Convertitore da MP3 a testo — trascrizione AI

La compressione che senti non è la compressione che legge

MP3 scarta le frequenze che le tue orecchie non sentirebbero la mancanza, e il riconoscimento vocale segue felicemente la stessa logica: ciò da cui una trascrizione dipende — i fonemi, i confini delle sillabe, il contorno di intonazione di una frase — sopravvive intatto alla compressione MP3 ordinaria. Un podcast esportato a un bitrate normale porta con sé essenzialmente tutto il contenuto linguistico di cui il motore ha bisogno, quindi trascrivere da MP3 non è affatto un compromesso. Il parlato occupa una banda di frequenze molto più stretta della musica, e i bitrate ordinari preservano quella banda con generosità — gli artefatti udibili vivono nei piatti e nelle code di riverbero, non nel capire se qualcuno abbia detto quindici o cinquanta.

Meccanicamente, il tuo file viene prima decodificato in audio WAV pulito, e la pipeline di trascrizione FunASR gira su quello. Tu non vedi mai il file intermedio; esiste perché il modello acustico affronti sempre un ingresso uniforme, qualunque siano il bitrate o la frequenza di campionamento del tuo MP3. Per te il formato è solo l'involucro; per il motore, le parole sono sempre state il carico utile.

Tre file, quando l'audio li supporta

Il file TXT è l'artefatto centrale: la trascrizione completa come testo semplice, pronta per citare, modificare o archiviare. Ogni lavoro riuscito lo produce, e non serve alcun software speciale per aprirlo — è il formato che ogni app di note, editor e finestra di chat accetta senza pensarci due volte.

I file SRT e di dialogo sono extra al meglio delle possibilità, non promesse. Poggano su ciò che il motore può dedurre su tempistiche e segmentazione; un parlato rado, persone che si sovrappongono e lunghi silenzi possono lasciarlo con troppo poco su cui lavorare, e uno o entrambi possono mancare. Un lavoro che restituisce solo il TXT è riuscito — la pagina non finge che i tre file arrivino sempre insieme. Quando compaiono, l'SRT mantiene i timestamp allineati con l'audio, e il file di dialogo raggruppa le battute in blocchi leggibili.

Se i sottotitoli contano per il tuo flusso di lavoro, controlla la pagina del risultato prima di chiudere la scheda: ogni artefatto prodotto è elencato lì, e un SRT assente parla del tuo audio, non del lavoro.

Dove eccelle, dove fatica

Il motore è la pipeline FunASR costruita su paraformer-zh, un modello ottimizzato per il cinese. Il parlato cinese si trascrive al meglio, e la voce mista cinese-inglese — il suono reale delle riunioni tecniche e delle recensioni di prodotto — è una forza concreta: il modello cambia lingua a metà frase senza perdere il filo. Una registrazione che mescola una presentazione in mandarino con nomi di prodotti, menzioni di API e numeri in inglese è precisamente il caso per cui il modello è stato tarato.

L'audio puramente in lingua straniera è il punto debole detto senza giri di parole: le registrazioni solo in inglese e le altre lingue producono qualità limitata, e le stanze rumorose o gli accenti marcati la trascinano ancora più giù. Dirlo chiaramente vale più che consegnarti una trascrizione sicura di sé ma sbagliata.

Valgono anche due confini. L'audio più lungo di 30 minuti non viene accettato, quindi spezza le registrazioni lunghe prima di caricarle. E l'informazione sui parlanti nei risultati è ciò che il motore produce — può mancare, e non viene fatta alcuna forte promessa di separazione dei parlanti.

Tempistiche, costi e privacy

La maggior parte delle conversioni finisce entro pochi minuti; il tetto del lavoro è di circa 45 minuti, che copre le registrazioni accettate più lente, e l'avanzamento viene mostrato mentre il motore lavora. Decodificare l'MP3 non aggiunge quasi nulla all'orologio — è la trascrizione a dominarlo. Una registrazione di 30 minuti è il caso accettato più pesante, e il tetto è dimensionato per quello.

Lo strumento è gratuito, senza account richiesto, e il tuo MP3 caricato insieme a ogni file generato viene eliminato automaticamente entro 24 ore. I caricamenti viaggiano via HTTPS, l'elaborazione avviene in memoria sul cluster di conversione, e nessuna rete pubblicitaria di terze parti osserva la pagina. Nessun indirizzo email viene richiesto in alcun momento.