Trascrizione audio con IA
gratis e senza limiti

È del tutto gratis. Non ci sono limiti di durata, numero di elaborazioni, caratteri o dimensione dei file, e non serve una carta di credito. L’unica cosa che varia è la durata elaborabile in una volta, che dipende dalla memoria del dispositivo e dal modello selezionato; se un file supera questa durata, la pagina te lo dice prima dell’inizio dell’elaborazione.

No. L’IA (Whisper o SenseVoice) esegue l’elaborazione nel browser, quindi l’audio non lascia mai il tuo dispositivo. Nulla viene memorizzato su un server e nulla viene passato a terzi.

No. Apri la pagina, scegli un file audio e la trascrizione parte. Non ti viene mai chiesto un indirizzo email.

Audio: MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA e AMR. Video: MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS e 3GP. Puoi trascinare un file o sceglierlo con il selettore di file.

Sì. Apri un file MP4, MOV, MKV, WebM o AVI e il browser ne estrae la traccia audio per la trascrizione. Non serve convertirlo prima in un file audio. Una volta trascritto, puoi riprodurre il video con il risultato sovrapposto come sottotitoli per controllarlo e correggerlo, oppure guardarlo con i sottotitoli tradotti. Non c’è alcun limite di dimensione, quindi i video di diversi gigabyte si aprono così come sono. I video salvati da X (Twitter) con X Video Downloader si possono aprire così come sono; per estrarre prima solo l’audio, usa Media Tools.

Il riconoscimento dei parlanti è supportato. Nelle registrazioni con più partecipanti, come riunioni o interviste, ogni parlante viene mostrato con un colore diverso. Il numero di parlanti viene stimato automaticamente, quindi di solito non serve impostarlo. Le etichette dei parlanti si possono rinominare sullo schermo, i parlanti separati per errore si possono unire e ogni riga si può riassegnare o dividere. Quando WebGPU è disponibile in un browser diverso da Firefox su un PC e il numero di parlanti resta su «Auto», il riconoscimento usa NVIDIA Nemotron 3 Diarization; altrimenti usa pyannote, e in entrambi i casi per confrontare le caratteristiche della voce viene usato WeSpeaker.

Sì. Le trascrizioni si possono esportare come sottotitoli SRT e VTT (WebVTT) con timecode, pronti da importare in programmi di montaggio o piattaforme video (la maggior parte dei programmi di montaggio accetta SRT). Sono disponibili anche l’esportazione in testo semplice (TXT), Word (DOCX), PDF, CSV e JSON e la copia negli appunti. Per incorporare direttamente nel video l’SRT esportato, usa Media Tools (incorporazione dei sottotitoli).

Sì. Apri «Traduci» nell’intestazione del risultato, scegli la lingua di origine e quella di destinazione, e sotto ogni riga compare una traduzione. Ogni formato di esportazione può contenere l’originale, la traduzione o entrambi. Se hai aperto un video, la traduzione può anche essere mostrata come sottotitoli durante la riproduzione. La traduzione usa il traduttore integrato in Chrome 138+ ed Edge 148+ per computer e funziona interamente sul tuo dispositivo, quindi la trascrizione non viene mai inviata da nessuna parte. Non è disponibile su smartphone né in Firefox e Safari. Al primo utilizzo di una lingua viene scaricato il relativo modello di traduzione.

Sì. Dopo aver scaricato una volta il modello di IA, la trascrizione funziona senza connessione. Le dimensioni dei modelli vanno da circa 40 MB a 5,2 GB a seconda di quello che scegli.

Scegliere un modello adatto alla lingua migliora la precisione. Per il giapponese, Haas-ja v1.0 è il più preciso tra i modelli disponibili e commette circa il 40% di errori in meno rispetto a SenseVoice Small (nostra misurazione su parlato letto). Funziona solo su computer con WebGPU, la prima volta scarica circa 710 MB e l’elaborazione richiede circa 1/30 della durata dell’audio (misurazione su un PC con grafica integrata). È il modello predefinito per il giapponese su computer con WebGPU in Chrome o Edge (esclusi i Mac con Apple silicon). Per cinese e coreano, e per il giapponese altrove, ad esempio su smartphone o in Safari e Firefox, il predefinito SenseVoice Small è leggero e veloce e, per giapponese e cinese, è preciso almeno quanto Whisper Large v3 Turbo. Per le altre lingue, i modelli più grandi sono più precisi; sui dispositivi con supporto WebGPU, Whisper Large v3 Turbo offre una precisione vicina alla massima restando veloce (è il predefinito sui computer con GPU dedicata). Per l’inglese su dispositivi come PC Windows con grafica integrata e smartphone, il predefinito è SenseVoice Small, che commette meno errori di Whisper Base ed è più veloce. Su computer con WebGPU puoi scegliere anche Qwen3-ASR 1.7B (circa 5,2 GB da scaricare la prima volta), che commette meno errori di Whisper Large v3 Turbo in giapponese, inglese e cinese. Anche impostare la lingua in modo esplicito invece di lasciare il rilevamento automatico riduce gli errori. Per i tassi di errore e i tempi di elaborazione che abbiamo misurato per ogni modello in ogni lingua, vedi Confronto dei modelli e come scegliere.

