Mr. Trascrizione > Blog > Manuale

Trascrizione AI: Limiti e Soluzioni per Audio Difficili

07 Giugno 2025

Mojiokoshi-san è un servizio di trascrizione AI che utilizza l'intelligenza artificiale. L'IA impiegata proviene da Google e AmiVoice (un fornitore giapponese di sistemi di riconoscimento vocale).

L'IA di trascrizione ha punti di forza e di debolezza a seconda del file audio da trascrivere.

In questo articolo, presenteremo esempi e motivi per cui l'IA di trascrizione ha difficoltà con alcuni tipi di file audio.

Conoscere questi esempi e le relative motivazioni ti aiuterà a creare "file audio facili da trascrivere con l'IA". Ti invitiamo a prenderne nota.

File audio con cui l'IA di trascrizione ha difficoltà

1. Audio con volume basso, microfono lontano e difficile da sentire.
2. Audio con rumore eccessivo che copre la voce.
3. Audio sfocato a causa del riverbero della stanza.
4. Audio contenente musica, come testi di canzoni.
5. Audio senza voce. 
6. Audio con dialetti molto marcati. 
7. Audio con più lingue mescolate.
8. Audio in cui la voce è difficile da sentire anche per un essere umano. 

Per questi tipi di file audio, non è possibile ottenere una trascrizione accurata, pertanto si sconsiglia l'uso di Mojiokoshi-san.    

Articoli correlati >6 consigli per registrare audio ad alta precisione per la trascrizione

Se si segnala un errore per un file audio con cui l'IA di trascrizione ha difficoltà, la segnalazione verrà respinta e non sarà possibile ottenere un rimborso del tempo di trascrizione.

In particolare, molte segnalazioni di errori riguardano problemi con il contenuto del file. Vediamo alcuni esempi pratici.

La voce non è registrata nel file (ci sono periodi di rumore continuo o silenzio)

Se si carica un file senza verificarne il contenuto, potrebbe accadere che la registrazione sia fallita e il file sia "silenzioso a causa di un errore di registrazione" o che "il microfono si sia disconnesso durante la registrazione, lasciando solo rumore e nessuna voce".

L'immagine sopra mostra il risultato della trascrizione di un file che conteneva solo rumore.

Mojiokoshi-san utilizza l'IA per la trascrizione. L'IA cercherà di trascrivere il più possibile, anche le parti rumorose.

Questo problema si verifica più facilmente, soprattutto quando si utilizza PerfectVoice e il file contiene rumore o silenzio per più di un minuto all'inizio.

Se il risultato della trascrizione è incomprensibile, con frasi come "aaaaaaa" o "mmmmmmm", o con la ripetizione della stessa frase più volte, si prega di verificare il contenuto del file.

Tagliando il rumore o il silenzio all'inizio, è possibile prevenire il verificarsi di questo problema.

Anche se si trascrive un file come quelli sopra e si consuma il tempo a disposizione, non sarà possibile ottenere un rimborso del tempo.

1. Audio con volume basso, microfono lontano e difficile da sentire

Controllando gli audio che hanno generato errori, la causa più comune è...

Questo è un esempio di tale situazione.

Anche se la trascrizione fosse possibile, la precisione sarebbe bassa. Pertanto, sconsigliamo l'uso della trascrizione AI per file audio in cui il volume dell'oratore è basso o il microfono è troppo distante per catturare correttamente l'audio.

Esempio: Registrare una lezione con lo smartphone dai posti in fondo all'aula.

2. Audio con rumore eccessivo che copre la voce

Il rumore è un nemico potente per la trascrizione AI!

Spesso, negli audio con rumore, la voce dell'oratore viene coperta, rendendo l'ascolto difficile anche per un essere umano.

Anche se spesso trascurato durante la registrazione, il rumore del vento è un altro nemico temibile.

Se un essere umano fatica a capire, è impensabile che un'intelligenza artificiale possa trascrivere con precisione.

Esempio: Registrazione in ambienti affollati come caffè, con rumori di stoviglie o musica (BGM).

Il microfono è troppo vicino alla bocca, causando rumore del vento dovuto alla respirazione.

3. Audio sfocato a causa del riverbero ambientale

Il riverbero ambientale è qualcosa che spesso non si nota quando si ascolta con le proprie orecchie.

Tuttavia, nell'audio registrato, il riverbero può far sembrare il suono ovattato o la voce distante.

In particolare, le stanze quadrate o con pochi oggetti tendono a generare facilmente riverbero.

Esempio: Registrare conversazioni di più persone sedute in luoghi diversi in una sala riunioni con un solo registratore IC.

Registrare una presentazione in una sala riunioni dove il suono è sfocato a causa del riverbero ambientale.

4. Contenuti con musica, come testi di canzoni

La trascrizione AI non può trascrivere canzoni.

Ci sono persone che pensano di scaricare canzoni senza testo da YouTube e provare a trascriverle!

Tuttavia, la trascrizione AI è pensata per trascrivere conversazioni.

Non può trascrivere canzoni.

Esempio: Scaricare una canzone da YouTube e trascriverla.

5. File senza audio

I file audio muti non possono essere trascritti.

Naturalmente, non è possibile trascrivere qualcosa che non ha audio.

Probabilmente, si è tentato di trascrivere senza sapere che l'input del microfono era a zero.

Prima di provare la trascrizione, controlla il file audio e assicurati che l'audio sia stato registrato correttamente, quindi prova la trascrizione AI.

Esempio: Non ci si è accorti che l'input del microfono non funzionava.

6. Dialetti marcati

La trascrizione AI non è brava con i dialetti.

Come suggerisce il nome, la trascrizione AI è eseguita dall'"AI". L'AI è addestrata a trascrivere basandosi sulla lingua standard. Pertanto, non è brava a trascrivere i dialetti.

Anche se non è impossibile trascrivere con l'AI, anche se l'ambiente di registrazione è ottimo e la persona parla in modo chiaro e lento,

la trascrizione potrebbe essere incompleta o solo parziale.

Esempio: Registrazione audio per i verbali di una riunione locale → il dialetto dell'oratore è molto marcato.

Esempio: Nel caso dei dialetti giapponesi

Anche l'audio registrato da un annunciatore con una buona pronuncia in un ambiente di registrazione eccellente come la televisione non viene trascritto bene se ci sono dialetti.

7. Audio difficile da sentire per gli esseri umani

Ciò che è difficile da sentire per gli esseri umani è ancora più difficile da sentire per l'AI.

Quando si sente parlare di "AI", si tende a pensare che sia molto versatile e che possa svolgere un lavoro migliore degli esseri umani.

Tuttavia, l'AI è ancora lontana dal raggiungere gli esseri umani.

Quando è richiesta flessibilità, la precisione del lavoro dell'AI diminuisce drasticamente.

Nel caso della trascrizione AI, se un essere umano trova l'audio "difficile da sentire", la precisione della trascrizione AI diminuisce notevolmente.

Quando un essere umano trascrive, anche se l'audio è un po' difficile da sentire, può prevedere "probabilmente è così" basandosi sul contesto della conversazione e sul flusso precedente e successivo.

Tuttavia, la trascrizione AI può trascrivere solo "ciò che sente". Non può integrare o prevedere come fanno gli esseri umani.

Come ottenere una trascrizione di alta precisione con la trascrizione AI?

Ma ho trascritto con l'AI, ma è andato bene.

e non è possibile trascrivere