← Edizione N° 16 del lunedì 19 ottobre 2026 · In breve
Una scena radiofonica mostra perché il formato del prompt conta
EmpirioLabs ha confrontato Qwen Audio 3.1 TTS Next e StepAudio 3 Gen sulla stessa scena radiofonica il 18 ottobre. Nel test, Qwen esegue tutte le battute senza leggere le didascalie; StepAudio, ricevuta la descrizione come testo da pronunciare, legge anche le indicazioni di scena.
Una seconda richiesta separa per StepAudio ambientazione, personaggi e battute nel formato documentato. Il risultato evita di pronunciare le indicazioni, ma restituisce soltanto due delle tre battute: correggere la struttura della richiesta non garantisce quindi la completezza di questo output.
È una prova singola del provider, con clip ascoltabili, non una misura generale di affidabilità. Il controllo utile da riprendere è semplice: verificare separatamente che cosa viene detto e quali istruzioni vengono trasformate in suono.
- Scena
- Due personaggi, tre battute, musica ed effetto telefonico richiesti
- Qwen nel test
- Tre battute eseguite
- StepAudio strutturato
- Due battute eseguite
Nella stessa edizione
Una domanda pratica — un workflow, quale modello conviene, come verificare un risultato — e la risposta arriva da tutte le edizioni, dai Weekly e dal Manuale, con le fonti e quello che c'è già in FAC. Le risposte sono per il team di Frameworks.
Hai trovato qualcosa che dovremmo leggere?
Un tool, un workflow, un modello, una norma, un artista: mandaci il link e due righe sul perché conta. La redazione legge tutto e il meglio finisce nel notiziario.