Punti chiave
Capire un vocale in una lingua che non conosci richiede due operazioni distinte: prima trasformare l’audio in testo nella lingua in cui è stato effettivamente parlato, poi tradurre quel testo. La tua app di traduzione non può nemmeno partire finché il primo passaggio non è concluso, perché si aspetta che tu digiti qualcosa. È nella fase di trascrizione che si decide la qualità del risultato, e un errore lì viene tradotto fedelmente nella tua lingua e smette di sembrare un errore. Se fai entrambi i passaggi da solo, nessun altro deve ascoltare il messaggio.
Arriva un vocale da un parente, un fornitore, il padrone di casa. Riconosci qualche parola, quanto basta per capire che è importante e non abbastanza per capire cosa dica. La mossa ovvia è aprire l’app di traduzione che hai già sul telefono, e la mossa ovvia non funziona, perché l’app aspetta che tu digiti qualcosa e non puoi scrivere quello che non riesci a sentire.
La seconda mossa ovvia è inoltrarlo a qualcuno che conosce quella lingua. Funziona, ma ha un costo che magari non vuoi pagare. Questo articolo spiega come fare senza nessuna delle due strade, cosa la macchina interpreta bene e dove sbaglia in modi precisi che puoi imparare a riconoscere anche in una lingua che non hai mai letto.
Perché l’app di traduzione che hai già non può partire
Tradurre un parlato sono due operazioni che condividono un nome. La prima è la trascrizione: trasformare il suono in parole scritte nella lingua usata da chi parla. La seconda è la traduzione: trasformare quelle parole scritte in una lingua che tu leggi. Sono due meccanismi separati, falliscono in modi diversi, e la maggior parte degli strumenti a cui la gente si rivolge fa solo il secondo.
Questo è l’intero motivo per cui l’app sul telefono resta lì senza fare nulla di utile. È costruita attorno a una casella di testo. Entra testo, esce testo. Se le dai in mano un file audio, non ha materiale su cui lavorare. Alcuni strumenti accettano il parlato tramite microfono, il che aiuta quando sei tu a parlare e puoi ripeterti, e aiuta molto meno con una registrazione di qualcun altro che parla in fretta su una connessione scarsa.
Una volta capito l’ordine delle operazioni, il problema cambia forma. Non stai cercando un traduttore. Stai cercando qualcosa che produca una versione scritta del messaggio nella sua lingua originale, dopodiché le tue abitudini di traduzione funzionano esattamente come sempre. Qualunque strumento usi già per il testo va benissimo per la seconda metà. La prima metà è la parte che devi risolvere.
Questo spiega anche una cosa che lascia perplessi: perché un messaggio possa tornare tradotto in un italiano fluente, sicuro di sé e completamente sbagliato. La metà di traduzione ha fatto il suo lavoro. Le è stato dato un input scorretto e lo ha reso magnificamente.
Il costo di chiedere a qualcuno di ascoltare
Inoltrare il messaggio a un amico bilingue, un cugino, un collega che per caso conosce quella lingua, è veloce e di solito accurato. Significa anche consegnare a quella persona il contenuto di una conversazione privata, per intero, tono di voce incluso.
Per un messaggio su un orario di consegna, a nessuno importa. Per messaggi su soldi, salute o famiglia, il calcolo cambia. Un vocale di un parente su un esito medico non è qualcosa che vuoi far sentire a un collega. Un messaggio del padrone di casa sugli arretrati non è qualcosa che vuoi spiegare a un amico prima di aver deciso tu stesso cosa pensarne. Lo stesso vale per il messaggio di un fornitore su un pagamento che forse hai sbagliato.
Il risultato è che il messaggio resta non ascoltato. Non perché non sia importante, ma perché occuparsene significa coinvolgere qualcuno, e coinvolgere qualcuno ha un prezzo sociale che si paga ancora prima di sapere cosa dice il messaggio. Le persone lasciano i vocali in sospeso per giorni esattamente per questo motivo. Il messaggio che non riesci a leggere è quello che meno vuoi far leggere ad alta voce a qualcun altro.
Questo è un motivo concreto per gestire i due passaggi da solo, e vale la pena dirlo chiaramente invece di trattare la privacy come un vantaggio secondario. Il punto non è che la trascrizione automatica sia migliore di tuo cugino. Tuo cugino probabilmente è più bravo. Il punto è che puoi leggere il messaggio per primo, da solo, e decidere dopo se qualcun altro deve saperlo.
Il primo passaggio decide la qualità del secondo
Tutta l’utilità del risultato dipende dalla trascrizione nella lingua originale. Se quella è giusta, la traduzione diventa un problema di routine. Se è sbagliata, l’errore si propaga.
Ecco perché è pericoloso. Se una trascrizione nella lingua originale contiene un errore, e tu non leggi quella lingua, non vedrai mai l’errore. Passa alla fase di traduzione, viene reso fedelmente in una lingua che leggi, e arriva con l’aspetto di una frase normale. Non ha spigoli. Niente lo segnala. Una parola sbagliata che sopravvive alla traduzione ha esattamente l’aspetto di una parola giusta.
