Le riunioni contengono spesso le informazioni più riservate di un'azienda: trattative, dati sui clienti, questioni di personale. Caricare quell'audio su un servizio online per farlo trascrivere è comodo, ma è anche un trasferimento di dati che va giustificato. La buona notizia è che oggi si può fare tutto sul proprio computer, con una qualità di trascrizione ottima anche in italiano.
Che cos'è Whisper
È un modello di riconoscimento vocale rilasciato con licenza aperta. Funziona bene in molte lingue, italiano compreso, gestisce discretamente il parlato spontaneo con esitazioni e sovrapposizioni, e non richiede addestramento sulla voce di chi parla.
Esistono diverse implementazioni. La più usata per l'uso pratico è whisper.cpp, che è leggera, funziona bene anche su CPU e non richiede installare un ambiente di sviluppo complesso. Esistono anche versioni con interfaccia grafica, per chi preferisce non usare il terminale.
Quale modello scegliere
Whisper è disponibile in dimensioni diverse. Più grande significa più accurato e più lento.
- tiny e base: velocissimi, ma in italiano fanno troppi errori. Utili solo per capire il senso generale.
- small: primo livello davvero utilizzabile. Buon compromesso su computer senza scheda video.
- medium: buona accuratezza in italiano, richiede più tempo o una GPU.
- large: la qualità migliore, con differenze notevoli sui nomi propri e sui termini tecnici. Con una scheda video dedicata gira in tempi ragionevoli.
Per l'italiano vale la pena usare almeno medium: sotto quella soglia gli errori sui nomi e sui numeri rendono la trascrizione faticosa da correggere.
Come ottenere un buon risultato
La qualità della trascrizione dipende molto dalla qualità dell'audio. Alcuni accorgimenti che valgono più di qualunque modello:
- Un microfono decente al centro del tavolo, o meglio ancora microfoni separati per chi parla. La differenza rispetto al microfono del portatile è enorme.
- Riduci il riverbero: le sale vuote con superfici dure sono il peggior nemico del riconoscimento vocale.
- Registra in formato non compresso o poco compresso.
- Indica la lingua esplicitamente quando lanci la trascrizione: evita che il modello tenti il riconoscimento automatico e sbagli sulle prime frasi.
- Se hai registrazioni separate per persona, trascrivile una per una: il risultato è molto migliore che con un audio unico sovrapposto.
Chi ha detto cosa
Whisper da solo non distingue gli interlocutori: produce un testo continuo. Per separare le voci serve un passaggio aggiuntivo chiamato diarizzazione, che alcuni strumenti integrano.
Nella pratica, per le riunioni di lavoro, spesso è sufficiente ottenere il testo con i tempi e sistemare a mano i cambi di interlocutore nei punti importanti. Se invece la distinzione è essenziale, esistono soluzioni combinate che fanno entrambe le cose, al costo di una configurazione più complessa.
Dal testo al verbale
Qui si chiude il cerchio: una volta ottenuta la trascrizione, la si passa a un modello linguistico locale (per esempio tramite Ollama) chiedendo un riassunto strutturato.
Un'istruzione che funziona bene: "Da questa trascrizione di riunione, produci: 1) un riassunto in cinque righe; 2) l'elenco delle decisioni prese; 3) le azioni da fare con il responsabile e la scadenza se citata; 4) i punti rimasti aperti. Non inventare nulla che non sia nel testo."
Il risultato è un verbale utilizzabile in pochi minuti, e tutto il processo — audio, trascrizione, riassunto — è avvenuto senza che nulla lasciasse il computer.
Tempi realistici
Dipendono molto dall'hardware. Con una scheda video dedicata, un'ora di riunione si trascrive in genere in pochi minuti con il modello grande. Solo su processore, con il modello medium, si può andare da un quarto d'ora a oltre un'ora a seconda della macchina. Conviene lanciare la trascrizione e fare altro nel frattempo.
L'aspetto legale da non ignorare
Il fatto che la trascrizione sia locale risolve il problema del trasferimento dei dati, non quello del consenso alla registrazione.
- In una riunione di lavoro, i partecipanti vanno informati che si sta registrando. È una questione di correttezza prima ancora che di norma.
- Se la registrazione riguarda dipendenti, entrano in gioco anche le regole sul controllo a distanza dei lavoratori.
- Le registrazioni vanno conservate con criterio: accesso limitato, cancellazione quando non servono più. Un archivio di audio di riunioni è materiale delicato.
Conclusione
Trascrivere in locale è oggi alla portata di qualunque azienda e risolve in un colpo solo il problema della riservatezza e quello dei costi a consumo. Il salto di qualità sta nel collegare la trascrizione a un riassunto automatico, ottenendo verbali pronti in pochi minuti. Se vi interessa impostare questo flusso sui vostri computer, è un progetto che si realizza in tempi brevi.