Da video a testo: carica il file e ottieni la trascrizione

Cosa legge la trascrizione video: la traccia audio, non l’immagine

La trascrizione video è il riconoscimento vocale applicato alla traccia audio di un filmato: ffmpeg, il toolkit multimediale open source, copia la prima traccia sonora senza decodificare l’immagine, la riduce a un MP3 mono a 16 kHz e la passa al modello Whisper di OpenAI, quindi il codec dell’immagine, H.264 o HEVC, non fa differenza.

• L’immagine viene ignorata. Slide, didascalie impresse nel fotogramma e altre scritte a schermo non vengono lette: nella trascrizione finisce solo ciò che viene detto.
• Senza audio, niente testo. Una registrazione dello schermo fatta senza microfono né audio di sistema viene rifiutata con il messaggio «In questo file non c’è audio.»
• Una traccia sola. Se ce ne sono diverse, come un film con due doppiaggi, si usa la prima.
• Troppo pesante? Carica solo il suono: QuickTime Player salva una clip come solo audio, e l’esportazione si trascrive come qualsiasi registrazione vocale. Il testo esce identico, e il peso scende a una frazione.

Trascrivere l’audio di un video e trascrivere una registrazione solo audio sono quindi lo stesso lavoro, allo stesso prezzo al minuto: la trascrizione audio in testo segue esattamente questa strada.

Come trascrivere un video in testo in quattro passaggi

Quattro passaggi portano un file dal computer o dal telefono a una trascrizione da scaricare: niente da installare, nessun riavvolgimento per scrivere a mano ciò che è stato detto.

1. Scegli il video. Trascina un MP4, MOV, MKV, WEBM o un altro contenitore nell’area di caricamento, oppure fai clic per sceglierlo. Il browser controlla tipo e peso prima di inviare qualsiasi cosa.
2. Avvia la trascrizione. La prima registrazione di un ospite parte subito ed è gratis: per intero fino a 10 minuti, solo i primi 10 se è più lunga. Dopo l’accesso vedi quanti minuti costerà il file, e la trascrizione comincia solo quando premi Trascrivi.
3. Guarda e leggi insieme. La clip si riproduce dal tuo dispositivo accanto alla trascrizione: un clic su un timestamp porta il player a quel momento.
4. Scarica il testo o i sottotitoli. Salva TXT o Markdown per leggere e modificare, SRT o VTT da usare come sottotitoli.

Il riconoscimento vocale gira sul nostro server, quindi alla pagina non servono plugin né app desktop. Una registrazione lunga riporta l’avanzamento in minuti fatti sul totale: un webinar di 90 minuti mostra a che punto è invece di una rotellina. Per uno schermo più grande, apri l’area di lavoro con il tuo file, dove player, trascrizione e strumenti IA stanno affiancati.

Quali file video accetta, e i limiti di peso

Il convertitore da video a testo accetta i contenitori che salvano telefoni, fotocamere, app per riunioni e registratori dello schermo, e gli unici limiti rigidi sono peso e durata.

Peso e durata dipendono dall’accesso:

• Senza account: file fino a 100 MB; la prima registrazione è trascritta gratis, per intero fino a 10 minuti, poi arrivano brevi estratti gratuiti.
• Dopo l’accesso: file fino a 500 MB e fino a 4 ore.
• Oltre le 4 ore conviene dividere la ripresa in parti.

L’immagine pesa molto più della voce: un’ora di registrazione dello schermo in 1080p può superare il tetto di 500 MB, mentre la stessa ora di solo suono occupa qualche decina di megabyte. L’estensione è solo un primo controllo; il server legge il contenitore reale con ffprobe e rifiuta tutto ciò che non contiene audio o video prima di mostrare un prezzo.

Quali video si trascrivono bene

Video con una persona che parla in camera, videolezioni, interviste, webinar e registrazioni dello schermo commentate si trascrivono meglio, perché una voce chiara sta vicina al microfono.