Confrontalo con una trascrizione in una lingua che conosci, dove un errore si annuncia da solo. Leggi una frase, non ha senso, riascolti l’audio. Quel ciclo di correzione qui non è disponibile. Stai leggendo l’output di un processo che non puoi verificare.
La conseguenza pratica è che dovresti trattare con sospetto la trascrizione, non la traduzione. Se qualcosa suona strano nella tua lingua, il difetto è quasi mai nella metà di traduzione. È quasi sempre una parola che la trascrizione ha capito male, e il rimedio è guardare il testo nella lingua originale in quel punto e riascoltare quel momento dell’audio, anche senza capirlo. Sentire che chi parla ha detto una parola breve dove la trascrizione riporta una parola lunga ti dice qualcosa.
Falla identificare la lingua, poi controlla il nome
Un ostacolo pratico si presenta subito: alcuni strumenti ti chiedono di scegliere la lingua di partenza da un elenco prima di fare qualsiasi cosa. Se non riesci a identificare la lingua con certezza, e spesso le persone non distinguono a orecchio lingue molto simili tra loro, stai indovinando l’impostazione che determina tutto il risultato.
Il rilevamento diretto dall’audio elimina questo passaggio. L’estensione SozAI per WhatsApp Web capisce la lingua dalla registrazione invece di chiederti di scegliere, e mette un’etichetta sul risultato che indica quale lingua ha riconosciuto. Quell’etichetta è la parte utile, perché è così che scopri un’ipotesi sbagliata: se indica una lingua che sai che chi ti scrive non parla, la trascrizione sotto non vale la lettura, e lo capisci con un colpo d’occhio invece che dopo due paragrafi di confusione.
Una cosa da aspettarsi. Il riassunto torna nella stessa lingua in cui è stato parlato il messaggio. È il comportamento corretto per il primo passaggio, e significa che un messaggio che non riesci a leggere resta un messaggio che non riesci a leggere. Hai trasformato un problema audio in un problema di testo, che è esattamente lo scopo, ma la fase di traduzione resta ancora a tuo carico.
Le parti più probabili di essere sbagliate sono le parti che contano
Le trascrizioni automatiche sono più affidabili sul parlato ordinario e collegato, e più fragili esattamente su tre cose: nomi di persona, nomi di luogo e numeri. Una parola comune si può prevedere dalle parole intorno. Un cognome no. Il nome di una via no. Una cifra no.
Ora pensa a cosa parlano di solito i vocali. Dove incontrarsi. Quanto si deve. Quale giorno. Chi ha detto cosa a chi. L’informazione che ti serve davvero è concentrata proprio nelle parti della trascrizione meno probabili di essere corrette, e in un messaggio su un indirizzo o una somma di denaro, quelle parti non sono un dettaglio: sono il messaggio.
Quindi leggi la trascrizione in due passaggi. Il primo passaggio ti dà la forma del messaggio: chi parla, di cosa si tratta, se serve una risposta oggi. Fidati di questo. Il secondo passaggio serve solo per i dettagli specifici, e lì dovresti verificare, non fidarti.
- Riascolta i pochi secondi di audio intorno a qualsiasi numero e cerca di distinguere le cifre, spesso riconoscibili anche in una lingua che non parli.
- Controlla i nomi con i tuoi contatti o i messaggi precedenti, non con la trascrizione.
- Confronta un indirizzo con uno che hai già registrato per quella persona o azienda.
- Se una somma determina la tua prossima azione, confermala per iscritto prima di agire.
Chiedere a chi ti scrive di confermare una cifra per testo non è un’ammissione di non aver capito. È esattamente quello che faresti con un numero sentito male al telefono, anche nella tua lingua.
Cosa questo strumento non farà per te
Non ti darà il messaggio nella tua lingua in un solo passaggio. Due fasi significano due fasi, e la trascrizione arriva nella lingua in cui è stata pronunciata. Se vuoi il risultato finito direttamente nella tua lingua senza gestire separatamente la traduzione, è un compito diverso dalla sola trascrizione, e la traduzione tra lingue è il posto giusto da guardare. Lo stesso vale per l’audio che hai come file invece che come messaggio WhatsApp: una registrazione, un allegato inoltrato, qualcosa salvato dal telefono, cosa che l’app di trascrizione gestisce e un’estensione del browser per WhatsApp Web no.
Non ti dirà il tono. Una trascrizione breve di un messaggio lungo elimina l’esitazione, il calore, l’irritazione e la pausa prima della frase importante. Se stai cercando di capire quanto sia preoccupato un parente, le sole parole non basteranno, e dovresti riascoltare l’audio con la trascrizione davanti.
Non sarà attendibile su audio registrato male. Vento, un vivavoce in macchina, due persone che parlano insieme, un vocale registrato in un corridoio. Un input scarso produce una trascrizione sbagliata ma sicura di sé invece di un fallimento evidente, il che è peggio, perché sembra completa.
E non sostituirà tuo cugino quando il messaggio è davvero ambiguo. Quello che fa è permetterti di scoprire se il messaggio è ambiguo prima che qualcun altro lo senta. Nella maggior parte dei casi la risposta è no, e puoi gestirlo da solo. Quando la risposta è sì, ora sai quali trenta secondi chiedere invece di consegnare tutta la registrazione.
