Trascrivere audio in testo
Registrazioni e video in italiano in testo e sottotitoli, senza che l’audio lasci il tuo dispositivo.
Trascina qui i file
oppure clicca per sceglierli dal tuo dispositivoFormati accettati: MP3, M4A, AAC, WAV, OGG, OGA, OPUS, FLAC, WEBA, MP4, M4V, WEBM, MOV, MKV
Un file per operazioneFino a 150 MB per file5 operazioni al giornoRimuovi i limiti con Pro✓ Funziona offline
I tuoi file restano sul tuo dispositivo
Questo strumento viene eseguito interamente nel tuo browser. Nulla viene caricato, nulla viene salvato, e puoi persino disattivare la connessione a internet prima di iniziare.
Esempio
Esempio: l’assemblea di condominio registrata, trasformata in bozza di verbale
L’amministratrice registra col telefono, annunciandolo in apertura, un’assemblea di condominio di un’ora e 12 minuti: assemblea.m4a, circa 70 MB, sotto i 150 MB del piano gratuito. Impostazioni: lingua Italiano, «Bozza di verbale (la trascrizione sotto le voci consuete)», spunta su «Distinguere gli interlocutori». Le frasi qui sotto sono di fantasia.
- La prima volta si scaricano il modello vocale (circa 250 MB) e i due modelli per le voci (34 MB); poi restano nel browser.
- Su un computer il riconoscimento richiede circa metà della durata, una mezz’ora abbondante; distinguere gli interlocutori fa quasi raddoppiare l’attesa.
- Interlocutore 1 è la prima voce che si sente nella registrazione: qui l’amministratrice che apre l’assemblea.
- Si scarica assemblea-verbale.md, un file di testo con le voci di un verbale già pronte.
| Nella bozza | Che cosa c’è |
|---|---|
| # Verbale | il titolo, con la nota che è una bozza ricavata da una registrazione |
| - Data, - Luogo, - Redatto da | vuoti, da compilare |
| - Presenti | Interlocutore 1, Interlocutore 2, Interlocutore 3 |
| - Registrazione | assemblea.m4a (1:12:40) |
| ## Decisioni, ## Azioni | vuote: le delibere le scrivi tu |
| ## Interventi | [00:00:12] Interlocutore 1: Buonasera a tutti, apriamo l’assemblea. |
| ## Interventi | [01:02:05] Interlocutore 3: Per me va bene la seconda ditta. |
Una bozza da completare, non un verbale da firmare: delibere, maggioranze e nomi dei presenti li aggiungi tu, sostituendo «Interlocutore 1» con il nome con Trova e sostituisci. L’orario davanti a ogni intervento porta al punto giusto della registrazione: riascolta lì numeri e nomi propri, dove il riconoscimento sbaglia più spesso.
Come funziona
- Aggiungi un file audio o video: MP3, M4A, WAV, MP4, OPUS e quasi tutto ciò che un browser sa riprodurre.
- La lingua è già l’italiano. Spunta «Mettere l’orario all’inizio di ogni riga» se vuoi i tempi nella trascrizione.
- Se parla più di una persona, spunta «Distinguere gli interlocutori»; ogni riga comincia allora con Interlocutore 1, Interlocutore 2 e così via.
- Premi Trascrivi. La prima volta il modello vocale (circa 250 MB) si scarica una volta sola; poi parte subito.
- Copia la trascrizione o scaricala come file di testo insieme ai sottotitoli SRT.
Domande frequenti
- Quanto è preciso?
- Usa Whisper small (OpenAI, Apache 2.0). Su audiolibri di italiano letterario (Multilingual LibriSpeech, Dante compreso) circa una parola su cinque è uscita sbagliata nelle nostre prove; sull’italiano moderno letto (FLEURS) il risultato pubblicato del modello è di circa una su dieci. Rumore, accenti marcati, persone che si parlano sopra, gergo e nomi rari portano altri errori.
- Mette la punteggiatura?
- Sì. Whisper scrive da sé maiuscole, punti e virgole. Le righe cominciano comunque alle pause di chi parla, e i sottotitoli sono tagliati negli stessi punti.
- Che cosa contiene la bozza di verbale?
- Scegli «Bozza di verbale» in «Che cosa scaricare» e ottieni un file .md con il nome della registrazione (assemblea-verbale.md): titolo, Data, Luogo, Presenti, Redatto da, Registrazione con la durata, poi Decisioni e Azioni vuote e sotto Interventi la trascrizione con l’orario. Che cosa è stato deciso non si ricava da una trascrizione: quelle righe le scrivi tu. Il modello vocale, circa 250 MB, si scarica una volta sola.
- Riconosce chi parla?
- Spunta «Distinguere gli interlocutori» e ogni riga comincia con Interlocutore 1, Interlocutore 2 e così via. La registrazione viene letta una seconda volta da altri due modelli, che ascoltano le voci e non le parole: la prima volta sono 34 MB in più, e l’attesa quasi raddoppia. Numeri invece di nomi, perché niente nella registrazione dice chi è chi. Due voci registrate bene escono giuste; un solo microfono in una sala, voci simili e lunghi tratti in cui si parla insieme sono i punti deboli.
- Quanto ci mette?
- Su un computer, più o meno la metà della durata della registrazione: mezz’ora per un’ora. Il piano gratuito accetta file fino a 150 MB, circa due ore e mezza di MP3 a 128 kbps. I telefoni sono più lenti e con una registrazione lunga possono esaurire la memoria; dividila prima in parti.
- Quali lingue?
- Nove: italiano, inglese, tedesco, francese, spagnolo, portoghese, coreano, turco e giapponese. Scegli la lingua della registrazione: viene detta al modello invece di lasciargliela indovinare, perché una registrazione italiana non esca tradotta.
- La mia registrazione viene caricata?
- No. Il riconoscimento avviene in questa pagina, sul tuo dispositivo, quindi va bene per riunioni, interviste e tutto ciò che non deve uscirne. Una volta scaricato il modello, funziona anche offline.