«Ne prendiamo quattro, anzi, sei cartelle.» Un sistema di riconoscimento può trascrivere correttamente la frase. Per un sottotitolo facilmente leggibile potresti voler abbreviare la ripetizione. Così facendo, sei non deve tornare a essere quattro. Il percorso tecnico dal suono al file di testo è quindi solo l'inizio del lavoro redazionale.
whisper.cpp documenta il riconoscimento vocale locale, incluso il supporto CPU. Il modello appropriato e i file di runtime devono essere preparati. Le varianti solo inglese e multilingue, così come trascrizione e traduzione, sono decisioni separate; un programma avviato in locale non esegue automaticamente il compito che desideri.
Stabilire la lingua di partenza e l'obiettivo
Decidi prima se ciò che viene detto deve restare nella sua lingua o essere reso in inglese. Una registrazione in tedesco con una trascrizione in tedesco è un lavoro diverso da una traduzione inglese. Un testo inglese scorrevole sarebbe comunque il risultato sbagliato per il primo scopo.
Le istruzioni del server usano –translate per la traduzione dalla lingua di partenza all'inglese; –language descrive la lingua parlata. Per la tua chiamata effettiva, prendi le opzioni dall'aiuto corrispondente invece di mescolare impostazioni di esempi diversi.
Preparare una breve registrazione tua
Registra tu stesso alcune frasi non sensibili: un cambio di quantità, un nome proprio inventato e una restrizione come «solo dopo aver ricontrollato». Annota prima la formulazione nota. Anche una pausa breve e voluta aiuta a tenere distinti il riconoscimento delle parole e la segmentazione temporale.
Usa un ambiente locale preparato e un formato audio adatto. Produci prima una base testuale che resti vicina alle parole pronunciate. Riascolta i passaggi con il numero e il nome e segna tutto ciò che non è chiaro. Una grafia attesa dal tuo elenco di nomi non deve sostituire silenziosamente un passaggio che è davvero indistinto.
Tieni questa base separata dalla successiva versione abbreviata dei sottotitoli. In questo modo puoi ricostruire quale modifica deriva dal riconoscimento e quale dal tuo lavoro redazionale. Questo articolo fornisce il metodo, non una trascrizione eseguita qui.
Il tempo diventa parte del formato del file
Una traccia di sottotitoli collega il testo all'inizio e alla fine di un intervallo di tempo. Il formato WebVTT della specifica W3C descrive tali segmenti di testo allineati nel tempo. Un semplice esempio di formato realizzato da noi si presenta così; i suoi tempi sono valori didattici e vanno adattati a una registrazione reale:
WEBVTT
00:00:00.000 --> 00:00:04.000
We need six folders for the course.
00:00:04.500 --> 00:00:07.000
Open sealed material only after checking back.Salva un testo effettivamente adattato come file UTF-8 e verificalo con la registrazione corrispondente in un player o in uno strumento per sottotitoli adatto. Testo, tempi e leggibilità sono tre osservazioni separate. Una riga corretta può comparire troppo presto o restare visibile troppo poco.
Inserisci le interruzioni di riga in corrispondenza di unità di senso. Un «non» isolato può essere frainteso in una lettura veloce. Anche una condizione di approvazione dovrebbe restare riconoscibile nel suo contesto invece di sparire a causa di un taglio inadatto.
Dai all'audio originale, alla trascrizione e ai sottotitoli la stessa radice del nome file ma estensioni diverse. Una breve nota su lingua e stato di revisione evita che una vecchia versione tradotta finisca per sbaglio accanto alla nuova registrazione originale.
Che cosa dimostra un flusso di lavoro locale
Con questo campione puoi esaminare se la configurazione che hai preparato fornisce il testo che desideri e quanta revisione richiedono i sottotitoli. Non ti dice nulla in generale sulla qualità del riconoscimento in tutte le lingue, con tutti gli accenti o con i rumori di fondo.
Un passaggio di traduzione è poi un test separato. Richiede un confronto del significato, non solo della grafia. Se nella stessa registrazione ci sono più lingue, dovresti includere esplicitamente i passaggi interessati nel controllo all'ascolto.
Il vantaggio dell'elaborazione locale sta in un percorso di lavoro tuo che puoi indicare con precisione. Sottotitoli utilizzabili nascono quando colleghi questo percorso alla registrazione reale: scegli il compito giusto, controlla la formulazione, rivedi in modo consapevole e verifica il testo rispetto ai suoi timestamp.
Fonti e stato
Fonti aggiornate al 25 ottobre 2026. README di whisper.cpp · opzioni dell'esempio server di whisper.cpp.
W3C: WebVTT come fonte supplementare sul formato.