• Funziona bene: microfono a clip o cuffie con microfono, una stanza silenziosa, una persona alla volta.
• Funziona peggio: musica sotto il parlato, rumore di folla, voci sovrapposte, vento su una ripresa all’aperto col telefono.
• Videoclip musicali: i testi cantati escono più grezzi del parlato.

OpenAI ha addestrato Whisper su 680.000 ore di audio raccolto dal web, come descrive l’articolo del 2022 «Robust Speech Recognition via Large-Scale Weak Supervision», quindi accenti e parlato informale rientrano in ciò per cui è stato costruito; voci sovrapposte e musica sotto il parlato restano le cause abituali di errore. Non pubblichiamo percentuali di precisione: dipendono dalla registrazione molto più che dal software. La prima registrazione gratuita è la prova onesta sul tuo materiale, e il timestamp accanto a una riga confusa ti porta dritto al punto da riascoltare.

Un esempio di trascrizione di un video

La trascrizione di un video torna come una riga per ogni frase detta, e ogni riga comincia con il minuto e il secondo in cui inizia quella frase.

Testo illustrativo nel formato TXT esatto, non una registrazione reale:

[0:00] Ciao a tutti, questa è la demo della nuova dashboard.
[0:06] A sinistra vedete i filtri che abbiamo aggiunto la settimana scorsa.
[0:13] Apro il report vendite, perché la maggior parte delle domande arrivava da lì.
[0:21] Come vedete, i totali adesso si aggiornano senza ricaricare la pagina.

Punteggiatura e maiuscole arrivano da Whisper, e la lingua parlata viene riconosciuta da sola: prima di partire non c’è nulla da impostare. Oltre la prima ora il segno aggiunge le ore, come in [1:04:10]. Ogni timestamp marca l’inizio di una frase, non di ogni parola.

Dopo la trascrizione: sottotitoli, esportazione, IA

Una trascrizione video finita si scarica in quattro formati senza costi aggiuntivi, e due di questi sono file di sottotitoli.

• TXT e Markdown per leggere, prendere appunti e modificare, con o senza i segni [m:ss].
• SRT per Premiere Pro, DaVinci Resolve e YouTube Studio; VTT per i player HTML5 (in cosa differiscono lo spiega la guida cos’è un file VTT).

Lo stesso caricamento serve quindi anche a generare i sottotitoli SRT del filmato, con inizio e fine di ogni battuta presi dal riconoscimento: non serve un secondo passaggio. Ogni battuta corrisponde a una frase riconosciuta, non viene divisa in righe e non ha limite di caratteri, perciò per uno standard televisivo va rifinita nell’editor.

Per un player web scarica direttamente il VTT, oppure passa un SRT già corretto nel convertitore da SRT a WebVTT; per altre conversioni e per togliere i tempi ci sono i convertitori SRT, VTT e testo che lavorano nel browser.

Le azioni IA lavorano sulla trascrizione finita: riassunto, appunti dettagliati, momenti chiave, capitoli con timecode, articolo, post social, Pro Transcript ripulito, chat sulla registrazione o un prompt tuo. Sono già comprese: paghi i minuti di riconoscimento vocale, non i pulsanti.

Trascrizione video gratis, e cosa usa i minuti

La trascrizione video gratis copre la prima registrazione senza account, per intero fino a 10 minuti e per i primi 10 minuti se dura di più; poi un file intero costa un minuto di saldo per minuto di registrazione, da $0.033 al minuto.

In pratica il regalo copre una registrazione dello schermo da 10 minuti o un’intervista breve. Una videolezione di 75 minuti richiede un pacchetto in aggiunta, e la pagina lo dice in anticipo. La «prima registrazione» è una sola per ospite: conta anche un video YouTube senza sottotitoli trascritto in precedenza. Se ogni settimana carichi decine di videolezioni o webinar, il paragone tra pacchetti di minuti e l’abbonamento di TurboScribe mostra quando conviene l’uno o l’altro.

Un video già su YouTube va caricato?

No: la maggior parte dei video su YouTube ha i sottotitoli, e il loro testo si legge direttamente, senza caricamento né riconoscimento vocale.

