La privacy prima di tutto
I file caricati vengono eliminati automaticamente e in modo permanente entro due ore.
Eliminazione automatica
Da voce a testo
Dettate una dettatura, una narrazione, appunti di una lezione, risposte a un’intervista o un breve voice-over direttamente nel browser, oppure caricate una registrazione, e ricevete le parole in un file di testo semplice (.txt, UTF 8). La trascrizione utilizza Whisper, il modello open source di riconoscimento vocale, sui nostri server, in circa 100 lingue rilevate automaticamente.
-
Registra: parli nel registratore del browser, fino a 30 minuti per registrazione, oppure carichi file MP3, WAV, M4A, AAC, OGG, FLAC o WebM.
-
Trascrivi: Whisper scrive le parole con la punteggiatura; facoltativamente, contrassegna i cambi di interlocutore per interviste e riunioni. Output: un file di testo semplice (.txt, UTF 8).
-
Privacy: non viene caricato nulla finché non si 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 testo
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 effettuato da Whisper, il modello open source pubblicato da OpenAI, eseguito sul nostro hardware anziché tramite un'API di terze parti.
Come usare Converter App
1
Registra o carica
Premete "Registra con il microfono", consentite l'accesso una volta e parlate. Un timer e un indicatore di livello confermano che l'audio viene acquisito. In alternativa, caricate 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
Scarica la trascrizione
L'avanzamento viene mostrato durante l'elaborazione del modello; alcuni minuti di parlato richiedono solitamente molto meno di un minuto. Scarichi un file di testo semplice (.txt, UTF 8) 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 parlanti su richiesta
Per le conversazioni, il rilevamento opzionale degli interlocutori indica nel testo trascritto i cambi di parlante. Raddoppia all'incirca i tempi di elaborazione, per questo è disattivato per impostazione predefinita.
Output di testo adatto al suo flusso di lavoro
La trascrizione viene salvata come file di testo semplice UTF 8 con punteggiatura e interruzioni di paragrafo normali, così può essere aperta con qualsiasi editor, elaboratore di testi o app per le note e incollata ovunque.
Gratuito e privato
Nessun account, nessuna filigrana, nessun limite di prove. La registrazione non lascia mai il Suo dispositivo finché non conferma, mentre 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
Misurato sui nostri server
Cosa aspettarsi dalla conversione di da Speech a Text
Numeri reali di ogni conversione effettuata con questo strumento dal 24 Ottobre 2026. Nulla qui è stimato: registriamo la durata di ogni operazione e le dimensioni dei file. I nomi e i contenuti dei file non vengono mai memorizzati.
9.2 s
Tempo di elaborazione tipico
per un file di 1.6 MB (mediana)
23
Conversioni
dal 24 Ottobre 2026
141 MB
File più grande convertito
dal 24 Ottobre 2026
Quanto tempo richiedono le conversioni
quota di tutte le conversioni
- meno di 1 s0%
- 1–10 s52%
- 10–60 s39%
- 1–5 min0%
- oltre 5 min9%
I tempi si riferiscono solo all’elaborazione sul server e vengono misurati dopo il completamento del caricamento; caricamento e download non sono inclusi. I file di grandi dimensioni richiedono più tempo, ma il limite è uguale per tutti: nessun account e nessuna priorità in coda acquistabile. Aggiornato 2026-11-05
Come l'audio diventa testo in questa pagina
Il browser registra l'audio dal microfono in formato Opus (Chrome, Firefox, Edge) o AAC (Safari) e lo mantiene in memoria. Quando si 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 per il riconoscimento vocale – lo trasforma in testo in un unico passaggio, includendo punteggiatura e separazioni tra le frasi. Se il rilevamento degli interlocutori è attivo, un modello di diarizzazione suddivide prima l'audio per interlocutore e la trascrizione viene annotata di conseguenza.
La trascrizione viene salvata come file di testo semplice UTF 8 con punteggiatura normale e separazioni tra i paragrafi, quindi può essere aperta con qualsiasi editor, programma di videoscrittura o app per le note e incollata ovunque. La pagina dei risultati consente di scaricarla; l'audio e la trascrizione vengono eliminati automaticamente in seguito.
Consigli di registrazione più importanti di qualsiasi impostazione
Il riconoscimento vocale è valido solo quanto l'audio. Tre fattori fanno la differenza maggiore: distanza, rumore e sovrapposizione. Tenga il microfono a 10–20 cm dalla bocca; un telefono tenuto vicino funziona meglio di un laptop dall'altra parte del tavolo. Spenga i ventilatori, chiuda la finestra ed eviti stanze con forte eco.
Parli a un ritmo normale e completi le frasi: il modello usa 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 il misuratore 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 testo
Questo strumento è usato da insegnanti, podcaster, giornalisti e da chiunque riesca a formulare i pensieri più velocemente parlando che scrivendo alla tastiera: per redigere un'e-mail o un articolo a voce, acquisire i verbali delle riunioni, trasformare una lezione o un memo vocale in appunti ricercabili, trascrivere le risposte alle interviste per la ricerca e ottenere una versione leggibile di un messaggio vocale che al momento non è possibile ascoltare.
Poiché Whisper rileva automaticamente la lingua, la stessa pagina funziona per un dettato 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 l'audio già disponibile 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 tempi per i sottotitoli: per i file SRT o VTT utilizzi i convertitori di sottotitoli presenti su questo sito. Non identifica gli interlocutori per nome, ma solo in base al cambio di interlocutore quando il rilevamento degli interlocutori è attivo. Inoltre, non può recuperare parole non udibili nella registrazione.
I nomi propri, i nomi dei prodotti e le abbreviazioni rare sono gli errori più frequenti; di solito, per una registrazione pulita, è sufficiente rileggere rapidamente il risultato prestando attenzione a questi elementi.
FAQ
Domande frequenti
Quanto è accurata la trascrizione?
Con una registrazione chiara e un solo interlocutore, Whisper riconosce correttamente in genere ben oltre il 90% delle parole nelle principali lingue, inclusa la punteggiatura. L'accuratezza diminuisce in presenza di forte rumore di fondo, più persone che parlano contemporaneamente, audio molto basso o dialetti marcati: i consigli di registrazione riportati di seguito aiutano più 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 in 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 conserva l'audio nel browser finché non si preme il pulsante nella finestra di dialogo. Se si annulla o si 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 richiede all'incirca lo stesso tempo aggiuntivo.
Cosa fa "Rileva più interlocutori"?
Esegue una fase di diarizzazione degli interlocutori prima della trascrizione e inserisce un indicatore ogni volta che cambia chi parla. La utilizzi per interviste, riunioni e podcast; la lasci disattivata per dettature e note vocali, per le quali aggiungerebbe solo tempi di attesa.
Posso modificare il testo in seguito?
Sì – il risultato è un semplice file .txt. Lo apra in qualsiasi editor, corregga nomi o termini tecnici che il modello ha trascritto in modo errato e lo incolli dove necessario. I nomi propri e le abbreviazioni rare sono gli elementi da controllare più spesso.