Trascrizione Audio

AudioNessun file

Dalla registrazione al testo: opzioni e controlli

Puoi trascrivere file audio, interviste o lezioni e scaricare il testo in TXT o DOCX. Anche un video va bene: viene letta la sua prima traccia audio. Scegli la lingua, eventuali marcatori temporali e il riconoscimento dei parlanti prima di avviare la trascrizione.

Costo: Gratis entro la quota disponibile. Si applicano limiti di utilizzo; consulta la guida qui sotto.

Come ottenere una trascrizione

Aggiungi una registrazione
Premi Carica un file audio da trascrivere oppure trascina il file nell'anteprima. Puoi scegliere anche una registrazione compatibile già caricata o prodotta da un altro strumento aprendo File. Ogni elaborazione usa un solo file, fino a 200 MB.
Scegli il modello
In Modello di intelligenza artificiale è preselezionato Gemini 3.5 Flash Lite · fast. Sono disponibili anche Gemini 3.6 Flash · advanced e Experimental; le differenze e i limiti sono descritti sotto.
Imposta lingua e traduzione
Lascia Lingua audio su Rilevamento automatico oppure indica la lingua parlata. Cambia Traduci in (facoltativo) solo se desideri ricevere il testo in un'altra lingua.
Aggiungi dettagli utili
Nel riquadro Transcript detail, il cui titolo compare in inglese, puoi attivare Includi timestamp e Identificare diversi parlanti. Sono entrambi disattivati inizialmente.
Trascrivi e salva
Premi Trascrivere l'audio e tieni aperta la scheda fino alla comparsa di Testo trascritto. Usa Copia negli appunti, Scarica come TXT oppure DOCX per portare il risultato nel tuo editor.

Lingue, marcatori temporali e parlanti

Modello di intelligenza artificiale: Le due opzioni Gemini seguono le istruzioni di traduzione, timestamp e distinzione dei parlanti. Experimental usa GLM-ASR di Z.ai per il riconoscimento vocale di clip fino a 30 secondi. Per ottenere gli altri dettagli, scegli un modello Gemini.
Lingua audio: Il valore iniziale è Rilevamento automatico. Le voci visibili sono Inglese, spagnolo, francese, tedesco, Italiano, portoghese, russo, giapponese, cinese e arabo. Indicare la lingua può aiutare a interpretare clip brevi, accenti e parole straniere. Per una lingua non presente, lascia il rilevamento automatico.
Traduci in (facoltativo): Inizialmente è selezionato Nessuna traduzione (lingua originale). Oltre alle dieci lingue precedenti, puoi scegliere hindi, coreano, Olandese, Polacco e turco. Il modello trascrive e traduce nella stessa richiesta, restituendo la versione tradotta con le etichette dei parlanti. Per conservare sia originale sia traduzione, esegui due elaborazioni.
Includi timestamp: Aggiunge su nuove righe marcatori come [00:01:23], nel formato ore:minuti:secondi. Sono indicazioni generate dal modello per ritrovare passaggi, non tempi esatti di sincronizzazione. Per file di sottotitoli usa Video in sottotitoli. Con l'opzione disattivata, il testo viene suddiviso in paragrafi.
Identificare diversi parlanti: Aggiunge etichette come Speaker 1: e Speaker 2: a ogni cambio di voce. Con i timestamp, una riga può iniziare con [00:04:10] Speaker 2:. Il riconoscimento si basa sulla voce: prima della trascrizione i canali vengono uniti in mono, quindi le persone non sono separate in base al canale stereo. Puoi sostituire le etichette con nomi reali nel tuo editor.

Quale modello usare

La scelta in Modello di intelligenza artificiale si applica alla registrazione. Le parole fast e advanced fanno parte dei nomi mostrati nell'interfaccia.

Gemini 3.5 Flash Lite · fast

È il modello predefinito. Puoi iniziare da questa opzione per una nota vocale, una lezione o un'intervista, controllando poi nomi, numeri e termini specifici nel testo.

Gemini 3.6 Flash · advanced

È l'altra opzione Gemini. Puoi confrontarne il risultato su passaggi difficili, come voci sovrapposte o vocaboli tecnici; la scelta del modello non garantisce una trascrizione senza errori.

Experimental: clip fino a 30 secondi

Usa GLM-ASR di Z.ai per testo semplice. Oltre ai 30 secondi, la copia audio preparata per questo modello deve rientrare in 25 MiB. Scegli Gemini per registrazioni più lunghe, traduzione, timestamp o etichette dei parlanti.

