Migliorare l'audio prima di trascrivere: cosa fare
La maggior parte delle registrazioni venute male non ha bisogno di essere ripulita prima della trascrizione. I modelli di riconoscimento vocale di oggi gestiscono un rumore di fondo costante, una persona che parla piano e un microfono economico molto meglio di quanto l’orecchio umano si aspetti. Quello che non possono gestire è una voce che non c’è: sillabe distorte dalla saturazione, due persone che parlano una sopra l’altra, o un parlato sepolto sotto qualcosa di più forte. Quindi controlla prima la registrazione, correggi solo ciò che una correzione può davvero migliorare e prova la trascrizione prima di passare un pomeriggio a riparare l’audio.
Controlla la registrazione in un minuto
Trascina il file nella verifica qualità audio. Misura il livello della voce, il rumore di fondo e lo scarto tra i due (il rapporto segnale/rumore), cerca saturazione e canali muti e dà un verdetto chiaro. Non viene caricato nulla: funziona nel tuo browser.
Il numero che conta di più è il rapporto segnale/rumore. Come regola pratica per il parlato, 25 dB o più è comodo, da 15 a 25 dB di solito funziona, anche se le parole dette piano, i nomi e i numeri sono i primi a perdersi, e sotto i 15 dB aspettati dei buchi. Il volume da solo conta molto meno: un file a basso volume registrato in una stanza silenziosa si trascrive bene.
Cosa aiuta, problema per problema
| Problema | Come suona | La trascrizione regge? | Cosa aiuta |
|---|---|---|---|
| Rumore costante: ventola, aria condizionata, brusio del traffico | Un fruscio o un rombo continuo sotto la voce | Di solito, sopra circa 15 dB di rapporto segnale/rumore | Spesso niente. Se è forte, una riduzione del rumore delicata: lo strumento gratuito per rimuovere il rumore di fondo nel browser, oppure Audacity (Noise Reduction, in italiano Riduzione rumore, gratis) |
| Persona che parla piano, lontana dal microfono | Alzi il volume per seguire | Di solito, se la stanza è silenziosa | Niente per la trascrizione; normalizza il livello solo se qualcuno dovrà ascoltarla |
| Eco in una stanza grande e vuota | Le parole si impastano tra loro | In parte: ne soffrono le parole brevi e le desinenze | Poco a cose fatte. La prossima volta registra più vicino a chi parla |
| Saturazione (clipping): il livello era troppo alto | Crepitii e distorsione sulle sillabe forti | Male nei punti saturati | Non si può riparare. Clip Fix di Audacity attenua i casi lievi |
| Due persone che parlano insieme | Un muro di parole sovrapposte | Vince la voce più forte, l’altra si perde | Niente. Chiedi di ripetere durante la registrazione, o annota il momento |
| Silenzi lunghi e tempi morti | Minuti di nulla tra una parte e l’altra | Sì, ma paghi il silenzio | La rimozione dei silenzi accorcia le pause prima del caricamento |
| Musica sotto il parlato | Una colonna sonora in competizione con la voce | Dipende da quanto è alta la musica | Niente di affidabile; un rimuovi-voce può danneggiare anche il parlato |
Un ordine di lavoro sensato
- Fai partire la verifica. Se il verdetto è buono, fermati qui e trascrivi.
- Trascrivi un campione prima di ripulire. I primi 15 minuti su Speecho sono gratis, abbastanza per vedere se il modello se la cava con questa registrazione così com’è. Spesso sì, e la pulizia non è mai servita.
- Correggi solo il problema che il campione mostra. Se mancano parole sotto un ronzio, prova una riduzione del rumore leggera e trascrivi di nuovo lo stesso campione. Se il risultato non migliora, annulla: una riduzione del rumore aggressiva può assottigliare una voce e renderla più difficile da riconoscere, non più facile.
- Taglia i tempi morti nelle registrazioni lunghe. Un seminario di due ore con quaranta minuti di pause sono quaranta minuti che non hai bisogno di pagare. La rimozione dei silenzi salva un file WAV, circa 10 MB al minuto; se supera il limite di caricamento di 200 MB, lo strumento per estrarre l’audio lo trasforma in un MP3 molto più piccolo e accetta anche file audio.
- Per i file video, carica il video così com’è, oppure estrai prima la traccia audio se il file è troppo grande. L’immagine non aiuta mai una trascrizione.
Sugli strumenti di “miglioramento” con IA
Gli strumenti di miglioramento della voce con IA fanno suonare una registrazione più pulita alle persone, e per un podcast o un video questo vale molto. Per una trascrizione aiutano meno di quanto ci si aspetterebbe, perché il modello vocale ignora già quasi tutto ciò che loro rimuovono. Su un audio molto danneggiato possono anche fare danni: una parola biascicata esce come un’altra parola, pulita e sicura, e la trascrizione eredita l’errore. Se ne usi uno, confronta la trascrizione del file migliorato con quella dell’originale prima di fidarti.
Quando è più rapido registrare di nuovo
Alcune registrazioni non vale la pena salvarle: una voce che satura a ogni frase, un’intervista in cui l’ospite era a una stanza di distanza dal telefono, una riunione in cui tutti parlavano insieme. Se si può ripetere, una seconda ripresa con il microfono a un palmo dalla bocca risolve in dieci minuti ciò che nessun software riesce a sistemare. Per questo basta un registratore vocale nel browser, e la verifica ha un test del microfono dal vivo da fare prima di iniziare.
Domande frequenti
Devo rimuovere il rumore di fondo prima di trascrivere?
Di solito no. Prova prima un campione gratuito della trascrizione. Il rumore costante raramente dà fastidio ai modelli vocali di oggi, e una riduzione del rumore pesante può rendere la voce più difficile da riconoscere. Ripulisci l’audio solo dove il campione mostra che mancano parole.
Si può sistemare una registrazione saturata o distorta?
Non davvero. I picchi della forma d’onda sono stati tagliati al momento della registrazione, e quell’informazione è persa. Clip Fix di Audacity può attenuare una saturazione lieve per l’ascolto, ma la trascrizione di quei passaggi resterà più debole.
Un file più alto di volume si trascrive meglio?
No. Conta quanto la voce emerge sopra il rumore, non quanto è alto il volume del file. Alzare il volume di una registrazione alza il rumore esattamente quanto la voce.
Qual è un buon rapporto segnale/rumore per la trascrizione?
Come regola pratica, 25 dB o più è comodo, da 15 a 25 dB di solito funziona e sotto i 15 dB aspettati dei buchi. La verifica qualità audio mostra il valore per il tuo file.
Perché fare attenzione ai silenzi?
Perché la trascrizione si paga in base alla durata dell’audio. Le pause lunghe, l’attesa prima che inizi un intervento e i minuti dopo che tutti se ne sono andati contano tutti. Tagliarli prima abbassa il costo senza toccare una sola parola.