Per un filmato già pubblicato puoi leggere gratis il testo di un video YouTube sottotitolato, senza registrazione né limiti, oppure aprire la trascrizione completa di un video YouTube come documento unico. Il riconoscimento vocale, con i minuti che usa, serve solo quando manca un testo di partenza: un tuo file, oppure un video YouTube senza sottotitoli.

Dove finisce il tuo video

Del filmato caricato resta solo il testo: il file viene eliminato dal nostro server appena ne è stato estratto l’audio.

• Il suono estratto va a Whisper di OpenAI per il riconoscimento; i suoi pezzi vengono eliminati quando la trascrizione è pronta.
• Senza account la trascrizione non resta sul server: è conservata per circa un’ora finché la pagina non la ritira, poi vive solo nel tuo browser.
• Un caricamento che non parte, per esempio mentre ricarichi i minuti, viene eliminato dopo circa un’ora.
• Dopo l’accesso la trascrizione si salva nel tuo account.
• Il player lo riproduce dal tuo dispositivo. Dopo aver ricaricato la pagina, scegli di nuovo il filmato per guardarlo; il testo è già salvato.
• Quando scegli un file su questa pagina, il browser ne tiene una copia temporanea per passarlo all’area di lavoro e la cancella appena è stata ritirata, al massimo dopo un’ora.

Le regole complete sono nell’informativa sulla privacy, collegata in fondo a ogni pagina.

Cosa non fa

Il testo a schermo è la cosa principale che questa trascrizione da video a testo lascia fuori: trasforma il parlato in parole scritte e non legge l’immagine.

• Niente etichette per chi parla; un unico flusso di righe con timestamp.
• Niente sottotitoli impressi nell’immagine: ricevi file SRT o VTT da caricare in un editor o in un player.
• Non estrae le tracce di sottotitoli già presenti dentro un MKV o un MP4: il testo nasce dal parlato.
• Niente link a Google Drive, Dropbox, Vimeo o TikTok; scarica il file sul dispositivo, poi caricalo qui.
• File oltre 500 MB o più lunghi di 4 ore vengono rifiutati: carica solo l’audio o dividilo.
• Si usa solo la prima traccia audio.

Su cosa puoi contare invece: il prezzo compare prima dell’avvio, i minuti si scalano solo dopo una trascrizione riuscita e l’esportazione del testo finito è inclusa.

Guide per formato e attività: MP4 to text · Genera sottotitoli video

Domande frequenti

Si può trascrivere un video in testo gratis?

Sì, la prima registrazione: senza account viene trascritta gratis, per intero se dura fino a 10 minuti, solo i primi 10 minuti se è più lunga. In seguito un ospite riceve un breve estratto gratuito; la ripresa intera usa i minuti del saldo, e l’iscrizione ne regala 10.

Serve un account?

No per la prima registrazione e per i brevi estratti gratuiti. Sì per i file interi successivi: l’accesso avviene con un link inviato alla tua email, senza password da creare.

Quali formati video e dimensioni posso caricare?

MP4, MOV, MKV, WEBM, AVI, MPEG, TS e WMV, più file audio come MP3, M4A e WAV. Fino a 100 MB senza account; fino a 500 MB e 4 ore dopo l’accesso.

Il mio video supera il limite: cosa posso fare?

Carica solo l’audio. Esporta la traccia sonora, per esempio come M4A da QuickTime Player, e caricala: la trascrizione è identica, perché viene riconosciuto solo il suono, e pesa una frazione.

Il filmato caricato resta sul vostro server?

No. Il file viene eliminato dal server subito dopo l’estrazione dell’audio, oppure dopo circa un’ora se la trascrizione non parte, e i pezzi audio spariscono dopo il riconoscimento. Il testo resta nel tuo browser, o nel tuo account se hai fatto l’accesso.

Legge il testo a schermo o i sottotitoli impressi?

No. In testo diventa solo il parlato. Slide, didascalie disegnate nell’immagine e qualsiasi altra scritta a schermo non vengono lette.

Distingue chi parla?

No. Non ci sono etichette per gli interlocutori: la trascrizione è un unico flusso di righe con timestamp, chiunque stia parlando.