Voice to text su Windows: gratis o a pagamento

Tre strade in un minuto

L'app non sceglie un modello di trascrizione al posto tuo. Scegli tu fra tre strade. È voluto.

Cloud (OpenAI, BYOK) — la strada di massima qualità

Porti la tua chiave API OpenAI. La trascrizione gira su gpt-4o-mini-transcribe (default) o gpt-4o-transcribe. L'AI text enhancement gira di default su gpt-5-mini; sono disponibili anche gpt-5-nano e gpt-5. La ricerca web passa attraverso gpt-4o-mini tramite la Responses API. Paghi OpenAI direttamente per l'utilizzo; noi non prendiamo nulla. Scegli questa se vuoi la migliore qualità e accesso al web in un unico strumento, e ti va bene pagare al minuto direttamente OpenAI.

Parakeet (NVIDIA TDT, ~600 MB) — la strada locale più veloce

Parakeet v3 è da 5 a 10× più veloce di Whisper su CPU. Inglese più 24 lingue europee. Niente translate-to-English. Niente code-switching con script asiatici. La qualità è buona, non al livello di Whisper-large-v3, ma più che sufficiente per email e documenti di tutti i giorni. Scegli questa se vuoi velocità e parli per lo più inglese.

Whisper locale (8 modelli) — la strada locale più controllabile

Più lento di Parakeet sullo stesso hardware. In cambio ottieni 99 lingue sui build multilingue, translate-to-English, vocabolario personalizzato, controllo della beam-size e hotword biasing. Scegli questa se ti serve la traduzione, la trascrizione multilingue (specialmente cinese, giapponese, coreano, che Parakeet non supporta), o un controllo più fine per singola registrazione.

Tutte e tre le strade usano lo stesso hotkey, lo stesso overlay, le stesse impostazioni. Il toggle è un solo interruttore.

Cosa ti dà già Windows (Win+H)

Apri qualsiasi campo di testo: Word, Outlook, la barra degli indirizzi del browser, Notepad, l'input di Slack. Premi Windows + H. Compare una piccola toolbar di dettatura, e il tuo PC sta ascoltando. Parla. Clicca fuori, o premi il pulsante stop sulla toolbar, e il testo resta. Quella è tutta la base.

Microsoft la chiama Voice Typing. È integrata in Windows 10 e Windows 11. Non c'è nessuna app da installare. Non c'è nessun "training" come quello che il parente a cui sto pensando ha dovuto fare su Dragon NaturallySpeaking su un desktop Windows 98 nel 1999, che richiese 45 minuti di lettura di una lista di calibrazione prima che il software riuscisse a decidere se avevi detto "writing" o "riding". La tecnologia vocale è migliorata silenziosamente mentre nessuno guardava, e Microsoft ha rilasciato il risultato in un aggiornamento di sistema senza nemmeno un comunicato stampa.

Un paio di cose da sapere fin da subito. Voice Typing usa il riconoscimento vocale online di Microsoft, alimentato da Azure Speech services. Ovvero: l'audio lascia il tuo laptop diretto a un data center Microsoft. Se stai dettando un foglio stipendi, una nota HR, o qualunque cosa vincolata da HIPAA o GDPR, la cosa conta. Verifica la policy IT della tua azienda o usa uno strumento la cui storia di privacy sia più semplice. La funzione supporta più di 50 lingue con varianti regionali. Su un Copilot+ PC (la nuova generazione Snapdragon X / Surface), c'è anche una funzione Voice Typing chiamata Fluid dictation che usa un piccolo modello linguistico on-device per correggere grammatica, punteggiatura e parole riempitive mentre parli, attualmente disponibile in tutte le varianti regionali dell'inglese.

Voice Typing vs Voice Access — scegli la superficie giusta

Due funzioni Microsoft diverse, spesso confuse. Voice Typing è quello che ottieni con Windows + H. Voice Access è una funzione separata per controllare l'intero PC con la voce: aprire app, cliccare pulsanti, scrollare, oltre a scrivere testo. Voice Access richiede Windows 11 22H2 o successivi, usa il riconoscimento vocale on-device che funziona senza connessione internet, e ha sostituito il vecchio Windows Speech Recognition a settembre 2024. Le lingue di Voice Access coprono inglese (sei varianti regionali), spagnolo, tedesco, francese, cinese semplificato e tradizionale, giapponese e italiano.

Se il tuo obiettivo è "voglio dettare testo nelle app", vuoi Voice Typing. Se il tuo obiettivo è "non posso usare mouse e tastiera, devo guidare l'intero PC", vuoi Voice Access. I due funzionano su premesse diverse e la documentazione vive in posti diversi. La maggior parte dei lettori che cercano "voice to text su Windows" vuole Voice Typing.

