App di sintesi vocale (voice to text) che vale la pena usare

Cosa fa un'app voice to text

Un'app voice to text svolge due compiti che sembrano uno solo. Primo, il riconoscimento vocale automatico ascolta il tuo microfono e trascrive le parole. Secondo, una fase di formattazione aggiunge le virgole, le maiuscole e le interruzioni di paragrafo che il parlato grezzo non porta con sé. Alcune app si fermano qui. Quelle migliori aggiungono una fase di pulizia con l'AI che corregge le parole riempitive e affina la frase. Whisper attiva questa fase con la parola chiave "Hey whisper".

La cosa che conta è dove finisce il testo. Un trascrittore di riunioni come Otter registra una conversazione e poi ti consegna una trascrizione. Un'app di dettatura fa l'opposto: premi un tasto, parli e le parole compaiono proprio dove si trova già il cursore, nell'email o nel documento che stai scrivendo. Sono strumenti diversi per lavori diversi, e l'errore più grande che si fa è pagare per quello sbagliato. Qualcuno compra un trascrittore di riunioni per scrivere email, o uno strumento di scrittura per catturare un webinar, e poi si chiede perché ha la sensazione che l'app gli remi contro. Non è l'app. È la categoria.

Il riconoscimento vocale, inoltre, una volta richiedeva un addestramento. Leggevi ad alta voce un elenco di parole per quarantacinque minuti così il software poteva imparare la tua voce, e anche allora sbagliava una frase su tre. (Un mio parente una volta lanciò le cuffie dall'altra parte della stanza. Le cuffie sopravvissero; l'esperimento di dettatura no.) Le app moderne saltano tutto questo. Il modello arriva già conoscendo 99 lingue nelle varianti multilingue di Whisper, o 25 lingue mirate sul motore più veloce Parakeet, e funziona con il tuo accento fin da subito.

Premi un tasto di scelta rapida, parla, il testo compare

L'interazione è tutto il prodotto. Tieni premuto un tasto, parli, lo rilasci e il testo viene incollato al cursore. Nessuna finestra da aprire, nessun pulsante di registrazione da cercare, nessun copia-incolla dopo.

Su Windows, il tasto di scelta rapida predefinito è Ctrl+Space. Su un Mac tieni premuti Command e Option insieme e rilasci uno dei due tasti per fermarti. Entrambi sono personalizzabili, cosa che conta più di quanto sembri. La prima volta che un utente mi disse che il mio tasto di scelta rapida andava in conflitto con la sua app di disegno, ho imparato che "premi un tasto" è un tasto di troppo quando è quello sbagliato. L'avevo fissato nel codice, l'avevo spedito e mi sono sentito furbo per circa una settimana.

Per la maggior parte del tempo un'app di dettatura è invisibile, solo un tasto di scelta rapida e quell'overlay. Le impostazioni sono il punto in cui scegli come si comporta: quale motore gira, se la pulizia con l'AI è attiva, quale lingua aspettarsi. Quella scelta è la cosa che le funzioni integrate del sistema operativo non ti danno.

Locale o cloud, e perché decide la tua privacy

Ecco la divisione che decide tutto il resto. Locale significa che la trascrizione avviene sul tuo laptop, offline, senza che nulla lasci la macchina. La pipeline locale di Whisper esegue due motori in questo modo: i modelli multilingue Whisper per 99 lingue e la traduzione in inglese, oppure Parakeet di NVIDIA, che è da 5 a 10 volte più veloce su una CPU ma copre 25 lingue e nessuna scrittura asiatica. Cloud significa che l'audio va su un server. La modalità Cloud di Whisper usa OpenAI con la tua chiave (bring-your-own-key): fornisci la tua chiave API, copre all'incirca 57 lingue e l'audio è l'unica cosa che lascia il tuo dispositivo.

La maggior parte delle app integrate sceglie silenziosamente il cloud al posto tuo. La digitazione vocale di Windows, per esempio, ha bisogno di una connessione internet. Microsoft lo dice chiaramente sulla sua stessa pagina di aiuto. Il comportamento offline di Gboard dipende dal fatto che tu abbia scaricato un pacchetto lingua sul dispositivo, cosa che varia da telefono a telefono. Le vere opzioni offline sono più ristrette di quanto la categoria lasci intendere: la dettatura di iPhone funziona senza connessione su un iPhone 6s o successivo, la dettatura del Mac può elaborare testo generico sul dispositivo e la modalità locale di Whisper tiene tutto sulla tua macchina.

Se detti il foglio di calcolo del tuo stipendio o la bozza di un'email legale, sapere se quell'audio lascia o no il tuo laptop non è un dettaglio da smanettoni. È la differenza tra uno strumento privato e uno tracciato. Le app cloud compensano con una cosa che gli strumenti grezzi del sistema operativo saltano: una fase di pulizia con l'AI che trasforma "ehm, mandala, ehm, domani" in una frase che spediresti davvero.

