La privacy prima di tutto
I file caricati vengono eliminati automaticamente e in modo permanente entro due ore.
Eliminazione automatica
Voce in TXT
Detti una nota vocale, un promemoria, un messaggio per un collega o un breve appunto direttamente nel browser, oppure carichi una registrazione, e riceva 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.
-
Trascrizione: 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).
-
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 TXT
La pagina combina un registratore nel browser con un sistema 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 su un'API di terze parti.
Come usare Converter App
1
Registra o carica
Premi "Registra con il microfono", autorizzi l'accesso una volta e inizi a parlare. Un timer e un indicatore di livello confermano che l'audio è in ingresso. In alternativa, carichi una registrazione esistente: vanno bene i memo vocali di qualsiasi telefono.
2
Controlli e avvii
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
Scarichi la trascrizione
L'avanzamento viene mostrato mentre il modello elabora; 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 terminologia tecnica 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 interlocutore. Raddoppia approssimativamente il tempo di elaborazione, per questo è disattivato per impostazione predefinita.
Output TXT adatto al tuo 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 con qualsiasi editor, elaboratore di testi o app per appunti e incollata ovunque.
Gratuito e privato
Nessun account, nessuna filigrana, nessun limite di prova. La registrazione non lascia mai il dispositivo finché non viene confermata, 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
Come la voce diventa TXT in questa pagina
Il browser registra il microfono come audio Opus (Chrome, Firefox, Edge) o AAC (Safari) e lo conserva in memoria. Dopo la conferma, il file viene caricato tramite HTTPS su uno dei nostri server di trascrizione.
Qui, ffmpeg decodifica l'audio e Whisper – un modello di riconoscimento vocale open source – lo trasforma in testo in un solo passaggio, includendo punteggiatura e suddivisione in frasi. 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 salvata come file di testo normale UTF 8 con punteggiatura e separazioni in paragrafi standard, quindi può essere aperta in qualsiasi editor di testo, programma di videoscrittura o app per 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 quanto l'audio. Tre fattori fanno la differenza maggiore: distanza, rumore e sovrapposizioni. Tenete il microfono a 10–20 cm dalla bocca; uno smartphone tenuto vicino funziona meglio di un laptop dall'altro lato del tavolo. Spegnete i ventilatori, chiudete la finestra ed evitate stanze con forte eco.
Parlate a un ritmo normale e completate le frasi: il modello usa il contesto, quindi frasi interrotte e parole riempitive producono un testo peggiore rispetto a un parlato completo, anche se leggermente più lento. Per le interviste, chiedete alle persone di non parlare una sopra l'altra; il parlato sovrapposto è il caso più difficile per qualsiasi sistema di riconoscimento.
Ascoltate l'anteprima prima di iniziare. Se l'indicatore di livello si muove appena o rimane costantemente al massimo, registrate di nuovo invece di sperare che la trascrizione risulti corretta.
Usi comuni della conversione da voce a TXT
Questo strumento è utilizzato da chi preferisce parlare anziché digitare o ha bisogno di un messaggio vocale al di fuori di un'app di chat: 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 delle interviste per la 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, un messaggio 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 tempistiche 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 i cambi di interlocutore quando il rilevamento degli interlocutori è attivo. Inoltre, non può recuperare parole non udibili nella registrazione.
I nomi propri, i nomi di prodotti e le abbreviazioni rare sono gli errori più frequenti; per una registrazione pulita, di solito è sufficiente una rapida rilettura del risultato tenendo presenti 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 in più lingue vengono trascritte nella lingua predominante. La trascrizione viene redatta nella lingua parlata; 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 in base alla 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 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 tempi di attesa.
Perché un file .txt e non un documento Word?
Il testo normale è il risultato più portabile: si apre su qualsiasi dispositivo, può essere incollato facilmente in note, e-mail, editor CMS e chat, e occupa pochissimo spazio. Se serve un documento formattato, incolli il testo nel suo elaboratore di testi oppure utilizzi lo strumento di conversione da parlato a PDF su questo sito.