Punti chiave
macOS non trascrive un file video da solo. Quello che sa fare, senza scaricare nulla, è estrarre la traccia audio dal video con QuickTime Player, ottenendo un file molto più piccolo da usare in seguito. La dettatura integrata scrive quello che il microfono sente mentre parli, in tempo reale, quindi non è lo strumento giusto per una registrazione che hai già. La trascrizione è un passaggio a parte, ed è lo stesso passaggio su qualunque computer.
Hai un video sul Mac. Una registrazione dello schermo di una riunione, una lezione che qualcuno ti ha mandato, un filmato che hai salvato. Quello che vuoi sono le parole. E preferiresti non doverti creare un account su un sito che non hai mai sentito nominare solo per ottenerle.
Il compito si divide in due parti nette. Prima si tira fuori un file audio pulito dal video. Poi si trasforma quell’audio in testo. La prima metà il tuo Mac la sa già fare, adesso, con software che hai già installato. La seconda no, e per quanto tu scavi tra le Impostazioni di Sistema non troverai nulla. Sapere dove passa il confine ti risparmia un pomeriggio a cercare una voce di menu che non esiste.
Quello che macOS sa già fare
QuickTime Player è presente su ogni Mac. Riproduce video, registra lo schermo, ed è in grado di esportare l’audio da un file video. Quest’ultima funzione è quella utile in questo caso, e spesso è l’unico passaggio da compiere prima di affidare il file a un altro strumento.
macOS ha anche la dettatura, che trasforma il parlato in testo mentre parli. C’è anche Memo Vocali, che si sincronizza con la stessa app su iPhone tramite iCloud. Con questi tre strumenti puoi registrare un suono, conservarlo e scrivere con la voce.
Nessuno di questi legge un file video già esistente e ti restituisce una trascrizione. Vale la pena dirlo chiaramente, perché questi strumenti sono così vicini tra loro che sembra che la funzione debba esistere da qualche parte, nascosta. Non è così. Il Mac è bravo a produrre registrazioni ed è scarso nel convertirle in testo.
Prima tira fuori l’audio
Un file video è un contenitore. Porta con sé le immagini e porta con sé una traccia audio, e la trascrizione lavora solo su quest’ultima. Il video, per questo scopo, è peso morto.
Quindi esporta l’audio prima di fare qualsiasi altra cosa. QuickTime Player può farlo, il che significa che il primo passaggio non ti costa nulla e non richiede installazioni. Il risultato è un file molto più piccolo di quello di partenza — a volte in modo drastico, a seconda di come era fatto il video.
Quella differenza di dimensioni smette di essere un dettaglio astratto quando la registrazione è lunga. Una lezione di due ore in formato video è scomoda da spostare, caricare o conservare in più copie mentre decidi quale strumento usare. Le stesse due ore in audio sono un file leggero che gestisci senza pensarci. Se hai una cartella piena di registrazioni da elaborare, estrarre prima l’audio è la differenza tra una serata e un intero weekend di lavoro.
L’estrazione risolve anche un dubbio che manda in confusione molti: se serva uno strumento pensato apposta per trasformare file video in testo, oppure se basti una normale trascrizione audio. Una volta che l’audio è un file separato, la distinzione smette di contare. Qualsiasi strumento di trascrizione che accetta audio accetterà anche il tuo file.
La dettatura è un compito diverso
Dettatura e trascrizione vengono spesso usate come fossero sinonimi. Non lo sono, e la differenza è esattamente ciò che si mette tra te e la trascrizione che vuoi ottenere.
La dettatura ascolta un microfono e scrive quello che sente, in tempo reale, mentre accade. Tu parli, il testo compare. È un metodo di scrittura. La trascrizione invece parte da una registrazione già esistente — qualcosa che è successo un’ora fa o un anno fa — e ne produce il testo. Una è un dispositivo di input, l’altra è una conversione.
Puoi provare a colmare il divario riproducendo il video ad alto volume e lasciando che la dettatura ascolti dagli altoparlanti. Qualcuno lo fa. Funziona male. Stai chiedendo a un microfono di registrare di nuovo un suono già registrato una volta, in una stanza, con l’acustica di quella stanza, e devi restare seduto per tutta la durata del video mentre succede. Un’ora di video ti costa un’ora del tuo tempo. Per qualcosa più lungo di un breve filmato non è un’opzione seria. C’è altro da dire su come funziona la conversione da voce a testo su Mac e su dove finisce la strada del sistema integrato, ma in breve: la dettatura non è mai stata pensata per i file.
Quando non hai ancora il file
Tutto quello che abbiamo detto finora parte dal presupposto che il video sia già sul disco. A volte non lo è. Quello da cui vuoi estrarre le parole è una chiamata in corso, o un video che sta girando in una scheda del browser, e non c’è nulla da cui estrarre l’audio perché non è stato salvato niente.