Le app a cui mi rivolgerei

Basta con le premesse. Ecco cosa direi a un amico al cancello della scuola che me lo chiedesse, dispositivo per dispositivo.

• Sul telefono, usa il microfono della tastiera. Gboard su Android e la tastiera iOS hanno entrambe un pulsante con il microfono: lo tocchi, parli, fatto. È gratis, già installato, e per un messaggio o una nota veloce è tutto ciò che ti serve. Non c'è nessuna app desktop che valga la pena installare su un telefono per questo.

• Su Windows, parti da Win+H. Premi il tasto Windows e H in qualsiasi casella di testo e la digitazione vocale si apre su tutto il sistema, senza bisogno di un abbonamento Microsoft 365. Ha bisogno di internet, ma è gratis e funziona ovunque.
• Su un Mac, parti dalla dettatura (Dictation). Attivala nelle Impostazioni di Sistema, premi il tasto del microfono e scrive in qualsiasi app. Per il testo generico può girare sul dispositivo invece di contattare i server di Apple.
• Quando l'app integrata non basta, installa un'app desktop. Whisper è quella che sviluppo io: un tasto di scelta rapida valido su tutto il sistema, la possibilità di scegliere il motore locale o cloud, la pulizia con l'AI e una modalità offline che gli strumenti del sistema operativo non offrono. L'intera pipeline locale è gratuita per qualsiasi utente registrato, senza carta alla registrazione. Se usi una sola piattaforma, la guida per Windows e la guida per Mac coprono la configurazione passo dopo passo.

Altre app che vale la pena conoscere

Ci sono alcuni nomi che saltano fuori ogni volta che qualcuno fa questa ricerca, quindi ecco delle descrizioni oneste in una riga.

• Wispr Flow pubblicizza oltre 100 lingue con rilevamento automatico e gira su Mac, Windows, iPhone e Android. È un'opzione multipiattaforma a pagamento se vuoi un unico strumento ovunque; abbiamo scritto un confronto più completo con Wispr Flow se lo stai valutando.
• Dragon Professional è la vecchia guardia. Nuance pubblicizza un'accuratezza fino al 99% fin dal primo utilizzo e una dettatura tre volte più veloce della digitazione, solo su Windows. È un prodotto professionale serio e a pagamento.
• Otter.ai è un trascrittore di riunioni, non uno strumento di dettatura. Il suo piano gratuito offre 300 minuti al mese ed è pensato per registrare conversazioni, non per scrivere al tuo cursore. Strumento giusto, categoria sbagliata per la maggior parte delle ricerche di "app voice to text", la stessa trappola di cui parliamo nella nostra guida ai software di trascrizione.
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

Quando rinunciare a un'app dedicata e usare ciò che è integrato

Se ti limiti a sparare messaggi di trenta parole e qualche nota qua e là, non installare niente. La dettatura di Apple (Apple Dictation) è gratuita, integrata nel tuo Mac e iPhone, e funziona in ogni app in cui puoi scrivere. Gli utenti Windows hanno Win+H alla stessa cifra. Gli strumenti integrati cominciano a far male quando si tratta di testi più lunghi e formattati: niente pulizia con l'AI, niente scelta del motore e, su Windows, niente modalità offline. È questa la linea di confine. Sotto di essa, l'opzione gratuita che Apple e Microsoft ti hanno già dato è la scelta giusta, e preferirei che usassi quella piuttosto che installare la mia per un lavoro di cui non ha bisogno.

Sui costi vale la stessa onestà. Le opzioni integrate arrivano con il tuo dispositivo e non costano nulla. Anche la pipeline locale di Whisper è gratuita per qualsiasi utente registrato, senza alcun metodo di pagamento richiesto per iniziare; la parte Cloud a pagamento e i suoi numeri attuali si trovano sulla pagina dei prezzi. Per l'uso telefono-e-nota-veloce non dovresti pagare nessuno. Per la dettatura desktop su tutto il sistema con modalità offline e pulizia con l'AI, uno strumento a pagamento inizia ad avere senso.

Martedì scorso preparavo i portapranzo mentre rispondevo a un'autorizzazione scolastica, il cetriolo in una mano e il tasto di scelta rapida sotto l'altra, dettando "firmo l'autorizzazione, la mando domani" tra un momento e l'altro in cui il più piccolo mi chiedeva perché a volte la luna non c'era. L'email è partita. I portapranzo sono stati fatti. Una volta ci volevano quindici minuti di digitazione con una mano sola. Qualunque app tu scelga da questo elenco, è quel momento che ti stai ricomprando.