Cos'è la trascrizione automatica?

La trascrizione automatica indica il processo con cui un software converte il parlato (da una registrazione o da uno streaming in diretta) in testo scritto. Invece di un essere umano che ascolta e digita, è un modello di IA – tipicamente una rete neurale come Whisper, Wav2Vec o un'architettura Conformer – a svolgere il lavoro in pochi secondi o minuti.

Dietro le quinte, diversi passaggi avvengono in parallelo. L'audio viene suddiviso in brevi finestre temporali, trasformato in uno spettrogramma e fatto passare attraverso un modello acustico che riconosce fonemi e unità sub-lessicali. Un modello linguistico assembla poi questi fonemi nelle parole e nelle frasi più probabili, utilizzando contesto, grammatica e vocabolario come guida. I moderni modelli end-to-end uniscono la fase acustica e quella linguistica in un'unica rete neurale e spesso forniscono direttamente marche temporali per ogni parola e l'etichettatura dei parlanti (diarizzazione).

Rispetto alla trascrizione umana, la variante automatica è molto più rapida (un file di un'ora viene di solito elaborato in 1-3 minuti) ed economica – i buoni fornitori chiedono circa 0,18-0,30 € per ora di audio, mentre la trascrizione umana costa dai 60 ai 120 € l'ora. Su registrazioni pulite con parlato chiaro, i migliori sistemi odierni raggiungono tassi di errore sulle parole inferiori al 5%, ovvero una precisione del 95% o superiore.

Dove la trascrizione automatica incontra ancora difficoltà: accenti regionali marcati (tedesco svizzero, scozzese stretto), parlanti sovrapposti, gergo senza supporto di un vocabolario personalizzato, scarsa qualità audio e voci molto deboli. Per gli usi più delicati – verbali di tribunale, documentazione clinica, sottotitoli per la trasmissione – i team usano in genere la trascrizione automatica come prima passata e fanno correggere il risultato da una persona.

DeepScript usa un motore compatibile con Whisper, ma lo gestisce interamente sui propri server in Germania – senza delegare ad API cloud statunitensi.