La privacy prima di tutto
I file caricati vengono eliminati automaticamente e in modo permanente entro due ore.
Eliminazione automatica
Da voce a testo
Detti una nota vocale, un promemoria, un messaggio per un collega o un breve memo direttamente nel browser, oppure carichi una registrazione, e riceva le parole come 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.
-
Trascrizione: Whisper trascrive le parole con la punteggiatura; facoltativamente, contrassegna i cambi di interlocutore per interviste e riunioni. Output: un file di testo semplice (.txt, UTF 8).
-
Privato: 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 eseguito da Whisper, il modello open source pubblicato da OpenAI, che funziona sul nostro hardware anziché su 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 è in arrivo. 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 in genere 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 terminologia tecnica molto meglio dei motori di dettatura di qualche anno fa. La lingua viene rilevata automaticamente.
Rilevamento degli interlocutori su richiesta
Per le conversazioni, il rilevamento opzionale dei parlanti identifica i cambi di interlocutore nella trascrizione. Raddoppia circa il tempo 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 normale e interruzioni di paragrafo, quindi può essere aperta in qualsiasi editor, elaboratore di testi o app per note e incollata ovunque.
Gratuito e privato
Nessun account, nessuna filigrana, nessun contatore 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 la voce diventa testo in questa pagina
Il browser registra il microfono come audio 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.
Lì, ffmpeg decodifica l'audio e Whisper – un modello di riconoscimento vocale open source – 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 suddivide prima l'audio per interlocutore e la trascrizione viene annotata di conseguenza.
La trascrizione viene salvata come file di testo UTF 8 semplice con punteggiatura normale e interruzioni di paragrafo, così può essere aperta in qualsiasi editor, elaboratore di testi o app per le note e incollata ovunque. La pagina dei risultati consente di scaricarla; l'audio e la trascrizione vengono poi eliminati automaticamente.
Consigli di registrazione più importanti di qualsiasi impostazione
Il riconoscimento vocale è efficace solo quanto la qualità dell'audio. Tre fattori fanno la differenza maggiore: distanza, rumore e sovrapposizione delle voci. Tenga il microfono a 10–20 cm dalla bocca; uno smartphone tenuto vicino è migliore di un laptop dall'altro lato del tavolo. Spenga i ventilatori, chiuda la finestra ed eviti le stanze con forte eco.
Parli a un ritmo normale e completi le frasi: il modello usa il contesto, quindi le frasi interrotte e le 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; le voci sovrapposte sono il caso più difficile per qualsiasi sistema di riconoscimento.
Ascolti l'anteprima prima di iniziare. Se il misuratore del livello si muove appena o rimane costantemente al massimo, registri di nuovo invece di sperare che la trascrizione risulti corretta.
Usi comuni della conversione da voce a testo
Questo strumento è usato da chi preferisce parlare anziché digitare o ha bisogno di un messaggio vocale al di fuori di un'app di chat: per scrivere un'e-mail o un articolo parlando, acquisire il verbale di una riunione, trasformare una lezione o un promemoria vocale in note ricercabili, trascrivere le risposte di un'intervista per una 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 l'audio già disponibile come file, ad esempio podcast, lezioni e 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 file SRT o VTT utilizzi i convertitori di sottotitoli presenti su questo sito. Non identifica i parlanti per nome, ma solo i cambi di parlante quando il rilevamento dei parlanti è attivo. Inoltre, non può recuperare parole non udibili nella registrazione.
Nomi propri, nomi di prodotti e abbreviazioni rare sono gli errori più frequenti; di solito, per una registrazione pulita, è sufficiente una rapida rilettura del risultato tenendoli presenti.
FAQ
Domande frequenti
Quanto è accurata la trascrizione?
Con una registrazione nitida e un solo interlocutore, Whisper riconosce in genere 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 in più lingue vengono trascritte nella lingua predominante. La trascrizione viene scritta nella lingua parlata; non viene tradotta.
L'audio viene caricato mentre parlo?
No. Il registratore conserva l'audio nel Suo 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 richiede all'incirca lo stesso tempo aggiuntivo.
Cosa fa "Rileva più interlocutori"?
Esegue un passaggio 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 dettature e note vocali, dove aggiungerebbe solo tempo di attesa.
Posso modificare il testo in seguito?
Sì – il risultato è un semplice file .txt. Lo apra in qualsiasi editor, corregga i nomi o i termini tecnici che il modello ha interpretato male e lo incolli dove necessario. I nomi propri e le abbreviazioni poco comuni sono gli elementi da controllare più spesso.