Punti chiave
Prima di trascrivere una chiamata registrata, verifica che la registrazione fosse lecita nel luogo in cui si trovavano le parti. Le norme cambiano da un paese all’altro: in alcuni casi serve il consenso di tutti i partecipanti, in altri basta quello di uno solo, e questa questione va chiarita prima di premere il tasto di registrazione, non dopo. Fatto questo, si tratta di un problema tecnico. L’audio delle chiamate è a banda stretta, quindi il codec elimina i dettagli su cui si basa la trascrizione, e molte registrazioni mescolano entrambe le voci in un unico canale, rendendo incerta l’attribuzione dei parlanti. Numeri, nomi propri e indirizzi sono le informazioni che ne risentono di più: controllali sempre sull’audio, senza fidarti ciecamente del testo.
Hai un file audio. Qualcuno, durante quella chiamata, ha detto qualcosa di importante — una cifra, una data, un nome, un impegno preso — e vuoi trasformarlo in testo per poterlo citare più avanti. Convertire il file in testo è la parte facile. Le due cose che determinano se otterrai un risultato affidabile sono avvenute prima ancora che tu aprissi il file: se la registrazione era consentita, e come è stato catturato l’audio.
Partiamo dalla questione legale. Non dipende da nulla di tecnico, e nessuna trascrizione, per quanto accurata, può salvare una registrazione che non avresti dovuto fare.
La legalità della registrazione viene prima di tutto
Se una telefonata può essere registrata dipende da dove si trovavano le persone coinvolte. Le regole cambiano da una giurisdizione all’altra. In alcuni casi è necessario che tutti i partecipanti siano d’accordo. In altri basta il consenso di una sola persona, che può anche essere chi sta registrando. Sono regole realmente diverse, e capire quale si applichi al tuo caso non è qualcosa che si può dedurre dall’audio.
È una questione legale, non tecnica. Questo conta più di quanto sembri, perché significa che la risposta era già definita nel momento in cui la registrazione è stata fatta. Nulla di ciò che farai dopo la cambia. Trascrivere il file non la cambia. Eliminare una parte del file non la cambia. Ottenere il consenso dell’altra persona in un secondo momento non trasforma retroattivamente la registrazione originale in qualcosa che non era.
Se le due persone non si trovavano nello stesso posto, potrebbero applicarsi più normative contemporaneamente, ed è esattamente in questo caso che vale la pena chiedere a un legale del luogo in cui ti trovi, invece di basarti su qualcosa letto online. È una conversazione breve, e va fatta prima di costruire qualunque cosa sulla registrazione.
Nulla di tutto questo significa che tu debba scartare un file che hai già. Molte registrazioni di chiamate vengono fatte con la consapevolezza di tutti, oppure in luoghi dove basta il consenso di un solo partecipante, o semplicemente da chi era presente alla chiamata per tenerne un ricordo personale. Ma chiarisci la questione prima di far circolare la trascrizione, di citarla o di allegarla a qualcosa. Un testo scritto viaggia molto più lontano di un file audio, e viaggia più in fretta.
Perché l’audio di una chiamata è più difficile di una registrazione fatta in una stanza
Una telefonata è a banda stretta. Il codec che trasporta la chiamata elimina gran parte del suono prima ancora che venga scritto in un file, perché ha bisogno di conservare solo il necessario per seguire una conversazione in tempo reale. Le persone sono molto brave a colmare i vuoti usando il contesto. La trascrizione automatica lo è molto meno, e il dettaglio che servirebbe per distinguere un suono da uno simile è proprio ciò che è stato scartato.
Per questo la stessa persona, che pronuncia la stessa frase, viene trascritta più fedelmente da un registratore posato sul tavolo che da una linea telefonica. Non è una questione di software migliore in un caso rispetto all’altro: l’informazione semplicemente non è presente nel file della chiamata. Nessuna elaborazione successiva la recupera — non la riduzione del rumore, non la normalizzazione del volume, non far passare il file in un secondo strumento. Si lavora con quello che è sopravvissuto al codec.
Aggiungi le condizioni tipiche di una chiamata reale e il quadro si assottiglia ancora. Una persona sta camminando. Un’altra ha una connessione debole e l’audio salta per una sillaba alla volta. Qualcuno parla sopra un altro. In una registrazione fatta in una stanza, le voci sovrapposte sono già difficili da gestire; su una chiamata compressa, spesso sono irrecuperabili, e la trascrizione sceglierà silenziosamente una voce scartando l’altra, senza avvisarti che ha avuto difficoltà.
Registrare il vivavoce con un secondo dispositivo
Attivare il vivavoce e registrare con un altro telefono o un registratore portatile sembra una soluzione pratica. In realtà è peggio dell’originale. La voce dall’altra parte della linea è già stata compressa in banda stretta, e ora stai catturando quell’audio compresso riprodotto da un piccolo altoparlante, con l’eco della stanza e tutto il resto dei rumori ambientali. Mantieni ogni perdita introdotta dal codec e ci aggiungi un ulteriore strato di degrado.
Se un dispositivo o un servizio può registrare direttamente la chiamata, usa quello. Il vivavoce è una soluzione di ripiego, e vale la pena ricordarlo prima di affidarsi al risultato per qualcosa che richiede precisione.
