Cosa fa bene un chatbot

Alcuni chatbot accettano un file audio. Se gli dai un memo vocale di due minuti con una sola voce chiara, puoi ottenere un testo utilizzabile. I chatbot sono bravi anche in quello che viene dopo la trascrizione: una volta che hai il testo, possono riassumerlo, estrarre le azioni da fare o trasformarlo in un'email. Se la tua registrazione è breve e ti basta il succo, può essere tutto ciò che ti serve.

Dove le cose vanno storte

  • Limiti di caricamento. Gli assistenti che accettano l'audio limitano dimensione e durata del file, e alcuni l'audio non lo accettano proprio. Una registrazione lunga spesso va tagliata a pezzi e data in pasto un pezzo alla volta.
  • Testo accorciato. Una finestra di chat è fatta per dare una risposta, non per restituire quaranta pagine. Con una registrazione lunga l'assistente tende a condensare, a saltare dei passaggi o a fermarsi a metà.
  • Chi parla non è affidabile. In un'intervista o in una riunione devi sapere chi ha detto cosa. I chatbot non segnalano in modo affidabile i cambi di voce, quindi finisci per controllare ogni cambio sull'audio.
  • Timestamp non affidabili. Senza l'orario di ogni riga non puoi tornare all'audio per verificare una citazione.
  • Nessun file con cui lavorare. Ottieni del testo in una chat, non un documento da passare a qualcuno.

Il testo accorciato è il problema più difficile da notare. Una trascrizione condensata si legge fluida, quindi nulla ti dice che mancano dieci minuti nel mezzo.

Perché succede

Trasformare il parlato in testo richiede un modello vocale e un vero tempo di elaborazione sull'audio. Un chatbot generico è pensato per rispondere a un messaggio entro certi limiti su quanto può ricevere e quanto può scrivere. Una registrazione lunga supera entrambi.

Il lato dell'output è facile da sottovalutare. Nel nostro test su quattro lavori lunghi, tradurre un file di sottotitoli di 85 minuti e 1.200 righe ha richiesto a ciascun modello tra 38.000 e 56.000 token in output. La trascrizione completa di una registrazione di due ore è una risposta della stessa dimensione. Se arrivi a riceverla tutta in un colpo dipende da quanto l'app permette di contenere in una singola risposta.

Uno strumento di trascrizione dedicato è costruito al contrario: elabora l'intero file a parti, conserva i tempi di ogni paragrafo e salva il risultato come documento che puoi modificare ed esportare.

Come provarlo da solo

Prendi una registrazione che conosci, lunga almeno venti minuti, con due persone che parlano.

  1. Chiedi a un chatbot di trascriverla parola per parola, con i timestamp.
  2. Verifica se il caricamento viene accettato.
  3. Scegli una frase che ricordi verso la fine e cercala nel risultato.
  4. Confronta il numero di parole con una stima approssimativa: la maggior parte delle persone parla a circa 130-160 parole al minuto.

Se la frase finale c'è e il numero di parole rientra nella stima, la tua registrazione rientra nella categoria facile. Se il testo si fa sempre più scarno verso la fine, quello che hai è un riassunto, non una trascrizione.

Cosa usare invece

Usa uno strumento pensato per le registrazioni lunghe. Il nostro strumento Audio e video lunghi in testo divide la registrazione in parti, trascrive ogni parte per intero con i timestamp e le riunisce in ordine. Accetta file audio e video fino a 2 GB e 6 ore, scrive ogni parte nella lingua parlata e può aggiungere una traduzione sotto ogni paragrafo. Scarichi TXT o Word. Un esempio completo è nella demo.

La prima parte è gratis, senza registrazione. La registrazione completa costa $5, pagamento una tantum, senza abbonamento. Unlimited costa $19 a settimana (si rinnova ogni settimana, disdici quando vuoi), comprende tutti gli strumenti del sito e accetta registrazioni fino a 12 ore per lavoro.

Se le registrazioni sono messaggi vocali dentro una chat WhatsApp, usa invece Chat WhatsApp in PDF: trascrive ogni messaggio vocale nel punto della conversazione in cui è stato inviato.