Qui il Mac mette il suo vero ostacolo. Registrare l’audio di sistema del Mac — il suono che esce dal computer, non quello che entra nel microfono — non è qualcosa che macOS offre di default. La registrazione dello schermo ti dà le immagini. Ottenere il suono che le accompagnava è un problema separato, ed è il passaggio che più spesso blocca le persone. Se ti è mai capitato di ritrovarti con una registrazione muta di una riunione senza capire cosa avessi sbagliato, questo è quello in cui sei incappato. Non hai sbagliato niente.
Ci sono modi per aggirare il problema, e vale la pena capirli prima di averne bisogno, non a cinque minuti da una chiamata che non puoi ripetere. I dettagli su come registrare lo schermo del Mac insieme all’audio sono un argomento a parte. Quello che conta qui è che si tratta di un problema di acquisizione, non di trascrizione, e risolverlo ti riporta al caso normale: un file sul disco.
Una strada lo evita del tutto. Memo Vocali su Mac condivide le registrazioni con la stessa app su iPhone tramite iCloud, quindi qualsiasi cosa registri con il telefono compare sul Mac senza doverti spedire un file per email o cercare un cavo. Per una conversazione dal vivo, o per una lezione a cui stai partecipando, registrare con il telefono e recuperare il file dal computer è molto meno complicato che lottare con l’audio di sistema. Ovviamente non risolve nulla per il suono prodotto dal Mac stesso.
Trasformare l’audio in testo
Una volta che l’audio esiste come file, nessuna delle decisioni precedenti conta più. La trascrizione non distingue se il file arriva da un video, da un telefono, da una registrazione dello schermo o da qualcosa che ti ha mandato un collega. Non le importa che tu stia usando un Mac. Da questo punto in poi è lo stesso lavoro che sarebbe su qualsiasi altro computer, quindi la scelta riguarda solo lo strumento di trascrizione e nient’altro.
È anche il punto in cui la preferenza per il “niente account” si scontra con la realtà, quindi meglio essere onesti. Qualsiasi cosa funzioni interamente dentro il browser può garantire che il file non lasci mai il tuo computer, e alcuni strumenti funzionano davvero così. Ma gli strumenti da browser di questo tipo gestiscono cose come file di sottotitoli o conteggi — testo che è già testo. Il riconoscimento vocale vero e proprio su una registrazione di due ore è un lavoro molto più pesante, e gli strumenti che lo fanno in genere richiedono un’app installata oppure che il tuo file finisca sui loro server. Qualunque tu scelga, è questa la domanda da porti, e la risposta dovrebbe essere facile da trovare.
SozAI è una delle opzioni disponibili: un’app di trascrizione per macOS che gestisce file audio e video, registrazioni e link di YouTube, con etichette per i parlanti, riepiloghi e traduzione in più di 99 lingue. Lo stesso sito offre anche strumenti gratuiti per sottotitoli e conteggi che funzionano interamente nel browser, senza caricare nulla e senza account — non trascrivono audio, ma sono utili una volta che hai già una trascrizione su cui lavorare.
Quello che la trascrizione non farà per te
Chiedi le marcature temporali se il tuo obiettivo è tornare a un momento preciso. Una trascrizione senza di esse è un muro di testo che puoi ricercare — troverai la frase — ma trovare la frase non equivale a trovare il punto del video in cui è stata detta. Se stai trascrivendo una lezione per poter saltare direttamente ai dieci minuti che contavano, le marcature temporali sono l’intera funzione. Se stai trascrivendo per leggere una volta e non riaprire più il video, sono solo un ingombro. Decidi in anticipo quale dei due casi è il tuo, perché aggiungerle dopo significa fare il lavoro due volte.
Aspettati che il testo rifletta la registrazione da cui proviene. Il riconoscimento vocale lavora con quello che è stato effettivamente catturato, e una registrazione fatta in una stanza con persone che si sovrappongono gli dà meno materiale utile di una pulita. Estrarre l’audio dal video non migliora l’audio; isolava soltanto quello che già c’era. Se il suono di partenza è scarso, dovrai correggere la trascrizione a mano, e nessun passaggio precedente in questo processo risolve il problema.
E accetta che parte del video non sopravviva al passaggio. Diapositive, diagrammi, qualsiasi cosa scritta su una lavagna, chi stava indicando cosa — tutto questo va perso, perché hai scartato di proposito l’immagine per ottenere un file più maneggevole. Per una conversazione non si perde nulla. Per una demo o una presentazione, la trascrizione è solo metà della documentazione, e vorrai tenere il video originale a portata di mano.