Uno o due canali: da qui dipende se avrai le etichette dei parlanti
Molte registrazioni di chiamate uniscono entrambe le voci in un unico canale. Tutto finisce in un solo flusso audio, e si perde l’indizio più chiaro per distinguere le due persone — cioè da quale lato della linea parlava ciascuna. Quello che resta sono le voci in sé: intonazione, ritmo, timbro. Funziona meglio con due voci molto diverse tra loro che con due voci simili, e funziona peggio su audio a banda stretta, perché le caratteristiche vocali che permetterebbero di distinguerle sono esattamente il tipo di dettaglio che il codec ha eliminato.
Quando le due voci vengono mantenute su canali separati, l’attribuzione diventa molto più affidabile. Ogni canale corrisponde a una persona. Non c’è alcuna deduzione da fare. Se lo strumento di registrazione che usi offre questa opzione, è la funzione da cercare, ed è meglio cercarla prima della chiamata piuttosto che dopo.
Quando lavori con una registrazione a canale unico, considera le etichette dei parlanti come un’ipotesi utile, non come un dato certo. Di solito saranno corrette su tratti lunghi e continui, e sbagliate nei punti di passaggio, soprattutto quando le due persone si interrompono a vicenda. Se lo scopo della trascrizione è capire chi ha accettato cosa, quei punti di passaggio sono esattamente dove serve che sia corretta: verificali sull’audio.
Estrarre il testo dal file
Una volta esportata, una registrazione di chiamata smette di essere una chiamata. Diventa un normale file audio e può essere trascritta come qualsiasi altro. Il modo di esportarla varia: app di registrazione, centralini e operatori telefonici funzionano tutti in modo diverso, e l’opzione si trova di solito sotto un’icona di condivisione o un menu con i tre puntini sulla registrazione stessa. Prima estrai il file, poi smetti di pensarlo come una telefonata e comincia a pensarlo come audio.
Da qui il procedimento è identico a quello di qualsiasi altro file audio che vuoi trasformare in testo. SozAI trascrive le registrazioni su iOS, Android e macOS con etichette dei parlanti, riepiloghi e traduzione in oltre 99 lingue; puoi scaricare l’app qui, e lo stesso percorso funziona anche per i messaggi di segreteria telefonica, che sono a banda stretta per la stessa ragione e si comportano allo stesso modo. È una delle opzioni possibili, e la scelta dello strumento conta meno della qualità del file che gli fornisci.
Se non si tratta di una singola chiamata ma di una cartella intera accumulata in mesi, il problema cambia natura. Trascrivere tutto per poter ritrovare una frase è di solito l’istinto sbagliato: l’obiettivo più utile è riuscire a cercare all’interno di un archivio di registrazioni, piuttosto che leggerlo tutto.
Se la registrazione potrebbe diventare una prova
Una registrazione fatta per ricordarti cosa è stato detto e una registrazione usata come prova sono soggette a standard diversi. Per uso personale, una trascrizione con qualche imperfezione va benissimo: sai già cosa è successo e il testo serve solo da promemoria. Per qualsiasi uso formale, invece, il file originale va di norma conservato senza modifiche.
Questo significa mantenere il file esattamente come è uscito dal dispositivo. Non tagliare il silenzio iniziale. Non eliminare la parte centrale ritenuta irrilevante. Non esportarlo di nuovo in un formato diverso per renderlo più leggero, e non farlo passare in uno strumento che normalizza il volume creando un nuovo file. Qualsiasi di queste operazioni produce una versione derivata, e l’originale è ciò che ha valore probatorio. Lavora su una copia e lascia l’originale intatto.
In questo contesto, la trascrizione è un documento di lavoro che accompagna la registrazione, non la sostituisce. Serve a trovare rapidamente i trenta secondi rilevanti. La registrazione è ciò che quei trenta secondi effettivamente contengono. Se una registrazione sia ammissibile o no è una domanda separata, e va posta alla stessa persona a cui hai chiesto se la registrazione fosse legale.
Cosa dovrai comunque correggere a mano
Le parti di una chiamata di cui le persone hanno più bisogno in seguito sono numeri, nomi propri e indirizzi — un numero di riferimento, un importo, come si scrive un cognome, quale via. Sono anche le parti che l’audio a banda stretta danneggia di più, perché non portano con sé alcun contesto. Una frase intera si può ricostruire dalle parole che la circondano. Un numero di sette cifre no. Se una cifra è sbagliata, nulla nell’audio circostante lo segnala, e la trascrizione la presenterà con la stessa apparente sicurezza di tutto il resto.
Per questo, tratta ogni numero, nome e indirizzo presente in una trascrizione di chiamata come qualcosa da verificare, non da usare direttamente. Trovalo nel testo, salta a quel punto esatto dell’audio, ascolta. Richiede un minuto per ogni elemento, ma è la differenza tra una trascrizione su cui puoi agire concretamente e una che è soltanto plausibile. Se un dettaglio è importante al punto che sbagliarlo ti costerebbe qualcosa, è quello il criterio per decidere se va controllato.
Regola le tue aspettative di conseguenza per tutto il resto. La trascrizione di una telefonata è generalmente una buona registrazione della sostanza — l’andamento della conversazione, cosa è stato proposto, cosa è stato accettato, il tono di un eventuale disaccordo. È invece un documento meno affidabile sui dettagli precisi, e lo diventa ancora meno dove due persone parlano insieme o dove la connessione è saltata. Sapere di quali parti fidarsi è gran parte della competenza necessaria. La trascrizione ti offre una versione rapida e ricercabile della conversazione, e un modo per tornare esattamente al secondo dell’audio che ti interessa. Non sostituisce l’audio, e su un file a banda stretta non avrebbe mai potuto farlo.
