamento. Nel nostro caso le somiglianze 52–68/102–118 s e 82–98/132–148 s rafforzano questa lettura. Tuttavia un ritornello è una funzione musicale, non una semplice immagine: per assegnare l’etichetta servono testo e ascolto.

La matrice di autosomiglianza è più adatta dello sguardo per cercare questi ritorni su tutto il brano, perché confronta sistematicamente ogni finestra con le altre. Lo spettrogramma resta però indispensabile per capire che cosa rende simili due zone: una linea di basso, una fascia di armoniche, un ritmo di attacchi o la loro combinazione.

Procedura pratica in Audacity per commentare uno spettrogramma

1. Crea una traccia etichette con Ctrl+B senza tagliare il WAV.
2. Segna prima i confini percepiti all’ascolto; soltanto dopo confrontali con forma d’onda e spettrogramma.
3. Per il confronto tecnico usa finestre della stessa durata, per esempio 0–15, 135–150 e 255–270 s.
4. Mantieni identici scala, limiti in dB, finestra Hann, FFT 4096 e altezza grafica della traccia.
5. Segui prima una sola forma: una famiglia orizzontale, una fascia verticale o una zona scura.
6. Scrivi l’osservazione senza nominare la sorgente: “linea tonale continua fra…” oppure “transienti ripetuti ogni…”.
7. Aggiungi separatamente l’ipotesi d’ascolto: “compatibile con…”, “potrebbe coincidere con…”.
8. Nello screenshot lascia visibili timecode, asse delle frequenze e impostazioni: senza questi riferimenti l’immagine non è riproducibile.

Questa distinzione non impoverisce il racconto: lo rende più convincente. Possiamo descrivere una vera evoluzione, dall’introduzione rarefatta al finale ricco di medi e transitori, senza trasformare un indizio grafico in una falsa certezza. Il riscontro d’ascolto ha confermato la chitarra elettrica e le due voci; per attribuire una singola riga dello spettrogramma a una di esse, o per identificare con certezza modello e trattamento dell’organo, servirebbero comunque le tracce separate.

Il prompt di Suno e il risultato ottenuto

Il prompt chiedeva una rock ballad drammatica, un duetto con alternanza fra voce femminile e maschile, voce principale potente, seconda voce grave e sussurrata, organo Hammond e assolo di chitarra.

L’ascolto guidato mostra un risultato più articolato: le due voci, femminile e maschile, esistono e sono chiaramente distinguibili, ma le etichette del prompt non vengono eseguite alla lettera. La voce maschile è grave ma non sussurrata; iinoltre interviene già nell’introduzione, poi di nuovo verso la fine della prima strofa, e altri avvicendamenti non coincidono perfettamente con il copione.

Una struttura candidata del brano

La forma d’onda, l’indice di novità e la matrice di autosomiglianza permettono di proporre alcuni confini. Le etichette seguenti devono essere verificate con l’ascolto e con il testo: non sono una trascrizione automatica.

Le finestre 82–98 e 132–148 secondi sono la coppia di 16 secondi più simile. Altri materiali affini compaiono a distanza di circa 50 secondi. I cambi acustici più forti si concentrano invece intorno a 180 e 188 secondi, in una zona compatibile con l’ingresso del bridge richiesto nel prompt.

Correzioni emerse dall’ascolto guidato

La tabella precedente conserva le finestre usate per le misure, così RMS e crest restano riproducibili. L’ascolto aggiunge però confini ed eventi più precisi, che non sempre coincidono con quelle finestre tecniche.

LUFS e True Peak con FFmpeg su Windows

Per le misure che Audacity non presenta in un unico riepilogo è stato preparato uno script PowerShell con interfaccia grafica. L’utente seleziona ffmpeg.exe e il file audio; lo strumento calcola SHA-256, LUFS, LRA e True Peak e permette di salvare il rapporto.

Gestione del True Peak

Il Limiter di Audacity agisce sui sample peak: è utile per creare margine, ma non garantisce da solo un valore di True Peak. Per verificarlo serve una misura esterna, come quella con FFmpeg descritta sopra.

