Perché la dettatura vocale funziona così male? Cause e rimedi

Perché la dettatura vocale funziona così male? (Chiamatela trascrizione vocale o digitazione vocale: stessi motori, stessa domanda.) Soprattutto perché il riconoscimento vocale è una catena (microfono, stanza, voce, vocabolario, modello) e la trascrizione vale quanto il suo anello più debole. Avete detto «their» ed è uscito «there» (due parole inglesi che si pronunciano allo stesso modo). Avete detto il cognome del vostro responsabile ed è uscito un ortaggio. Vi siete fermati a pensare ed è comparsa una frase che non avete mai pronunciato.

Ogni caso ha una causa e un rimedio diversi. Di seguito: sintomi, cause, rimedi, poi una risposta netta alla domanda se la dettatura vocale sia intelligenza artificiale. State invece cercando uno strumento? Partite dalla nostra rassegna dei software di dettatura.

La dettatura vocale sbaglia per poche ragioni prevedibili

La dettatura vocale sbaglia le parole quando l'audio non è chiaro, quando le parole sono di quelle che il modello ha incontrato di rado durante l'addestramento, oppure quando gli manca il contesto per scegliere tra parole che suonano uguali. Quasi tutte le lamentele risalgono a una di queste tre cause, e di solito il sintomo dice quale.

Il microfono conta più del modello

Quando la dettatura vocale funziona male, la prima cosa da escludere è un audio scadente: un microfono lontano dalla bocca registra la stanza quasi forte quanto la vostra voce, e nessun modello può recuperare parole che non sono mai arrivate in modo chiaro. I microfoni dei portatili stanno accanto a ventole e tastiere. Un telefono tenuto a braccio teso in una strada trafficata registra soprattutto la strada.

Le cuffie con microfono non sono automaticamente migliori. Molti auricolari Bluetooth passano a una modalità chiamata di qualità inferiore quando il microfono è attivo, quindi un paio economico con il filo può battere un paio wireless costoso. E controllate che cosa sta ascoltando il computer: la Dettatura del Mac, la digitazione vocale di Windows e Dictate (Detta) di Word permettono tutte di scegliere il microfono, e il microfono di una webcam dall'altra parte della stanza può diventare senza avvisare quello predefinito.

I produttori sono d'accordo. La guida di Microsoft alla risoluzione dei problemi di Dictate in Word suggerisce cuffie con microfono o un microfono esterno e meno rumore di fondo; la guida di Google alla digitazione vocale dice di spostarsi in un posto tranquillo e collegare un microfono esterno.

Ascoltate quello che sente il software: registrate venti secondi con l'app dei memo vocali del telefono, esattamente dal punto in cui dettate di solito, poi riascoltateli in cuffia. Se sentite la lavastoviglie, la cappa della cucina o la vostra tastiera, li sente anche il riconoscitore, e spostare il microfono servirà più che cambiare app.

Il modo in cui parlate cambia quello che sente

Il modo di parlare incide sulla precisione perché i riconoscitori imparano in gran parte da un parlato naturale e scorrevole: lasciar spegnere la voce, mangiarsi la fine delle frasi o dettare una parola lenta alla volta dà al modello meno materiale su cui lavorare. Il consiglio di Microsoft di «parlare in modo più deliberato» regge se deliberato significa completo, non lento: pensate la frase fino in fondo, poi ditela tutta d'un fiato.

Le pause lunghe comportano un rischio più strano. In uno studio del 2024 intitolato «Careless Whisper», Allison Koenecke e colleghi hanno rilevato che circa l'1% delle trascrizioni prodotte da Whisper di OpenAI conteneva intere frasi o espressioni che nell'audio non c'erano, e che queste allucinazioni si verificavano in misura sproporzionata per chi parlava con silenzi più lunghi. La maggior parte degli strumenti di dettatura non si basa esattamente su quel modello, ma la lezione vale lo stesso.

Pensate a microfono spento: quando vi servono più di pochi secondi per trovare la frase successiva, fermate la dettatura, pensate, poi ricominciate con la frase intera già pronta. Avrete meno frasi lasciate a metà, e il motore non avrà mai un lungo silenzio da riempire.

Nomi, gergo e omofoni richiedono un contesto che non ha

La dettatura vocale fatica con nomi e gergo tecnico perché un riconoscitore tende verso le parole che ha incontrato spesso durante l'addestramento, e sceglie tra parole che suonano uguali, come le inglesi «their» e «there», usando un contesto che spesso non ha. La tastiera di un telefono sente una frase isolata. Non sa che state rispondendo ad Aoife a proposito del rinnovo del Q3, quindi ripiega sulle parole più comuni compatibili con quei suoni.

