Quanto tempo ci vuole per trascrivere una registrazione di due ore?

Punti chiave

Per una registrazione di due ore, la trascrizione automatica in sé richiede una piccola frazione di quel tempo: il software non è il collo di bottiglia. Quello che decide la tua serata è la fase di correzione successiva: una trascrizione grezza e solo da consultare non richiede quasi nessuna pulizia, mentre una che vuoi citare o pubblicare richiede un ascolto completo confrontato con l’audio, correggendo nomi, numeri e sovrapposizioni di voci. Digitarla a mano, invece, richiede un tempo pari a diverse volte la durata della registrazione, e la situazione peggiora con un audio di scarsa qualità. Il tempo va calcolato sulla correzione, non sul software.

Due ore di parlato, al ritmo con cui parla la maggior parte delle persone, corrispondono a circa sedici-diciottomila parole, più o meno la lunghezza di un libro breve. Questo numero da solo dice già qualcosa sulla serata che ti aspetta: nessuno vuole leggerlo tutto d’un fiato, e quasi nessuno vuole digitarlo da zero se esiste un’alternativa.

La risposta onesta a quanto tempo serva dipende da due fattori che puoi controllare e uno che non puoi: quanto è pulito l’audio, quanto deve essere accurata la trascrizione finale, e quanto sei veloce tu stesso a digitare o ad ascoltare. Il software cambia solo una parte di questa equazione. Le altre due restano tue.

Fai prima i conti

Il parlato di presentazioni e lezioni scorre solitamente tra le 130 e le 150 parole al minuto. Una conversazione va più veloce e in modo meno regolare: le persone si sovrappongono, ricominciano le frasi, si interrompono a metà pensiero. Al ritmo di una lezione, un’ora di parlato corrisponde a circa otto-novemila parole. Raddoppiando per una registrazione di due ore si arriva a sedici-diciottomila parole di testo grezzo, di più se si tratta di una discussione tra più persone piuttosto che di un solo relatore.

E questo ancora prima di aver deciso come produrre effettivamente il testo. Se vuoi farti un’idea rapida del numero di parole della tua registrazione prima di impegnarti in qualcosa, un calcolatore del tempo di lettura te lo dice in circa un minuto – vale la pena farlo prima di iniziare la serata, perché un file di quindici minuti e una riunione di due ore sono due lavori diversi che sembrano simili solo finché non li hai misurati davvero. Puoi fare questa stima con il calcolatore del tempo di lettura.

Digitare a mano è più lento di quanto sembri

Se stai valutando se trascrivere tutto a mano stasera, è meglio conoscere subito il vero moltiplicatore. Digitare una trascrizione a mano richiede diverse volte la durata della registrazione – non perché digitare in sé sia lento, ma perché non puoi ascoltare al ritmo del parlato e digitare con precisione allo stesso tempo. Fermi l’audio, torni indietro di qualche secondo, digiti quello che hai sentito, e ricominci. Questo ciclo si ripete continuamente, e peggiora con un vocabolario poco familiare, un parlato più veloce, o momenti in cui due persone parlano insieme.

Il moltiplicatore cresce con la difficoltà dell’audio, non si riduce. Un’intervista pulita a un ritmo di conversazione normale può richiedere tre o quattro volte la sua durata, contando tutte le pause e i riavvolgimenti. Una lezione piena di termini tecnici che non conosci già può richiedere molto più tempo, perché ti fermi costantemente per capire l’ortografia e la formulazione esatta che altrimenti digiteresti di getto. Per due ore di audio, trascrivere a mano non è un lavoro da una serata. È un lavoro che richiede più serate, ed è meglio saperlo prima di cominciare che scoprirlo dopo un’ora.

La trascrizione automatica non diventa più lenta, ma peggiore

Questa è la parte che sorprende la prima volta che si prova. La trascrizione automatica non richiede più tempo quando l’audio è difficile. Il tempo di elaborazione resta più o meno lo stesso, sia che la registrazione contenga una sola voce chiara in una stanza silenziosa, sia che siano tre persone che discutono su una linea telefonica disturbata. Quello che cambia con un audio più difficile è la qualità del risultato, non il tempo necessario per produrlo.

È una buona e una cattiva notizia insieme. Buona, perché non resti in attesa più a lungo per condizioni peggiori – il software finisce comunque nei suoi tempi. Cattiva, perché il tempo risparmiato all’inizio non svanisce: si sposta più avanti, nella quantità di correzioni che la trascrizione richiederà dopo. Un servizio come quello alla base della conversione da audio a testo ti restituisce un documento completo per un file di due ore in tempi rapidi. Se quel documento è quasi pronto o richiede un passaggio attento dipende del tutto da cosa è arrivato al microfono, non da come il software l’ha gestito.