Obiettivo

Creare margine sotto il fondo scala, così che i picchi non provochino distorsione nei formati compressi. Si può fare in due modi: abbassando l’intero file con un guadagno negativo (nessuna alterazione della forma d’onda, ma meno loudness), oppure applicando un limiter, che interviene solo sui picchi più alti.

Nel nostro caso non serve: il True Peak misurato è −4,339 dBTP, ben sotto la soglia di −1 dBTP. La procedura che segue riguarda i file che invece ci arrivano vicini.

Procedura

1. Selezionare l’intera traccia (Ctrl + A)

2. Andare su Effetti → Volume e Compressione → Limitatore

3. Impostare così i parametri:

Cliccare su “Anteprima” per sentire il risultato prima di applicare.

4. Applicare l’effetto

Ora il limitatore interviene sui picchi che superano la soglia di −5 dB e nessun campione supera in uscita il valore di −1 dB.

Intervento morbido o taglio netto: che cosa cambia

Nella versione attuale del Limitatore non si sceglie fra “soft” e “hard”: il carattere dell’intervento dipende da Ampiezza gomito e, in secondo luogo, da quanto la Soglia è distante dal livello del brano.

Con un gomito stretto e una soglia bassa il limitatore entra in modo brusco. Il livello massimo risulta controllato con precisione, ma la forma d’onda viene modificata dove il picco veniva tagliato, e quella modifica è una distorsione armonica: si aggiungono componenti che nel file non c’erano. All’ascolto il suono può diventare più duro, più piatto o più squillante, e l’effetto è più evidente sulla voce e sulle chitarre, dove l’orecchio riconosce bene il timbro originale.

Con un gomito ampio e una soglia più alta l’intervento riguarda soltanto i transienti che superano davvero il limite. La riduzione entra ed esce gradualmente, la forma d’onda resta più vicina all’originale e, se il guadagno di riduzione è contenuto, la differenza non è udibile.

Nessuna di queste due condizioni si riconosce guardando la forma d’onda: una traccia limitata e una non limitata possono apparire quasi identiche allo stesso ingrandimento. Per capire se l’intervento è stato eccessivo servono l’ascolto e il confronto delle misure prima e dopo — sample peak, RMS e crest factor sulla stessa selezione.

Perché Audacity non ha un vero True Peak Limiter

Il Limitatore di Audacity non è un True Peak Limiter nel senso tecnico del termine, ed è una distinzione che conta per chi punta a un master compatibile con gli standard broadcast e streaming.

Un True Peak Limiter tiene conto dei picchi che possono emergere fra un campione e l’altro quando il segnale viene riconvertito in analogico o transcodificato. Audacity questi picchi non li calcola: lavora sui valori numerici dei campioni, non sovracampiona per ricostruire la forma d’onda fra un campione e il successivo, e di conseguenza non li mostra né li misura. Il nostro stesso file lo dimostra: il campione più alto sta a −4,365 dBFS, ma la stima del True Peak è −4,339 dBTP, cioè leggermente più alta. La differenza qui è piccola e innocua; su un master già vicino allo zero può essere quella che fa la differenza.

Il Limitatore resta quindi utile per creare margine e per contenere i picchi più sporgenti, ma non protegge da solo dalle distorsioni che nascono in compressione lossy, come MP3 o AAC. Per una garanzia sul True Peak servono un plugin VST dedicato oppure una DAW più orientata al mastering — Reaper, Cakewalk e simili — e questo esce dagli scopi di questa guida.

Esiste però una strada che non richiede nulla di tutto ciò: invece di limitare, si può abbassare l’intero file applicando ad Amplifica un guadagno negativo che porti il picco al livello di destinazione. Nessun campione viene modificato nella sua forma, quindi non si introduce alcuna distorsione; in cambio tutto il brano risulta più basso, e quindi meno loud. È il compromesso più trasparente, e per un file destinato all’analisi — come il nostro — è anche il più sensato.

