Da audio a testo: Buzz e WhisperX

Di Martina Faggioli

Quali sono i programmi di trascrizione da usare se vuoi trasformare un audio in un testo.

Ecco la mia esperienza.

Durante il mio tirocinio mi sono occupata della trascrizione di diversi file audio. Prima di scegliere il programma da utilizzare ho sperimentato sia software installabili su Windows sia servizi online di trascrizione automatica. Tra i software ho provato Express Scribe, mentre tra i servizi online ho utilizzato Transkriptor e Turboscribe. Tuttavia, questi strumenti si sono rivelati poco adatti: i servizi online risultavano spesso lenti nell’elaborazione e, in alcuni casi, poco precisi, mentre Express Scribe non garantiva la stessa qualità di riconoscimento del parlato, soprattutto con audio lunghi. Nella trascrizione commetteva vari errori, riportava parole completamente diverse o addirittura distorceva il senso delle frasi. 

Dopo aver provato Buzz ho deciso di usarlo come programma definitivo, poiché offre un'interfaccia semplice e intuitiva, permettendomi di gestire facilmente file audio di grandi dimensioni. Inoltre garantisce un buon compromesso tra velocità di elaborazione e accuratezza dei risultati, risultando più affidabile rispetto alle altre soluzioni provate. Il software l'ho scaricato tramite GitHub ed è stato necessario scaricare anche altri due programmi richiesti per il corretto funzionamento di Buzz, chiamati Buzz-1.4.4-windows-1.bin e Buzz-1.4.4-windows-2.bin. 

Dopo aver completato l'installazione, ho caricato gli audio all'interno di Buzz e ho selezionato la modalità di trascrizione tramite la tipologia Whisper. Il programma ha elaborato automaticamente i file audio trasformandoli in testo. I tempi di trascrizione variavano a seconda della lunghezza delle registrazioni: per audio dalla durata di mezz’ora era sufficiente un'ora, mentre per altri dalla durata di un’ora o più  potevano essere necessarie anche un'ora e mezza o due.

Una volta ottenuta la trascrizione, ho utilizzato WhisperX per distinguere le persone che intervenivano nel dialogo. Questa fase è stata necessaria perché Buzz trascrive il contenuto dell'audio senza separare i diversi parlanti, riportando tutto il testo in maniera continua. Tramite WhisperX sono riuscita a identificare e distinguere i vari soggetti presenti nella conversazione.

L'ultima fase del lavoro è stata la revisione della trascrizione. Ascoltando nuovamente gli audio, ho controllato il testo prodotto dal programma e ho corretto eventuali errori, parole trascritte in modo non corretto o parti poco chiare. La fase di revisione è stata particolarmente importante in casi in cui, per esempio, nelle registrazioni erano presenti espressioni o frasi in dialetto, che dovevano essere riportate fedelmente così come venivano pronunciate. Questo è stato il processo più lungo e impegnativo poiché, nonostante la trascrizione l’abbia svolta il software, per renderla del tutto fedele all’originale è stato necessario ascoltare l’audio e controllare il testo. Sicuramente Buzz mi ha permesso di risparmiare molto tempo ed è riuscito a riportare anche parti poco chiare dell’audio, aiutandomi a riportare tutto in modo corretto.