È possibile trascrivere un audio senza caricarlo da nessuna parte?

Punti chiave

Sì, è possibile, ma è più raro di quanto suggerisca il marketing. La trascrizione che gira sul dispositivo e quella che gira su un server sono due architetture diverse, non un’opzione da attivare, e la maggior parte delle app usa il server perché un modello locale occupa spazio e sul dispositivo gira più lentamente su hardware meno recente. Un’informativa sulla privacy che promette la cifratura durante il trasferimento descrive la connessione, non la destinazione. Chiedi tre cose a qualsiasi strumento: se l’audio esce dal dispositivo, per quanto tempo viene conservato, e se viene usato per addestrare qualcosa.

Se hai in mano la registrazione di una seduta di terapia, di una chiamata con un avvocato o di una riunione che non doveva uscire da quella stanza, la domanda non è teorica. Vuoi sapere se quel file può diventare testo senza che una copia finisca sull’hardware di qualcun altro. La risposta esiste, ed è più precisa di quanto lascino intendere la maggior parte delle pagine prodotto.

Quello che segue è la situazione reale: cosa gira in locale, cosa no, perché la distinzione cade dove cade, e cosa chiedere prima di affidare a chiunque un audio che poi non puoi più far tornare indietro.

Trascrizione locale e su server sono due architetture diverse

La cosa più utile da capire è che non si tratta di una preferenza sulla privacy che un’app ti concede. La trascrizione che avviene sul telefono o sul computer e quella che avviene su una macchina remota sono architetture diverse. Un’app è stata costruita in un modo o nell’altro. Non esiste un interruttore nascosto nelle impostazioni che sposta il lavoro dal server al dispositivo, perché i componenti necessari per l’elaborazione locale erano già inclusi nell’app fin dall’inizio, oppure non lo sono mai stati.

Trascrizione locale significa che un modello vocale vive sul dispositivo. L’audio viene dato in pasto a quel modello lì, il testo esce da lì, e non c’è bisogno che nulla viaggi. Trascrizione su server significa che l’audio viene inviato altrove, elaborato su un hardware che non controlli, e il testo torna indietro. Entrambe le soluzioni possono essere realizzate bene. Entrambe possono essere realizzate male. Ma solo una delle due mantiene l’audio nelle tue mani, e quale delle due stai usando è un dato di fatto sul software, non su quanto attentamente l’hai configurato.

Il motivo per cui la maggior parte delle app scelgono la strada del server non è indifferenza. Un modello locale deve essere memorizzato sul dispositivo, e questo costa spazio reale. Gira sul processore che il dispositivo ha a disposizione, il che significa che è più lento su hardware datato, e ancora più lento su file lunghi. Questi due vincoli bastano a spingere la maggior parte dei prodotti verso i server, dove il modello può essere grande, l’hardware può essere veloce e non c’è nulla da scaricare. Questo compromesso è tutta la spiegazione del perché l’opzione privata sia quella meno comune.

La cifratura durante il trasferimento descrive la strada, non la destinazione

Qui è dove molte persone ragionevoli si fanno un’idea sbagliata di sicurezza. Un’informativa sulla privacy dichiara che i tuoi dati sono cifrati durante il trasferimento. Quella frase è quasi certamente vera, e non dice nulla sul fatto che il tuo audio venga elaborato su un server o conservato lì in seguito.

Cifratura durante il trasferimento significa che la connessione tra il tuo dispositivo e il servizio è protetta mentre i dati si spostano. È un’affermazione sulla strada. È perfettamente compatibile con il fatto che il tuo audio arrivi su un server, venga elaborato lì, e resti in archivio per tutto il tempo che la politica di conservazione consente. Se non altro, una promessa sulla cifratura in transito è una conferma implicita che qualcosa è effettivamente in transito. Un audio che non lascia mai il dispositivo non ha bisogno di una connessione protetta, perché non sta facendo alcun viaggio.

Quindi quando leggi una pagina sulla sicurezza, separa le affermazioni. La protezione della connessione è un’affermazione. Dove avviene l’elaborazione è un’altra. Per quanto tempo l’audio viene conservato è una terza. Una pagina può essere scrupolosamente onesta sulla prima e semplicemente silenziosa sulle altre due, e tu finirai per credere qualcosa che quella pagina non ha mai detto.

Cosa può fare davvero un browser senza inviare il tuo file

Esiste una categoria reale di strumenti che elaborano un file interamente nel browser. Apri una pagina, scegli un file, e il lavoro avviene dentro quella scheda. Niente viene caricato altrove. Non è una trovata di marketing: è così che lo strumento è costruito, e significa che il file non lascia mai la tua macchina.

Il problema è cosa questi strumenti possono effettivamente fare. L’elaborazione locale nel browser funziona per compiti che non richiedono un modello: convertire tra formati di sottotitoli, spostare i tempi in modo che i sottotitoli coincidano con un video rimontato, contare parole o caratteri in una trascrizione che hai già. Sono trasformazioni di testo e di dati temporali. Sono operazioni piccole, deterministiche, e non richiedono nulla oltre al file stesso.