Sì, ma funziona in una modalità a memoria ridotta (WASM) per proteggere il dispositivo, quindi la durata elaborabile in una volta è minore rispetto a un computer. Per le registrazioni lunghe è consigliato un computer.

Solo le statistiche necessarie per correggere i problemi e migliorare le funzioni. Cioè le specifiche del dispositivo (modello di GPU, memoria, numero di core), browser e sistema operativo, il modello e la lingua scelti, l’impostazione del riconoscimento dei parlanti (attivo o no e numero di parlanti impostato), la lingua di visualizzazione della pagina, il punto raggiunto dall’elaborazione (anche se l’hai interrotta o hai chiuso la pagina), il tipo e il testo dell’errore, il formato del file con dimensione e durata approssimative, e il tempo impiegato. Viene inviato anche un numero temporaneo che collega le elaborazioni nella stessa scheda (viene eliminato quando chiudi la scheda). Gli stessi campi vengono inviati anche in caso di successo, perché per calcolare un tasso di errore servono entrambi i casi. Nella schermata dei risultati vengono inviati anche quante volte hai usato le modifiche (come rinominare i parlanti o dividere le righe), la traduzione, i riassunti e l’importazione dei sottotitoli, i formati scelti in «Scarica», quanto spesso hai usato «Copia testo» e «Scarica tutto» e la coppia di lingue della traduzione. Audio, trascrizioni (compresi i nomi dei parlanti e le traduzioni), nomi di file e indirizzi IP non vengono mai inviati, e i dati vanno solo al server di questo sito, mai a un servizio di terze parti. Puoi disattivare l’invio in qualsiasi momento con l’interruttore nella sezione «Aiutaci a migliorare il servizio» in fondo alla pagina.

Sì. In «Scarica» sotto il risultato, scegli «Word (DOCX)» per salvare un documento che si apre in Word. Il PDF si salva con la funzione di stampa del browser: scegli «PDF», poi salva come PDF nella finestra di stampa che si apre (su iPhone e iPad, usa il pulsante di condivisione nella schermata di stampa e salva in File). Sono disponibili anche CSV per i fogli di calcolo e JSON per i programmi. Ogni formato viene creato nel browser, quindi la trascrizione non viene mai inviata da nessuna parte.

Sì. Premi «Registra con il microfono» per registrare con il microfono del computer o dello smartphone. Premi «Ferma la registrazione», poi «Avvia la trascrizione», e la registrazione viene trascritta. Neanche la registrazione viene inviata da nessuna parte; viene salvata nella cronologia di questo dispositivo. Puoi registrare fino a 3 ore, o meno a seconda della memoria del dispositivo e del modello selezionato; il limite è indicato prima di iniziare a registrare. Su uno smartphone, bloccare lo schermo o passare a un’altra app durante la registrazione può interromperla.

Sì. Scegli più file nel selettore di file o trascinali insieme, e vengono trascritti uno alla volta con le stesse impostazioni (modello, lingua e riconoscimento dei parlanti). Ogni risultato viene salvato nella cronologia di questo dispositivo. Quando tutto è finito, scegli TXT, Word, SRT, VTT, CSV o JSON in «Scarica tutto» per salvare i risultati in un unico file ZIP, un file per ogni trascrizione. I file che non possono essere elaborati vengono saltati e si passa al successivo. Tutta l’elaborazione avviene nel browser e i file non vengono inviati da nessuna parte.

Sì. In Chrome o Edge (versione 138 o successiva) su computer, premi «Riassumi» nella schermata dei risultati e l’IA integrata nel browser (Gemini Nano) trasforma la trascrizione in un elenco di punti chiave. Anche il riassunto viene creato nel browser, quindi la trascrizione non viene inviata da nessuna parte. Quando salvi come Word, TXT o PDF, il riassunto va all’inizio, quindi puoi usarlo come prima bozza del verbale della riunione. I riassunti sono disponibili in giapponese, inglese, spagnolo, tedesco e francese. La prima volta il browser scarica un modello di IA, che richiede 22 GB di spazio libero e 16 GB di memoria oppure una GPU con più di 4 GB di VRAM. Non funziona su smartphone, Firefox o Safari.

Sì. Scegli un file di sottotitoli SRT o VTT nel selettore di file e si apre nella schermata dei risultati senza trascrivere. Puoi correggere il testo e i tempi delle righe, dividere o eliminare righe, tradurre e riassumere, poi salvare come SRT, VTT, TXT, Word e altri formati da «Scarica» (che converte anche da SRT a VTT). Scegli il file di sottotitoli insieme a un file video (o audio) per riprodurre il video con i sottotitoli sovrapposti. Anche la lettura del file avviene nel browser e i file non vengono inviati da nessuna parte.