Trascrizione illimitata nel browser con Whisper AI
Scegli un file audio e il modello Whisper lo trascrive nel browser. Non serve configurare Python, ffmpeg o i driver della GPU. L’audio non arriva mai a un server e non servono account né pagamenti.
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 si usa
- Scegli un modello. Quello predefinito viene scelto automaticamente in base a ciò che il dispositivo può gestire. Su un PC con WebGPU, Large v3 Turbo offre un buon equilibrio tra precisione e velocità.
- Scegli la lingua. Il rilevamento automatico funziona, ma indicare la lingua effettiva riduce gli errori di riconoscimento.
- Scegli un file audio o video. La trascrizione parte appena il file viene aperto e, al termine, puoi scegliere TXT, Word, SRT o un altro formato in «Scarica».
Whisper nel browser
Whisper è un modello di riconoscimento vocale pubblicato da OpenAI. Di solito si usa configurando un ambiente Python e installando ffmpeg e i driver della GPU. Questo strumento esegue gli stessi modelli Whisper convertiti in un formato che funziona nel browser. Il modello viene scaricato la prima volta, dopodiché viene usata la copia salvata nel browser.
Sono disponibili sei modelli: Tiny, Base, Small, Medium, Large v3 Turbo e Large v3. Su un PC con WebGPU funzionano sulla GPU; su smartphone e dispositivi senza WebGPU funzionano sulla CPU. I modelli più grandi sono più precisi, ma richiedono un download più grande e più memoria. Large v3 Turbo mantiene l’encoder di Large v3 e usa un decoder più piccolo, quindi è veloce con una precisione vicina a Large v3. Per i tassi di errore e i tempi di elaborazione che abbiamo misurato per ogni modello in ogni lingua, compresi i modelli diversi da Whisper, vedi Confronto dei modelli e come scegliere.
A volte Whisper scrive frasi che nessuno ha detto durante il silenzio o la musica. Le frasi ripetute vengono rimosse automaticamente, ma una frase che compare una sola volta rimane, quindi elimina quella riga nella schermata dei risultati.
Se qualcosa va storto
- Se l’elaborazione si ferma a metà, il dispositivo potrebbe essere a corto di memoria. Passa al modello immediatamente più piccolo o dividi l’audio in parti più brevi.
- Se nomi propri o termini tecnici spesso non vengono riconosciuti, passa a Small o a un modello più grande.
Domande frequenti
Servono Python o una GPU?
No. Basta un browser recente come Chrome o Edge. Su un PC con WebGPU funziona velocemente sulla GPU, mentre su smartphone o dispositivi senza una GPU utilizzabile funziona sulla CPU (richiede più tempo).
Quale modello devo scegliere?
Quello predefinito viene scelto automaticamente in base a ciò che il dispositivo può gestire. Su un PC con WebGPU, Large v3 Turbo offre un buon equilibrio tra precisione e velocità; su uno smartphone, scegli Tiny o Base.
I risultati sono uguali a quelli della versione Python di Whisper?
Il modello è lo stesso Whisper, ma è alleggerito per funzionare nel browser, quindi i dettagli del risultato potrebbero non coincidere con quelli della versione Python.
Funziona offline?
Sì. Una volta scaricato il modello, puoi trascrivere senza connessione.
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.