Per le parole rare, consegnate allo strumento il vostro vocabolario. Le app di dettatura con IA dedicate hanno dizionari personalizzati; Laxis Voice Keyboard chiama il suo Personal Dictionary, per nomi, sigle e termini tecnici. La dettatura integrata di solito non ne ha uno, quindi correggete sul posto: su Mac cliccate una parola sottolineata in blu per vedere le alternative, su iPhone dite «change» e scandite la correzione lettera per lettera, su Pixel toccate la parola fraintesa. Google afferma che la digitazione vocale avanzata di Pixel migliora grazie alle parole che correggete.

Gli omofoni richiedono un'abitudine diversa. Le frasi più lunghe danno alla componente linguistica del modello più elementi su cui basarsi, quindi «send it to their office» esce meglio di «their» pronunciato da solo. Poi rileggete cercando apposta omofoni, numeri e negazioni: i tre punti in cui una sola parola sbagliata ribalta il significato.

Accenti e dialetti non sono serviti allo stesso modo

La dettatura vocale è misurabilmente meno precisa con alcuni accenti e dialetti, perché i dati di addestramento dietro la maggior parte dei motori sovrarappresentano certi modi di parlare. La prova più nota è uno studio di Stanford del 2020 pubblicato su PNAS e guidato da Allison Koenecke: i sistemi di Amazon, Apple, Google, IBM e Microsoft, testati nel 2019, sbagliavano in media il 35% delle parole dei parlanti neri contro il 19% di quelle dei parlanti bianchi. Da allora i motori sono migliorati, ma nessuno ha dimostrato che il divario si sia chiuso.

Scegliere la variante regionale più vicina al vostro modo di parlare aiuta, e non costa nulla. Approfondiamo nella guida su come dettare con un accento o in due lingue.

Le tastiere dei telefoni usano modelli piccoli; i servizi cloud possono usarne di grandi

La dettatura sul telefono spesso gira sul dispositivo stesso, dove il modello vocale deve stare nei limiti di memoria e batteria di un telefono, mentre i servizi cloud possono far girare modelli molto più grandi. Apple afferma che su iPhone la dettatura viene elaborata sul dispositivo in molte lingue, senza bisogno di internet. Google afferma che la digitazione vocale avanzata di Pixel tiene sul telefono ciò che dite, a meno che non usiate funzioni come Fix it. La digitazione vocale di Windows, invece, usa il riconoscimento online basato sui servizi Azure Speech di Microsoft.

Sul dispositivo non significa per forza peggio. È privato, funziona in aereo e i produttori di telefoni stanno aggiungendo modelli linguistici locali per ripulire il risultato; in iOS 27 Apple ne usa uno su iPhone 17 Pro, iPhone Air e modelli successivi per migliorare ortografia, punteggiatura e maiuscole in inglese. Ma resta un compromesso, ed è uno dei motivi per cui la stessa frase può uscire diversa sul telefono e sul portatile; il nostro approfondimento su trascrizione sul dispositivo e nel cloud copre il lato privacy.

Se vi sembra che la dettatura vocale stia peggiorando, probabilmente la tecnologia non è regredita; è cambiato qualcosa nella vostra catena, come auricolari nuovi, una nuova tastiera predefinita, un aggiornamento del sistema operativo o un pacchetto lingua offline. Rifate la prova vicino al microfono in una stanza silenziosa per capire se il problema segue l'audio o il software.

La dettatura vocale è intelligenza artificiale?

La dettatura vocale è IA nel senso dell'apprendimento automatico: i riconoscitori vocali moderni sono reti neurali addestrate su grandi quantità di parlato registrato abbinato alle trascrizioni, non insiemi di regole scritte a mano. Quindi sì, rientra nella definizione. Whisper di OpenAI, descritto in un articolo del 2022 di Alec Radford e colleghi, è stato addestrato su 680.000 ore di audio raccolto dal web. Oggi ogni motore di dettatura diffuso è costruito così.

Questo spiega gran parte dei comportamenti visti sopra. Il modello prevede le parole più probabili per ciò che ha sentito, in base a ciò che ha imparato, quindi è forte sul parlato comune e più debole su nomi rari e voci sottorappresentate. Può sbagliare con grande sicurezza e, di tanto in tanto, produrre parole che nessuno ha detto. La nostra guida al riconoscimento vocale approfondisce come funzionano i riconoscitori.