Quale audio viene letto dal modello

Sul server, FFmpeg estrae la prima traccia e prepara audio mono a 16 kHz. Per i modelli Gemini la copia usa il formato FLAC. Fotogrammi del video, copertine e metadati non fanno parte della copia inviata al servizio IA scelto. Questa copia temporanea viene eliminata dal nostro server dopo la richiesta.

La preparazione avviene per ogni formato di ingresso. Un MP3 o M4A può pesare meno di un WAV stereo, ma la precedente compressione con perdita cambia il suono: il testo riconosciuto non è necessariamente identico. Se esporti una versione più piccola, ascolta che le parole rimangano distinguibili.

Un WAV stereo a 44,1 kHz e 16 bit occupa circa 10,1 MiB al minuto: il limite di 200 MiB contiene all'incirca 19–20 minuti, considerando anche il contenitore. Un MP3 a 128 kbps richiede circa 0,92 MiB al minuto, quindi nello stesso spazio può entrare una registrazione di circa tre ore e mezza. Lo spazio disponibile non garantisce che una trascrizione così lunga rientri nei limiti di elaborazione o di testo del modello.

Formati e limiti della trascrizione

Formati di ingresso: Audio: MP3, WAV, FLAC, M4A, AAC, OGG/OGA, Opus e WebM. Video: MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG e OGV. Serve una traccia audio.
Risultati: Testo nella pagina, TXT in UTF-8 e documento DOCX.
Dimensione massima: 200 MB per file, equivalenti a 200 MiB (209.715.200 byte).
Durata della registrazione: Experimental: massimo 30 secondi e 25 MiB per l'audio preparato. Gemini: nessun limite fisso di durata della registrazione, ma massimo 60 minuti per l'elaborazione e una quantità limitata di testo in uscita.
File per elaborazione: Uno.
Elaborazione: Sul server per preparare l'audio, poi tramite un modello IA. Il lavoro ha un limite di 60 minuti.
Servizi IA esterni: Gemini riceve l'audio preparato tramite l'API Google Gemini o OpenRouter. Experimental lo invia all'API GLM-ASR di Z.ai.
Limiti di utilizzo: Si applicano limiti giornalieri; quando vengono raggiunti, lo strumento mostra un errore.
Filigrana: Nessuna.
Conservazione: Caricamenti e DOCX vengono eliminati automaticamente dopo 48 ore per gli ospiti e 30 giorni per gli account gratuiti. I piani a pagamento possono conservarli più a lungo. Scarica il TXT o il DOCX per tenere una copia.

Domande frequenti

Posso trascrivere l'audio di un video?

Sì: sono previsti MP4, M4V, MOV, MKV, WebM, AVI, MPEG/MPG e OGV con audio. Viene letta soltanto la prima traccia sonora. Per un video con più lingue, prepara prima un file che abbia come prima traccia quella desiderata. Un video muto non contiene il parlato necessario.

La registrazione viene inviata a un servizio IA?

Sì. La copia mono a 16 kHz va ai modelli Google tramite l'API Gemini o OpenRouter; con Experimental va a Z.ai. Immagini e metadati del contenitore non vengono inviati. Il caricamento e il DOCX seguono la conservazione dell'account: 48 ore per ospiti, 30 giorni per account gratuiti e tempi più lunghi previsti dai piani a pagamento.

Perché il testo termina prima della registrazione?

Ogni richiesta ha un limite di testo in uscita. Quando viene raggiunto, sopra il risultato compare un avviso di trascrizione incompleta. Puoi dividere una registrazione lunga con Dividi audio, scaricare le parti contenute nello ZIP e trascriverle singolarmente.

Cosa significa «Nessun testo può essere trascritto da questo audio»?

Il modello non ha restituito testo. Una traccia silenziosa, solo musicale, molto rumorosa o con voce troppo bassa può non fornire parlato riconoscibile. Ascolta il file e verifica la lingua: Lingua audio permette di indicarla esplicitamente.

Come preparare un file che supera 200 MB?

Un'esportazione MP3 o M4A può ridurre lo spazio rispetto a un WAV, a seconda delle impostazioni. Ascolta la copia compressa, perché la compressione con perdita può influire sul riconoscimento. Per un video grande, Comprimi video accetta file più grandi: conserva la traccia audio e scegli il risultato compatibile da File in questa pagina.

Quanto devo controllare la trascrizione?

Rileggi soprattutto nomi, numeri e termini tecnici. Eco, musica di sottofondo, audio telefonico e voci sovrapposte possono rendere le parole ambigue. Il modello può omettere intercalari o frasi ricominciate: confronta i passaggi importanti con la registrazione se ti serve un resoconto parola per parola.