Trascrivere un file MP3 in testo
Scegli un file MP3 e l’IA (Whisper o SenseVoice) lo trascrive nel browser. L’audio non arriva mai a un server. Senza account, senza pagamenti, senza limiti di durata.
Con i modelli più piccoli la precisione cala molto per questa lingua. Scegli Whisper Small o un modello più grande
Di solito puoi lasciare «Auto». Cambialo solo se il risultato ha chiaramente un numero di parlanti sbagliato
Non hai un file? Registra con il microfono. La trascrizione parte quando fermi la registrazione (fino a circa 000 min su questo dispositivo con il modello selezionato). Neanche la registrazione viene inviata a un server.
Come trascrivere un MP3
- Scegli la lingua. Il rilevamento automatico funziona, ma indicare la lingua effettiva (ad esempio l’italiano per una registrazione in italiano) riduce gli errori di riconoscimento. Se parlano due o più persone, attiva anche il riconoscimento dei parlanti.
- Trascina qui il file MP3 o fai clic per sceglierlo. La trascrizione parte appena il file viene aperto e le righe compaiono in ordine man mano che vengono finalizzate.
- Al termine, fai clic su una riga per riascoltare l’audio da quel punto e correggere gli errori. Poi scegli TXT, Word o un altro formato in «Scarica», oppure copia direttamente il testo.
Cosa conta quando si lavora con MP3
MP3 è un formato compresso, quindi il bitrate della registrazione originale influisce direttamente sulla precisione. Da 128 kbps in su, una normale conversazione viene riconosciuta in modo affidabile. Sotto i 64 kbps, o con le registrazioni telefoniche prive delle frequenze alte, vedrai più parole perse. Per le lingue diverse da giapponese, cinese e coreano, passare al modello Small o superiore di solito aiuta.
Tutto funziona sul tuo dispositivo. Il file non viene caricato su un server e nemmeno il testo risultante viene inviato da nessuna parte, quindi le registrazioni che non puoi condividere all’esterno, come riunioni e interviste, si possono elaborare così come sono.
I tratti di silenzio non vengono elaborati, quindi il tempo necessario dipende da quanto si parla effettivamente, non dalla durata del file. Lezioni con lunghe pause o registrazioni in cui nessuno parla per molto tempo terminano prima di quanto farebbe pensare la loro durata.
Se qualcosa va storto
- Se lo stesso nome o termine viene trascritto male più volte, correggi tutte le occorrenze insieme con «Trova e sostituisci» nella schermata dei risultati.
- Nei podcast con musica o sigle, durante la musica possono comparire frasi che nessuno ha detto. Elimina quelle righe nella schermata dei risultati.
Domande frequenti
Posso trascrivere formati diversi da MP3?
Sì. Sono supportati WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR e WebM. Se scegli un file video, viene estratta ed elaborata solo la traccia audio.
C’è un limite di dimensione dei file?
No. E non c’è nemmeno un limite di durata. La durata elaborabile in una volta dipende dalla memoria del dispositivo e dal modello selezionato; se non rientra, la pagina te lo dice prima dell’inizio dell’elaborazione.
Il mio audio viene caricato da qualche parte?
No. La trascrizione avviene nel browser e né il file audio né il testo risultante vengono inviati a un server esterno. Le statistiche di elaborazione usate per correggere i problemi (specifiche del dispositivo, tipo di errore e simili) vengono inviate al server di questo sito, ma non contengono audio, testo trascritto, nomi di file o indirizzi IP. Puoi fermare l’invio disattivando l’interruttore in «Aiutaci a migliorare il servizio» in fondo alla pagina.
Quanto tempo richiede la trascrizione?
Dipende dal dispositivo e dalla dimensione del modello. Con WebGPU è spesso più veloce del tempo reale; senza, calcola diverse volte la durata dell’audio.
Preparare l’audio e cosa fare dopo la trascrizione
Aiutaci a migliorare il servizio
Inviarci le circostanze di un’elaborazione, riuscita o meno, ci aiuta a individuare i problemi (per calcolare un tasso di errore servono entrambi i casi). Sapere quali dispositivi e impostazioni falliscono più spesso ci permette di rivedere i valori predefiniti consigliati e di correggere i bug che ne sono la causa. Se non ti dispiace, lasciare attiva questa opzione è di grande aiuto.
Cosa viene inviato
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 i dettagli dell’errore, il formato del file con dimensione e durata approssimative, e il tempo impiegato. Un numero temporaneo che collega le elaborazioni nella stessa scheda (viene eliminato quando chiudi la scheda). Nella schermata dei risultati: 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.
Cosa non viene mai inviato
Audio, trascrizioni (compresi i nomi dei parlanti e le traduzioni), nomi di file e indirizzi IP. I dati vanno solo al server di questo sito, mai a un servizio di terze parti.