Trascrizione dal vivo

Cosa fa questo strumento

La trascrizione dal vivo trasforma ciò che dici in testo mentre parli. Premi Avvia, parla al microfono e ogni frase compare nella trascrizione poco dopo una pausa. Funziona come una dettatura o la digitazione vocale, ma il riconoscimento gira interamente nel browser, senza account, senza server e senza che l’audio lasci il tuo computer.

Il modello di riconoscimento è Moonshine, un modello aperto da voce a testo di Useful Sensors progettato per la trascrizione dal vivo sul dispositivo. È veloce sulle frasi brevi, quindi è adatto a trascrivere una frase alla volta. Lo strumento lo esegue con Transformers.js e ONNX Runtime Web, su WebGPU se il browser lo supporta e su WebAssembly altrimenti.

Questo strumento è solo per l’inglese.

Come usarlo

1. Scegli un modello. Base è più preciso; Tiny è più piccolo e più veloce sui computer lenti.
2. Premi Scarica il modello e avvia. Il modello si scarica una volta (circa 120 MB per Base, 50 MB per Tiny), poi il browser chiede l’accesso al microfono. Consentilo.
3. Parla normalmente. L’indicatore mostra il volume in ingresso e diventa verde quando rileva la voce. Quando fai una pausa, la frase va al modello e il testo appare in una nuova riga.
4. Premi Ferma per rilasciare il microfono. Premi di nuovo Avvia per continuare; gli orari riprendono da dove ti eri fermato.
5. Usa Copia o Scarica .txt per conservare la trascrizione, oppure Svuota per ricominciare. Imposta Ordine su Prima le più recenti per tenere l’ultima riga in alto; Copia e Scarica seguono lo stesso ordine.

Esempio

Con gli orari attivi, una breve nota dettata in inglese appare così:

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

Disattiva gli orari per ottenere righe semplici, pronte da incollare in un’email, un documento o un’app di note.

Regolare il rilevamento

Un semplice rilevatore di attività vocale ascolta il volume del microfono e decide dove le frasi iniziano e finiscono. Lo controllano tre impostazioni:

• Soglia della voce stabilisce quanto deve essere forte un suono per contare come parlato. Scegli un livello più rumoroso se il rumore di fondo tiene l’indicatore verde, o uno più sensibile se la voce bassa si perde.
• Pausa che chiude una riga è quanto silenzio serve prima di trascrivere la frase. Pause brevi danno risultati più rapidi; pause lunghe tengono insieme le frasi.
• Riga più lunga taglia i tratti di parlato molto lunghi, così la trascrizione avanza anche se non fai mai pause.

Queste impostazioni valgono dal prossimo Avvia. La scelta del modello e gli orari sono salvati nell’indirizzo della pagina, quindi puoi aggiungere ai preferiti o condividere la tua configurazione. La trascrizione non entra mai nel link.

Modello, licenza e limiti

Lo strumento usa onnx-community/moonshine-base-ONNX o onnx-community/moonshine-tiny-ONNX, conversioni ONNX dei modelli Moonshine inglesi, pubblicati con licenza MIT. Transformers.js ha licenza Apache-2.0. La precisione è migliore con una sola persona che parla chiaramente vicino al microfono; nomi, parole rare e accenti marcati possono essere fraintesi e la punteggiatura è una stima del modello. Per file audio registrati usa lo strumento da voce a testo.