La fase di correzione è quella che decide davvero la tua serata

Questo è il tempo che nessuno preventiva, ed è quello che conta di più. Una trascrizione che produci solo per poterla consultare più avanti – per trovare il punto in cui qualcuno ha citato una data, o per scorrere velocemente in cerca di una decisione presa – non richiede quasi nessuna correzione. I piccoli errori si superano leggendo, perché sai già più o meno cosa dovrebbe esserci scritto. Per una registrazione di due ore, questo tipo di controllo può richiedere venti minuti per scorrere il testo e confermare che è utilizzabile.

Una trascrizione che intendi citare, pubblicare o consegnare a chi non era presente è un lavoro completamente diverso. Richiede un ascolto completo confrontato con l’audio, frase per frase, perché un errore in una citazione è un problema di tutt’altro tipo rispetto a un errore in un appunto privato. Per due ore di audio originale, un controllo così attento richiede quasi due ore del tuo tempo, a volte di più se il materiale è denso o tecnico.

Gli errori non sono distribuiti in modo uniforme nella registrazione, e questa è l’unica vera buona notizia in tutto questo. Nomi, terminologia tecnica, numeri e sovrapposizioni di voci sono i punti dove la trascrizione automatica sbaglia davvero. La maggior parte di una registrazione di due ore torna praticamente corretta, e solo una manciata di minuti – di solito dove due persone parlano insieme, o qualcuno elenca velocemente delle cifre – richiederà attenzione vera. Se sai più o meno dove cadono quei minuti, puoi andare direttamente lì invece di rileggere tutto il documento dall’inizio alla fine. Fare prima i propri conti, in base alla durata della registrazione e a cosa serve davvero la trascrizione, con un calcolatore del tempo di trascrizione ti dà un piano più vicino alla realtà di una semplice stima fatta prima di iniziare.

Dividere il file non fa risparmiare tempo, ma salva la serata

Tagliare una registrazione di due ore in quattro pezzi da mezz’ora prima di trascriverla non rende il lavoro complessivo più veloce. I calcoli visti nelle sezioni precedenti non cambiano – stai comunque trascrivendo due ore di parlato, e correggendo tutto quello che serve correggere, indipendentemente da come tagli il file. Quello che cambia è se il lavoro può essere interrotto o no.

Un unico file di due ore è di fatto una sola sessione, perché riaprirlo più tardi significa ritrovare il punto in cui eri arrivato in un muro di testo senza pause naturali. Quattro file separati sono quattro sessioni, e puoi finirne uno stasera, uno domani e gli altri la settimana prossima senza perdere il filo di dove ti sei fermato. Per una registrazione così lunga – lunga abbastanza che finire tutto in un’unica seduta è improbabile per la maggior parte delle persone – questa possibilità di interrompere conta più di qualsiasi velocità guadagnata elaborando i pezzi in parallelo. Se vuoi fare la correzione con cura, pianifica di dividerla in più momenti, senza aspettarti di sederti una volta e finire tutto.

Un’app che gestisce l’intero file in un colpo, senza chiederti di occuparti tu della divisione, è un’opzione che vale la pena conoscere. L’app di trascrizione SozAI è disponibile tramite la pagina di download per iOS, Android e macOS, e trasforma audio, video, registrazioni o un link YouTube in testo con etichette per i diversi parlanti, un riassunto e la traduzione in un ampio numero di lingue – una delle strade possibili tra quelle descritte sopra, non una scorciatoia per evitare la fase di correzione.

Cosa non si può recuperare, realisticamente

La trascrizione automatica non conosce i nomi dei parlanti a meno che tu non glielo dica. Assegna un’etichetta generica, non un nome che non ha modo di indovinare, e resta così finché qualcuno non la corregge. Non coglierà nemmeno in modo affidabile un nome che non ha mai visto scritto, un termine specifico del tuo settore, o un numero pronunciato velocemente in mezzo a una frase rapida. Sono esattamente i punti su cui si concentra sempre la correzione, e nessuna potenza di calcolo li elimina.

Le sovrapposizioni di voci sono quasi impossibili da recuperare del tutto, qualunque metodo si scelga. Quando due persone parlano insieme, sia la trascrizione automatica sia una persona che digita a mano ne perdono una parte – il software si concentra su una voce e perde l’altra, e chi digita a mano ha lo stesso problema, solo più lentamente. Se una registrazione di due ore ha lunghi tratti di conversazione sovrapposta, prevedi tempo di correzione extra proprio per quei tratti, e non aspettarti che nessuno dei due metodi ti restituisca una lettura pulita di entrambe le voci insieme.

La stima delle due ore è solo un punto di partenza, non una garanzia. Una registrazione con un ritmo regolare, un solo parlante e una terminologia familiare procederà più velocemente in ogni fase descritta qui rispetto a una con tre persone, un microfono scarso e un argomento che non conosci bene. I calcoli visti sopra ti danno un piano per la serata. Non promettono che riuscirai a finirlo in una sola.