La privacy prima di tutto
I file caricati vengono eliminati automaticamente e in modo permanente entro due ore.
Eliminazione automatica
Da voce a PDF
Detti dettati, narrazioni, appunti di lezioni, risposte a interviste o un rapido voice-over direttamente nel browser, oppure carichi una registrazione, e riceva le parole in un documento PDF. La trascrizione utilizza Whisper, il modello open source di riconoscimento vocale, sui nostri server – in circa 100 lingue, rilevate automaticamente.
-
Registra: parla nel registratore del browser, fino a 30 minuti per registrazione, oppure carica file MP3, WAV, M4A, AAC, OGG, FLAC o WebM.
-
Trascrizione: Whisper scrive le parole con la punteggiatura; facoltativamente, contrassegna i cambi di interlocutore per interviste e riunioni. Output: un documento PDF.
-
Privato: non viene caricato nulla finché non conferma. L'audio e la trascrizione vengono eliminati automaticamente dopo l'elaborazione, al più tardi entro poche ore.
Trascrizione
Come funziona la conversione da voce a PDF
La pagina combina un registratore nel browser con un backend di trascrizione basato su GPU. La registrazione utilizza l'interfaccia MediaRecorder integrata in Chrome, Firefox, Edge e Safari; il riconoscimento viene eseguito da Whisper, il modello open source pubblicato da OpenAI, in esecuzione sul nostro hardware anziché tramite un'API di terze parti.
Come usare Converter App
1
Registra o carica
Prema "Registra con il microfono", consenta l'accesso una volta e parli. Un timer e un indicatore di livello confermano che l'audio viene acquisito. In alternativa, carichi una registrazione esistente: vanno bene anche i memo vocali di qualsiasi telefono.
2
Controlla e avvia
Ascolti la registrazione nella finestra di dialogo. Attivi "Rileva più interlocutori" per interviste e riunioni (indica chi sta parlando, ma richiede sensibilmente più tempo). Quindi avvii la trascrizione.
3
Scaricare la trascrizione
L’avanzamento viene mostrato mentre il modello lavora; alcuni minuti di parlato richiedono solitamente molto meno di un minuto. Scarichi un documento PDF dalla pagina dei risultati.
Funzionalità principali
Whisper alla base del sistema
Whisper è addestrato su 680.000 ore di audio multilingue e gestisce accenti, rumore di fondo e vocabolario tecnico molto meglio dei motori di dettatura di qualche anno fa. La lingua viene rilevata automaticamente.
Rilevamento dei relatori su richiesta
Per le conversazioni, il rilevamento opzionale dei parlanti indica nel testo trascritto i cambi di interlocutore. Raddoppia approssimativamente il tempo di elaborazione, per questo è disattivato per impostazione predefinita.
Output PDF adatto al Suo flusso di lavoro
La trascrizione viene prima scritta come testo e poi impaginata come PDF con LibreOffice: un documento semplice e stampabile con testo selezionabile, senza scansioni né immagini.
Gratis e privato
Nessun account, nessuna filigrana, nessun limite di prova. La registrazione non lascia mai il Suo dispositivo finché non conferma, e l'audio e la trascrizione vengono rimossi automaticamente dopo l'elaborazione.
Esperienza e privacy
Progettato per flussi di lavoro di trascrizione affidabili.
Sviluppato da ingegneri con oltre 10 anni di esperienza in infrastrutture su larga scala, sistemi dati e calcolo scientifico. Progettato per flussi di lavoro audio reali in cui contano privacy, elaborazione affidabile e usabilità pratica.
Scelto dagli utenti
Valutato 5 stelle su Trustpilot per velocità, affidabilità e facilità d'uso.
Fiducia degli utenti
Uso accademico
Citato in ricerche pubblicate e utilizzato per la trascrizione di interviste e l’analisi qualitativa dei dati.
Uso per la ricerca
Come il parlato diventa PDF in questa pagina
Il browser registra il microfono come audio Opus (Chrome, Firefox, Edge) o AAC (Safari) e lo conserva in memoria. Quando Lei conferma, il file viene caricato tramite HTTPS su uno dei nostri server di trascrizione.
Qui, ffmpeg decodifica l'audio e Whisper – un modello open source di riconoscimento vocale – lo trasforma in testo in un unico passaggio, includendo punteggiatura e interruzioni di frase. Se il rilevamento degli interlocutori è attivo, un modello di diarizzazione divide prima l'audio per interlocutore e la trascrizione viene annotata di conseguenza.
La trascrizione viene prima scritta come testo e poi impaginata come PDF con LibreOffice: un semplice documento stampabile con testo selezionabile, senza scansioni né immagini. La pagina dei risultati consente di scaricarlo; l'audio e la trascrizione vengono eliminati automaticamente in seguito.