Trasformare il parlato in testo non è quel tipo di compito. Richiede un modello vocale, e un modello è una cosa grande che deve arrivare da qualche parte e vivere da qualche parte. Una pagina web che offre di trascrivere il tuo audio, in pratica, sta inviando quell’audio a un server per l’elaborazione. La pagina è l’interfaccia; il lavoro avviene altrove. Se uno strumento nel browser trascrive, presumi che ci sia un caricamento, e vai a cercare la politica di conservazione invece che la rassicurazione.

Le tre domande che separano le risposte vere dal marketing

Non serve fare un audit dell’infrastruttura di nessuno. Servono tre risposte, e le servono tutte tre, perché una buona risposta a una domanda può nascondere una brutta risposta a un’altra.

• L’audio esce dal dispositivo? Non “è sicuro” e non “è cifrato”: viaggia o no. Un servizio che elabora su un server dovrebbe dirlo chiaramente.
• Per quanto tempo viene conservato? Se l’audio viene inviato da qualche parte, viene anche archiviato da qualche parte, almeno per un breve periodo. La domanda è se si tratta di minuti, giorni, o fino a quando non chiedi la cancellazione.
• Viene usato per addestrare qualcosa? Elaborare il tuo audio e imparare dal tuo audio sono due usi diversi. Un servizio può essere onesto sul primo e vago sul secondo.

Se una pagina risponde solo alla prima domanda, hai un terzo del quadro. Se non ne risponde a nessuna e offre invece un linguaggio sulla cifratura, considera anche questo come una risposta. La vaghezza sulla conservazione dei dati raramente è casuale.

Applicando questo criterio: l’app di trascrizione SozAI gira su un server, quindi l’audio che registri o carichi viene inviato per l’elaborazione, e i dettagli su conservazione e gestione sono descritti nella pagina sulla sicurezza e la gestione dei dati. Gli strumenti gratuiti per sottotitoli e conteggi sul sito sono invece la parte che gira interamente nel browser, e non trascrivono.

Eliminare la trascrizione non equivale a eliminare l’audio

Questo è il punto in cui cade chi ha fatto tutto il resto correttamente. Finisci con una registrazione delicata, elimini la trascrizione dall’app, e la voce scompare dal tuo elenco. Sembra tutto risolto.

La trascrizione e l’audio sono di solito regolati da politiche di conservazione separate. Rimuovere una trascrizione da un’app la rimuove dalla tua vista dell’app. L’audio che l’ha generata resta con il servizio che l’ha elaborato, secondo la politica di conservazione che quel servizio applica, e quella politica potrebbe non essere attivata dal fatto che tu prema elimina su un pezzo di testo. Sono due eliminazioni distinte, e solo una delle due è davanti ai tuoi occhi.

Quindi se l’audio ti preoccupa, cerca specificamente la risposta sulla conservazione, nella informativa sulla privacy o ovunque un servizio la documenti. Cerca un periodo indicato esplicitamente, o un meccanismo dichiarato per richiedere la cancellazione del file originale, non solo del risultato. Se non trovi né uno né l’altro, non hai trovato una politica che coprisse ciò che ti preoccupa.

Cosa si perde insistendo sull’elaborazione locale

Se decidi che nulla deve uscire dal dispositivo, punto, è una posizione legittima e ha un costo. È bene essere chiari su questo costo prima di impegnarsi, perché la delusione di solito arriva più tardi, nel mezzo di un file lungo.

Il modello deve stare sul dispositivo, quindi paghi in spazio di archiviazione. Deve girare sul dispositivo, quindi paghi in tempo, e quel conto cresce su hardware datato e registrazioni lunghe. Una riunione di due ore non è un lavoro di due minuti su un telefono che ha già qualche anno sulle spalle. Non c’è modo di comprarsi una via d’uscita da questo problema restando nell’architettura locale, perché tutto il senso di quella scelta è che nessuna macchina più veloce entra in gioco.

Sull’accuratezza, resisti alla tentazione di accettare una regola generale in un senso o nell’altro. Quello che si può davvero affermare è che una configurazione locale è limitata da ciò che entra nel dispositivo e da ciò che il dispositivo può calcolare, mentre una configurazione su server non ha questo limite. Se questo si traduce in una differenza reale nella tua trascrizione dipende dal modello, dalla registrazione, dagli accenti, dal rumore di fondo e dalla lingua. L’unico test onesto è il tuo audio, sullo strumento che stai considerando, prima di farci affidamento per qualcosa che conta davvero.

E c’è una via di mezzo che spesso si trascura: non tutte le registrazioni richiedono lo stesso trattamento. La seduta di terapia e la riunione settimanale non hanno bisogno di un trattamento identico. È perfettamente ragionevole usare uno strumento basato su server per la maggior parte del lavoro e tenere un piccolo insieme di registrazioni completamente fuori da esso, trascrivendole a mano oppure non trascrivendole affatto. Decidere in quale gruppo far rientrare un file è di solito una via più rapida verso la tranquillità rispetto a cercare uno strumento unico che vada bene per ogni caso.