Trascrizione audio e sottotitoli

Come il riconoscimento vocale legge una registrazione

Lo strumento Trascrivere audio in testo usa Whisper, un modello di riconoscimento vocale che OpenAI ha pubblicato nel 2022 con licenza MIT. Secondo la sua scheda (model card), Whisper è stato addestrato con 680.000 ore di audio e trascrizioni raccolte su internet, per circa due terzi in inglese.

Whisper non ascolta tutto il file in una volta. Legge l’audio 30 secondi alla volta, convertito in uno spettrogramma (un’immagine di quali frequenze sono forti in ogni istante), e scrive il testo più probabile per quel tratto, un pezzo di parola dopo l’altro, insieme a indicazioni di tempo. Per questo una registrazione lunga viene divisa in finestre. Lo strumento taglia ogni finestra nella pausa più lunga verso la fine, per non spezzare le frasi, e salta le finestre silenziose.

Prima di scrivere, il modello sa anche riconoscere la lingua parlata: la prima cosa che prevede è un’etichetta di lingua. Se lasci «Rileva automaticamente», lo strumento usa questa previsione sui primi 30 secondi di parlato e poi una sola lingua per tutto il file.

Quale modello scegliere

Whisper esiste in diverse dimensioni. Lo strumento ne offre tre: base e small funzionano sul processore in qualsiasi browser recente, mentre large-v3-turbo funziona sulla scheda grafica se il browser supporta WebGPU.

* Misurato su un computer desktop, nel browser: base e small con pesi a 8 bit sul processore, large-v3-turbo con pesi a 4 bit sulla scheda grafica. I dispositivi più lenti impiegano di più. Ogni modello si scarica una volta e poi resta salvato nel browser finché non lo elimini nello strumento.

La differenza di qualità è massima fuori dall’inglese. Nel nostro test con una registrazione di un minuto in coreano letta da una voce sintetica, base ha scritto 후회 (rimpianto) invece di 회의 (riunione) e 머료일 invece di 월요일 (lunedì); small ha azzeccato quei due casi ma ha scritto 무늬 (motivo) invece di 문의 (richiesta), e large-v3-turbo non ha sbagliato nulla. Usa large-v3-turbo se il tuo browser lo offre; altrimenti inizia con base e passa a small se il testo ha troppi errori.

Large-v3-turbo è una versione di large-v3, il modello più grande di Whisper, ottimizzata per la velocità. Richiede una scheda grafica: solo sul processore ha impiegato circa 13 volte la durata della registrazione, perciò lo strumento lo mostra solo dove c’è WebGPU, per esempio nelle versioni recenti di Chrome ed Edge sui computer e in Safari sui Mac recenti. Richiede anche molta più memoria di base, che molti smartphone non hanno.

Come ottenere una trascrizione migliore

• Registra vicino al microfono. Distanza, eco e rumore di fondo tolgono più precisione di qualsiasi altra cosa.
• Evita musica e voci sovrapposte. Whisper scrive un unico flusso di testo e non distingue chi parla.
• Scegli la lingua quando la registrazione inizia con musica, silenzio o un saluto in un’altra lingua.
• Metti in conto di correggere nomi e termini. Il modello deduce la grafia dal suono e preferisce le parole comuni.
• Attenzione al testo inventato. La scheda del modello avverte che Whisper può scrivere cose mai dette e ripetersi, soprattutto nei tratti silenziosi o rumorosi. Rileggi quei passaggi insieme alla registrazione.
• Dividi i file molto lunghi. Un’ora di audio occupa circa 220 MB di memoria una volta decodificata, e tutto avviene sul tuo dispositivo.

File di sottotitoli: SRT e VTT

Un file di sottotitoli è testo semplice: un elenco di voci (cue), ciascuna con un orario di inizio, uno di fine e le parole da mostrare. I due formati più diffusi sono quasi uguali.

SubRip (.srt) numera ogni voce e mette una virgola prima dei millisecondi:

1
00:00:00,000 --> 00:00:02,300
Buongiorno a tutti.

2
00:00:02,300 --> 00:00:05,600
Riassumo i punti principali della riunione.

WebVTT (.vtt) è il formato del W3C per i sottotitoli delle pagine web, quello usato dall’elemento HTML <track>. Il file inizia con la parola WEBVTT, gli orari usano il punto e i numeri sono facoltativi:

WEBVTT

00:00:00.000 --> 00:00:02.300
Buongiorno a tutti.

00:00:02.300 --> 00:00:05.600
Riassumo i punti principali della riunione.

In WebVTT il testo di una voce non può contenere -->, e i caratteri & e < vanno scritti come & e <; lo strumento lo fa per te. SRT non ha una specifica ufficiale, ma programmi di montaggio e player leggono la forma mostrata sopra. Scegli il formato richiesto dal tuo player o dalla tua piattaforma.

Sottotitoli facili da leggere

I segmenti di Whisper seguono la sua idea di frase, quindi alcuni sono lunghi. Prima di pubblicare, guarda i sottotitoli con il video, dividi i segmenti che restano troppo a lungo sullo schermo o superano due righe e controlla che ogni voce compaia quando le parole vengono pronunciate. La maggior parte degli editor di sottotitoli apre i file SRT e permette di spostare o dividere le voci.

Trascrizione sul dispositivo o nel cloud

I servizi di trascrizione online di solito caricano la registrazione sui propri server, dove modelli grandi la elaborano in fretta. Uno strumento nel browser tiene la registrazione sul tuo dispositivo: l’audio viene decodificato e trascritto nella pagina, e si scaricano solo i file del modello. In cambio la velocità dipende dal tuo processore, e la dimensione del modello è limitata da ciò che un browser riesce a gestire.

Chiunque elabori il file, le registrazioni di altre persone vanno trattate con cura. La scheda del modello Whisper sconsiglia di trascrivere registrazioni di persone fatte senza il loro consenso; chiedi il permesso prima di registrare o trascrivere una conversazione.

Domande frequenti

Fonti

Fonte: OpenAI, Whisper (README) · Ultimo controllo: 13 ottobre 2026

Fonte: OpenAI, Model Card: Whisper · Ultimo controllo: 13 ottobre 2026

Fonte: W3C, WebVTT: The Web Video Text Tracks Format (Candidate Recommendation Draft, 20 May 2026) · Ultimo controllo: 13 ottobre 2026