Quando Microsoft Voice Typing basta

Detto fra noi, alla maggior parte delle persone non serve un'app di dettatura a pagamento. Se stai mandando una risposta da 30 parole, dettando in un thread Slack, o annotando un appunto sul calendario, Windows + H è gratis e funziona. Whisper inizia a valere la pena intorno alla soglia delle 200 parole, dove l'accuratezza di Voice Typing e l'assenza di un passo di enhancement iniziano a far male. Le frasi lunghe diventano interminabili. La punteggiatura va alla deriva. I nomi propri vacillano; il nome di mia figlia maggiore è stato trascritto come "Maira", "Mirror", e una volta, memorabilmente, "Mirror image".

La divisione, all'incirca: breve, informale, solo inglese, niente preoccupazioni di compliance → Voice Typing. Lungo, ragionato, multilingue, sensibile, o vuoi enhancement → cerca uno strumento vero. Se la tua giornata è per lo più chat Teams da due righe, hai finito di leggere questo articolo. Se la tua giornata implica scrivere email, brief, commenti al codice, riassunti di lezioni o varianti di copy di marketing, vai avanti. dictating into Word specifically has a few extra considerations worth reading.

And if you want the inverse — Windows reading text back to you for proofreading long drafts — the honest free text-to-speech roundup covers Edge's built-in Read Aloud and the five tools worth the install.

Preferisci la pagina del prodotto alla guida pratica? Whisper, il riconoscimento vocale per Windows presenta l'app, i modelli locali e il download in un unico posto.

Walkthrough: modalità Cloud (la strada OpenAI BYOK)

Cloud è la strada di massima qualità e quella che imposterei per primo su una macchina nuova. Tempo stimato: circa 3 minuti se hai già una chiave OpenAI.

Strada alternativa: Parakeet (la corsia local-first)

Se preferisci che il tuo audio non lasci il laptop, Parakeet è il motore locale più veloce.

Installazione

Stesso installer di Whisper. Settings → Transcription → cambia la modalità in Local — Parakeet. L'app scarica il file del modello Parakeet v3 (~600 MB) e lo decomprime al primo avvio.

Uso

Stesso hotkey: tieni premuto Ctrl + Space, parla, rilascia. Il transcript appare al cursore, esattamente come in modalità nuvola. Non serve internet dopo che il modello è stato scaricato. Tutta la trascrizione è pure-Rust via transcribe-rs (nessun sidecar Python).

Quando sceglierla

Sei un anglofono. Lavori per lo più in inglese. Il code-switching fra lingue UE va bene; Parakeet copre 25 lingue tra cui francese, tedesco, spagnolo, italiano, polacco, ucraino, russo e altre 17. Vuoi velocità e non ti serve translate-to-English o le lingue asiatiche. Parakeet gira da 5 a 10× più veloce di Whisper su CPU, il che su un tipico laptop Intel i5/i7 significa che finisci di dettare nel momento in cui togli il dito dal tasto.

Quando saltarla

Parli cinese, giapponese, coreano, arabo, o un'altra lingua non UE; ti serve translate-to-English; o ti serve il controllo di beam-size e hotword. Usa la strada Whisper locale o Cloud al suo posto.

Strada alternativa: Whisper locale (quando ti serve controllo)

Whisper locale è il motore locale più ampio. 99 lingue sui build multilingue. Translate-to-English. Vocabolario personalizzato. Controllo della beam-size. Hotword biasing.

Installazione

Stesso installer di Whisper. Settings → Transcription → cambia la modalità in Local — Whisper. Scegli un modello.

Uso

Stesso hotkey: tieni premuto Ctrl + Space, parla, rilascia. L'AI enhancement in modalità locale è via Ollama se ce l'hai installato; altrimenti trascrizione raw.

Preset di performance

Settings → Transcription → Performance. Tre opzioni: Fast (beam 3), Balanced (beam 6), Accurate (beam 9). Fast e Balanced vanno bene per la maggior parte degli utenti; Accurate è per trascrizioni ad alto valore in cui puoi aspettare un secondo in più.

Quando sceglierlo

Traduci dall'ucraino all'inglese a metà frase, detti in giapponese, passi fra cinque lingue in un paragrafo, o vuoi hotword biasing per vocabolario di settore (medico, legale, tecnico).

Quando saltarlo

Sei un anglofono che vuole l'opzione locale più veloce; scegli Parakeet. Vuoi accuratezza top di gamma e hai una chiave OpenAI; scegli Cloud.

