Quanto tempo ci vuole per trascrivere un'ora di audio?

Il tempo di consegna dipende soprattutto dal fatto che il lavoro sia svolto da una persona o da un'IA – e dalla dimensione del modello impiegato.

Trascrizione con IA: un file audio di 60 minuti viene elaborato in 1-3 minuti su moderna infrastruttura GPU. I modelli più grandi (Whisper Large v3 o i modelli di fascia premium ottimizzati per la precisione) richiedono un po' più di tempo – circa 3-5 minuti per ora di audio. Se il fornitore ha una coda affollata, l'attesa può allungarsi. Fornitori come DeepScript gestiscono una coda prioritaria per i lavori premium, che passano così davanti a quelli standard.

Trascrizione umana: un trascrittore esperto elabora circa 15 minuti di audio per ora di digitazione. Un'ora di audio richiede quindi 3-5 ore di lavoro umano su materiale pulito – e 6-8 ore quando è difficile (più parlanti, dialetto, gergo, audio scadente). Aggiungi 24-48 ore di attesa per coda/prenotazione, dato che il lavoro resta in fila.

Approccio ibrido: molti servizi professionali usano l'IA come prima passata e fanno correggere il risultato da una persona. Questo riduce il tempo umano a 1-2 ore per ora di audio, con una precisione quasi umana. Tempi tipici: 24 ore in standard, 4-6 ore con supplemento urgenza.

Cosa rallenta: i lunghi silenzi vengono comunque elaborati (nessun risparmio di tempo); la scarsa qualità audio impone passaggi del modello più lunghi; molti file piccoli sono spesso più lenti di pochi file grandi, per via dell'overhead per lavoro. Per la trascrizione in diretta via WebSocket, la latenza è una metrica diversa: i buoni sistemi restituiscono risultati intermedi in 300-800 ms e il testo definitivo in 1-2 secondi.

Regola pratica: prevedi da mezza giornata a una giornata intera per ora di audio quando è coinvolta una persona. Per la trascrizione puramente con IA: il tempo di farti un caffè ed è pronta.