Questo però non significa che la dettatura scriva al posto vostro. La dettatura vocale di base trascrive; non è IA generativa nel senso dei chatbot. Il confine si sta facendo sfumato, perché molti strumenti aggiungono un secondo passaggio che modifica le vostre parole con un modello linguistico: Fluid dictation di Windows, Fix it di Pixel, il modello di Apple in iOS 27 e Verbal Cleanup di Laxis ne fanno tutti una propria versione. Se una policy della scuola o del datore di lavoro limita l'«IA», chiedete se intende la trascrizione o la riscrittura, poi controllate quali funzioni aggiuntive sono attive.

Quando la dettatura integrata basta

La dettatura integrata basta per messaggi brevi, ricerche e appunti veloci in una stanza silenziosa, ed è gratuita. Sistemate prima microfono, impostazione della lingua e pause. Se ciò che resta sono soprattutto nomi, intercalari e frasi sconclusionate, un'app di dettatura con IA si ripaga.

Laxis Voice Keyboard funziona nelle app del computer e del telefono, elimina intercalari e ripetizioni, inserisce la punteggiatura e usa il vostro Personal Dictionary per i nomi. I limiti: funziona solo nel cloud, quindi richiede una connessione e il vostro audio lascia il dispositivo, e con il piano gratuito dettatura e riunioni attingono a un'unica riserva condivisa di 300 minuti al mese. La prova di 14 giorni di Premium non richiede carta di credito, quindi potete metterla alla prova con i vostri errori peggiori.

Domande frequenti

Perché la dettatura vocale funziona così male su iPhone?

Su iPhone la dettatura vocale di solito sbaglia per la distanza dal microfono, il rumore di fondo, o nomi e gergo che non ha mai imparato, più che per un difetto esclusivo dell'iPhone. Tenete il telefono più vicino, dettate per frasi complete e scandite lettera per lettera i nomi difficili. Su iPhone 12 e successivi, in inglese americano, potete anche correggere a voce una parola fraintesa dicendo «change».

Perché la dettatura vocale sta peggiorando?

Di solito la dettatura vocale sembra peggiorare perché è cambiato qualcosa nella vostra configurazione, non perché la tecnologia sia regredita. I colpevoli più comuni sono nuovi auricolari Bluetooth, un microfono predefinito diverso, un aggiornamento del sistema operativo, una nuova app di tastiera o un pacchetto lingua offline. Rifate la prova con il microfono vicino, in una stanza silenziosa, per capire se il problema segue l'audio o il software.

La dettatura vocale è intelligenza artificiale?

Sì. La dettatura vocale moderna usa l'apprendimento automatico: una rete neurale addestrata su grandi quantità di parlato registrato e delle relative trascrizioni prevede le parole più probabili per il suono che sente. Whisper di OpenAI, per esempio, è stato addestrato su 680.000 ore di audio. La semplice dettatura trascrive invece di scrivere, ma oggi molti strumenti aggiungono un passaggio di IA che ripulisce o riscrive il testo.

Il riconoscimento vocale è IA generativa?

Il riconoscimento vocale di base non è IA generativa nel senso dei chatbot, perché trascrive ciò che avete detto invece di creare contenuti nuovi. Il confine si sta facendo sfumato: i riconoscitori producono il testo una parola alla volta e possono occasionalmente inserire frasi che nessuno ha pronunciato, e molti strumenti di dettatura aggiungono un modello linguistico che riscrive le vostre parole. Se una policy limita l'IA generativa, controllate quali funzioni sono attive.

Come posso rendere più precisa la dettatura vocale?

Avvicinate il microfono alla bocca, riducete il rumore di fondo, parlate per frasi complete a un ritmo normale e scegliete la lingua e la variante regionale giuste. Poi insegnate allo strumento il vostro vocabolario, usando un dizionario personalizzato dove c'è. Questi passaggi risolvono la maggior parte degli errori; se nomi e intercalari restano un problema, provate un'app di dettatura con IA dedicata.

Perché la dettatura vocale sbaglia i nomi?

La dettatura vocale sbaglia i nomi perché i riconoscitori privilegiano le parole viste spesso durante l'addestramento, mentre la maggior parte di cognomi, marchi e sigle è rara. Senza contesto, il motore ripiega sulla parola comune più vicina. Aggiungere il nome a un dizionario personalizzato risolve il problema negli strumenti che ne hanno uno; la dettatura integrata di solito non ce l'ha, ma scandire il nome lettera per lettera funziona su iPhone e sui Pixel più recenti.