Scarica gli script 2025/2026 per l’analisi LUFS + True Peak

Metodo con plugin integrati in Audacity (senza VST esterni)

Lo strumento esiste in due versioni. Se vuoi soltanto misurare un file, scarica quella del 2026: sceglie ffmpeg.exe da una finestra, accetta più formati e produce un rapporto salvabile con SHA-256, versione di FFmpeg e comando equivalente. La versione del 2025 resta disponibile come archivio dell’articolo originale, per chi voglia confrontare le due generazioni dello stesso strumento. Nessuna delle due include FFmpeg, che va scaricato separatamente.

Toolkit 2025

Tookit 2026

FFmpeg non è incluso in nessuno dei due pacchetti e va scaricato separatamente: si preleva una build per Windows, si estrae l’archivio in una cartella qualsiasi e si individua ffmpeg.exe nella sottocartella bin. Non serve installarlo né aggiungerlo al PATH: lo strumento chiede dove si trova. Chi lavora da terminale può invece tenere ffmpeg.exe e il file audio nella stessa cartella.

Le build ufficiali e i collegamenti ai compilatori di terze parti si trovano nella pagina di download di FFmpeg.

Che cosa restituisce il filtro EBU R 128 per “Occhi sul Molo”

I nomi delle voci e il significato di ciascun valore sono definiti nella documentazione del filtro ebur128, che spiega anche l’opzione peak=true usata qui per ottenere la stima del True Peak.

Questo è il rapporto prodotto sullo stesso WAV analizzato in tutto l’articolo. Non contiene soltanto i valori: riporta l’impronta SHA-256 del file, la versione di FFmpeg e il comando esatto, cioè tutto ciò che serve a un’altra persona per rifare la stessa misura e confrontare i risultati.

ANALISI AUDIO RIPRODUCIBILE
Data: 2026-08-19 22:12:12 +02:00
File: \\SERVER\MusicLab\10_PROGETTI_ATTIVI\Occhi sul Molo\00_ORIGINALI\Occhi_Sul_Molo.wav
SHA-256: 09d2235cb618fd65d834124f7c0af1fa023d6ef3b579de60b45e0d538b26cdcc
FFmpeg: D:\ffmpeg-9.0.1-essentials_build\ffmpeg-9.0.1-essentials_build\bin\ffmpeg.exe
Versione: ffmpeg version 9.0.1-essentials_build-www.gyan.dev Copyright (c) 2000-2026 the FFmpeg developers
Comando equivalente:
ffmpeg -hide_banner -nostats -i "FILE_AUDIO" -filter_complex "ebur128=peak=true" -f null -

Summary:

  Integrated loudness:
    I:         -14.4 LUFS
    Threshold: -24.5 LUFS

  Loudness range:
    LRA:         7.2 LU
    Threshold: -34.5 LUFS
    LRA low:   -19.4 LUFS
    LRA high:  -12.2 LUFS

  True peak:
    Peak:       -4.3 dBFS
[out#0/null @ 000001ebaadcde80] video:0KiB audio:53325KiB subtitle:0KiB other streams:0KiB global headers:0KiB muxing overhead: unknown
size=N/A time=00:04:44.40 bitrate=N/A speed=60.4x elapsed=0:00:04.70

Nota: I = loudness integrata (LUFS), LRA = loudness range (LU), Peak = true peak (dBFS/dBTP nel riepilogo ebur128).

Tre osservazioni su ciò che si legge nel riepilogo. LRA high meno LRA low dà la LRA: −12,2 − (−19,4) = 7,2 LU, il valore dichiarato. Le due soglie non sono limiti di mastering ma i gate previsti dal metodo, e infatti si collocano circa 10 e 20 LU sotto la loudness misurata. Infine FFmpeg etichetta il picco come -4.3 dBFS: è la stima del true peak, che in questo articolo indichiamo in dBTP per distinguerla dal massimo dei campioni, pari a −4,365 dBFS.

La differenza fra LRA high e LRA low è la LRA: −12,2 − (−19,4) = 7,2 LU.

