Intelligenza artificiale

Trascrivere audio e video in testo con l’IA (anche sottotitoli)

In breve: per trasformare il parlato di un file audio o video in testo si usano programmi di trascrizione automatica basati sull’intelligenza artificiale. Gratis e sul tuo PC puoi usare programmi basati su Whisper, il modello open source di OpenAI; online ci sono Word per il web (con Microsoft 365) e gli assistenti come Gemini o ChatGPT, che possono anche riassumere la trascrizione.

Se invece ti serve solo separare l’audio dal video, senza trasformarlo in testo, segui la guida come convertire MP4 in MP3.

Sul PC, gratis e senza Internet: Whisper

Whisper riconosce l’italiano molto bene, anche con accenti e rumore di fondo. Si usa attraverso programmi gratuiti con interfaccia grafica:

  • Buzz (Windows, Mac, Linux, open source): File → Importa → scegli audio o video → modello (small o medium per l’italiano) → lingua Italiano → avvia. Alla fine esporti in testo, Word o sottotitoli SRT.
  • Subtitle Edit (Windows, gratuito): apri il video → Video → Riconoscimento vocale (Whisper) → crea i sottotitoli con i tempi già sincronizzati.

Il primo avvio scarica il modello (da poche centinaia di MB a qualche GB). Con un PC recente un’ora di audio richiede da pochi minuti a mezz’ora; con una scheda video adatta molto meno. Il vantaggio principale: la registrazione non lascia il tuo computer.

Online

  • Word per il web (con abbonamento Microsoft 365): Home → freccia accanto a Dettatura → Trascrivi → Carica audio: ottieni il testo diviso per persone che parlano, con i tempi.
  • Gemini, ChatGPT e Claude: alcuni assistenti accettano file audio o video caricati direttamente; tutti possono lavorare sulla trascrizione che incolli («riassumi», «elenca le decisioni prese», «trasforma in verbale»).
  • YouTube: per i video pubblicati, i sottotitoli automatici si generano da soli; sotto il video, Altro → Mostra trascrizione.
  • Editor video come Clipchamp (incluso in Windows 11) e CapCut aggiungono sottotitoli automatici ai video per i social.

Dettare in tempo reale

Per scrivere parlando, senza un file: in Windows premi Win + H in qualsiasi casella di testo; in Google Documenti Strumenti → Digitazione vocale; sugli smartphone il microfono della tastiera.

Come ottenere una trascrizione migliore

  • registra vicino a chi parla, in un ambiente silenzioso; un microfono da pochi euro migliora molto il risultato;
  • se il file è un video molto pesante, estrai prima l’audio in MP3 o WAV;
  • indica sempre la lingua (Italiano) invece del rilevamento automatico;
  • rileggi nomi propri, numeri e termini tecnici: sono gli errori più frequenti.

Dalla trascrizione al riassunto

Una volta ottenuto il testo, chiedi a un assistente (vedi come usare ChatGPT): «Questa è la trascrizione di una riunione. Fai un riassunto in 10 righe, poi l’elenco delle decisioni e delle cose da fare con il nome di chi se ne occupa.»

Prima di registrare una lezione, una riunione o una telefonata, avvisa i presenti. Le registrazioni e le trascrizioni contengono dati personali: non caricare su servizi online colloqui medici, legali o di lavoro riservati, e non diffonderle senza consenso.

Domande frequenti

Si possono trascrivere i messaggi vocali di WhatsApp?

Sì: WhatsApp ha la trascrizione dei vocali nelle impostazioni delle chat, per le lingue supportate. In alternativa inoltra il vocale a te stesso, salvalo e trascrivilo con Buzz.

Quanto è precisa?

Con audio pulito Whisper e i servizi migliori superano il 95% di parole corrette in italiano. Con più persone che parlano insieme o rumore forte la precisione cala.

Fonti ufficiali: Centro assistenza OpenAI (ChatGPT).