Il confronto onesto: Microsoft Voice Typing, Wispr Flow e Whisper

Wispr Flow è un prodotto cloud-only ben rifinito a circa $15 al mese su Windows. La trascrizione vera avviene tramite la stessa famiglia di modelli Whisper che gira sulla GPU di qualcun altro. Noi facciamo girare lo stesso motore sul tuo laptop, costiamo $9.99 al mese, e includiamo il cloud (BYOK su OpenAI) come fallback quando lo vuoi. Il prezzo lifetime ($69) si pareggia con l'abbonamento mensile a sette mesi: a $9.99 × 7 avresti speso $69,93 in mensilità. La maggior parte degli utenti continua a dettare per parecchio più di sette mesi. Lifetime è il prezzo onesto per uno strumento che usi davvero.

Voglio essere chiaro: Wispr Flow è un prodotto vero, fatto da gente in gamba. Se è la loro UI a convincerti a dettare in primo luogo, vale più di $20 al mese in tempo risparmiato a digitare. Noi pensiamo soltanto che la dettatura non dovrebbe costare un abbonamento mensile per sempre nel 2026.

If your dictation lives mostly in the browser, the Chrome-extension route is a different trade-off again; the honest Voice In (Dictanote) alternative weighs an in-page extension against a system-wide app that types into every window.

Scegliere il modello Whisper giusto per il tuo hardware

Whisper è disponibile in otto taglie all'interno dell'app. La verità noiosa è che la maggior parte degli utenti Windows dovrebbe scegliere small.en per il lavoro solo in inglese, o small per il multilingue, e non pensarci mai più.

Tutte le dimensioni prese direttamente dal model registry dell'app desktop; nessun arrotondamento, nessun numero dal paper pubblico di Whisper.

Qualche regola del pollice. Con 8 GB di RAM, la modalità Cloud gira su qualsiasi hardware comunque. In locale: Parakeet, base.en o small.en sono le scelte sicure; medium.en si strozza. Con 16 GB+ e una GPU dedicata, tutte le strade girano comodamente e large-v3 e turbo sono quelle che beneficiano di più dalla GPU. Un microfono USB da $20 fa di più per l'accuratezza della trascrizione che passare da small.en a medium.en. Spendi soldi sull'input prima di spenderli sul modello.

Per gli utenti multilingue che alternano fra inglese e ucraino, tedesco o giapponese a metà paragrafo, large-v3 o turbo è l'unica famiglia di modelli che gestisce il code-switching reale in modo pulito. I modelli multilingue più piccoli riescono a trascrivere bene una lingua, ma vacillano quando passi da una all'altra a metà frase.

Tre cose che inciampano la gente nella prima settimana

Una piccola storia che potrebbe risparmiarti una serata. La prima versione dell'handler dell'hotkey di Whisper faceva scattare il callback di stop-recording sei volte per ogni vera pressione di tasto su Windows. Funzionava bene su un'installazione pulita, si rompeva sulle macchine dei clienti che avevano qualunque tipo di input linguistico abilitato. Ci sono voluti diversi giorni di telemetria, un debounce da 50ms che non bastava, poi un debounce da 300ms che finalmente è bastato. Windows IME genera eventi fantasma di rilascio Ctrl + Space a intervalli imprevedibili; o fai debounce o ci perdi la testa. Abbiamo scelto la prima opzione. Il debounce è invisibile per te; sta lì, fa il suo lavoro, come fa la maggior parte della buona infrastruttura.

If your Win + H toolbar opens but the microphone meter never moves — or the whole shortcut does nothing — that's a different problem with its own short fix list: eight verified fixes for Windows voice typing that stopped working.

Se ricordi una cosa sola, ricorda questa: il tuo PC Windows fa già voice to text, gratis, abbastanza bene per appunti brevi. Usalo. Quando la storia di privacy (audio instradato via Azure), l'assenza di enhancement, e i limiti sulla dettatura long-form iniziano a costarti tempo vero (di solito intorno alla soglia delle 200 parole, di solito dopo circa una settimana) è lì che uno strumento di dettatura vero si guadagna il pane. Prova prima il locale se ti importa la privacy o sei per lo più offline. Cloud è la strada di massima qualità se non ti importa. Il toggle è un solo interruttore in Settings, e l'hotkey è lo stesso. Se in questo momento stai pesando i passi di setup nella tua testa, l'esperimento più veloce è: installa Whisper, imposta la modalità Cloud con la tua chiave OpenAI, tieni premuto Ctrl + Space, detta questo paragrafo dentro una finestra di Notepad, e vedi se ti viene mai voglia di tornare a digitare. Scommetto di no.