Chi preferisce la riga di comando può ottenere gli stessi valori senza passare dallo strumento, lavorando da una cartella che contenga FFmpeg e il file audio:

ffmpeg.exe -i Occhi_Sul_Molo.wav -filter_complex ebur128=peak=true -f null -

Nel rapporto prodotto dallo strumento il comando compare con due opzioni in più, -hide_banner e -nostats: la prima nasconde l’intestazione con versione e opzioni di compilazione, la seconda disattiva le statistiche di avanzamento. Servono solo a ridurre il rumore nell’output; la misura è identica. La documentazione ufficiale di FFmpeg le descrive insieme a tutte le altre opzioni della riga di comando.

FFmpeg stampa molti aggiornamenti durante la lettura: il riepilogo utile è l’ultimo blocco, in fondo all’output. Conviene conservarlo insieme al nome del file, alla sua impronta SHA-256, alla versione di FFmpeg e al comando esatto. Sono i quattro elementi che permettono a un’altra persona di ripetere la misura e verificare di aver ottenuto gli stessi numeri sullo stesso file.

È esattamente ciò che fa lo strumento con interfaccia grafica, che usa lo stesso filtro ebur128=peak=true e raccoglie quelle informazioni nel rapporto. L’interfaccia serve soltanto a scegliere i file e a mettere in ordine il risultato: nessun calcolo dipende da essa, e in nessuno dei due casi il file audio viene modificato, perché viene aperto in sola lettura.

Dalle ipotesi dell’articolo alle misure

Questo passaggio è il cuore del metodo: separare ciò che vediamo, ciò che calcoliamo e ciò che interpretiamo. I grafici non sostituiscono l’ascolto, ma costringono a rendere esplicite le ipotesi e permettono a un’altra persona di ripetere il controllo.

Conclusioni

“Occhi sul Molo” non ha bisogno di essere normalizzato per rivelare la propria dinamica. Il dato più interessante è la crescita progressiva: l’inizio è rarefatto, il finale è più denso e il livello medio si avvicina ai picchi.

• Fattore di cresta globale: circa 13,16 dB.
• Loudness integrata: −14,4 LUFS.
• Loudness Range: 7,2 LU.
• Nessun clipping dei campioni nell’originale.
• La normalizzazione lineare non modifica il fattore di cresta.
• L’ascolto conferma due voci distinte, femminile e maschile; nel finale passano dall’alternanza alla sovrapposizione senza perdere intelligibilità.
• L’assolo è affidato a una chitarra elettrica e si estende approssimativamente da 3:35 a 3:51.
• Spettro e spettrogramma mostrano densità e distribuzione dell’energia, ma non identificano da soli strumenti e genere delle voci: serve il riscontro d’ascolto.

Il metodo più trasparente resta quindi: Audacity per osservare e ripetere la procedura, analisi a spezzoni per seguire l’evoluzione del brano e strumenti indipendenti per controllare i numeri.

Pubblicazioni e letture per approfondire

Riprendiamo qui le pubblicazioni già raccolte nell’articolo originale. I testi scientifici sono prevalentemente in inglese, ma i collegamenti sono presentati con titolo e spiegazione in italiano per chiarire subito che cosa può offrire ogni lettura.

• Guida pratica all’analisi degli spettrogrammi nell’elaborazione audio — Zulfidin Khodzhaev. Introduce l’uso dello spettrogramma e della densità spettrale di potenza nell’analisi dei segnali audio.
• Analisi spettrale, modifica e risintesi: metodi e applicazioni — Michael Klingbeil. Approfondisce interpolazione dei picchi, tracciamento dei parziali ed elaborazione nel dominio spettrale.
• Introduzione all’analisi audio — Theodoros Giannakopoulos e Aggelos Pikrakis. Fornisce il quadro teorico generale delle tecniche di analisi e classificazione dei segnali audio.
• Analisi spettrale e confronto fra registrazioni analogiche e digitali — Hannah N. Frosch. Usa misure spettrali per osservare differenze fra registrazioni realizzate nei due domini; dalla scheda è disponibile anche il PDF.
• Applicazione dell’analisi spettrale allo studio dell’audio musicale — Yi Li. Propone un’applicazione dell’analisi spettrale alla valutazione e allo studio dell’audio musicale.