Consigli di registrazione più importanti di qualsiasi impostazione
Il riconoscimento vocale è efficace solo quanto lo è l'audio. Tre fattori fanno la differenza maggiore: distanza, rumore e sovrapposizione. Tenga il microfono a 10–20 cm dalla bocca; uno smartphone tenuto vicino è migliore di un laptop dall'altro lato del tavolo. Spenga le ventole, chiuda la finestra ed eviti stanze con forte eco.
Parli a un ritmo normale e completi le frasi: il modello utilizza il contesto, quindi frasi a metà e parole riempitive producono un testo peggiore rispetto a un parlato completo, anche se leggermente più lento. Per le interviste, chieda alle persone di non parlare una sopra l'altra; il parlato sovrapposto è il caso più difficile per qualsiasi sistema di riconoscimento.
Ascolti l'anteprima prima di iniziare. Se l'indicatore del livello si muove appena o resta costantemente al massimo, registri di nuovo invece di sperare che la trascrizione risulti corretta.
Utilizzi comuni della conversione da voce a PDF
Questo strumento è utilizzato da insegnanti, podcaster, giornalisti e da chiunque riesca a formulare i pensieri più velocemente a voce che con la tastiera: per redigere un'e-mail o un articolo parlando, acquisire i verbali delle riunioni, trasformare una lezione o un promemoria vocale in appunti ricercabili, trascrivere le risposte a un'intervista per scopi di ricerca e ottenere una versione leggibile di un messaggio vocale che al momento non può essere riprodotto.
Poiché Whisper rileva automaticamente la lingua, la stessa pagina funziona per una dettatura in tedesco, una nota vocale in spagnolo o una lezione in inglese senza alcuna impostazione. La trascrizione non viene tradotta: viene scritta nella lingua parlata.
Per audio già disponibili come file – podcast, lezioni, chiamate – i convertitori da audio a testo e da MP3 a testo di questo sito utilizzano lo stesso motore con le stesse opzioni.
Cosa non fa questo strumento
Non traduce: le trascrizioni sono nella lingua parlata. Non genera tempistiche per i sottotitoli: per i file SRT o VTT utilizzi i convertitori di sottotitoli disponibili su questo sito. Non identifica i relatori per nome, ma solo in base al cambio di relatore quando il rilevamento dei relatori è attivo. Inoltre, non può recuperare parole non udibili nella registrazione.
Nomi propri, nomi di prodotti e abbreviazioni poco comuni sono gli errori più frequenti; in genere, per una registrazione nitida, è sufficiente una rapida rilettura del risultato tenendo conto di questi elementi.
FAQ
Domande frequenti
Quanto è accurata la trascrizione?
Con una registrazione chiara e un solo interlocutore, Whisper riconosce correttamente ben oltre il 90% delle parole nelle principali lingue, inclusa la punteggiatura. La precisione diminuisce in presenza di forte rumore di fondo, più persone che parlano contemporaneamente, audio molto basso o dialetti marcati: i suggerimenti per la registrazione riportati di seguito sono più utili di qualsiasi impostazione.
Quali lingue sono supportate?
Whisper riconosce circa 100 lingue e seleziona automaticamente la lingua dai primi secondi dell'audio, quindi non è necessario impostare nulla. Le registrazioni con più lingue vengono trascritte nella lingua predominante. La trascrizione viene scritta nella lingua parlata e non viene tradotta.
L'audio viene caricato mentre parlo?
No. Il registratore mantiene l'audio nel browser finché non preme il pulsante nella finestra di dialogo. Se annulla o chiude la scheda, non viene inviato nulla. I file caricati e le trascrizioni vengono eliminati automaticamente dopo l'elaborazione.
Quanto può essere lunga la registrazione?
Il registratore nel browser si interrompe dopo 30 minuti; i file caricati possono essere più lunghi. Il tempo di elaborazione aumenta con la durata dell’audio e il rilevamento degli interlocutori aggiunge all’incirca lo stesso tempo.
Cosa fa "Rileva più interlocutori"?
Esegue una fase di diarizzazione dei parlanti prima della trascrizione e inserisce un indicatore ogni volta che cambia il parlante. Lo utilizzi per interviste, riunioni e podcast; lo lasci disattivato per dettatura e note vocali, dove aggiunge solo tempi di attesa.
Che aspetto ha il PDF?
Un semplice documento A4 con la trascrizione come testo selezionabile, senza elementi grafici nell'intestazione né filigrane. È pensato per l'archiviazione, la stampa o l'allegato a un'e-mail; se desidera modificare il testo, lo strumento di conversione da parlato a testo di questo sito fornisce la stessa trascrizione come file .txt.