Come trascrivere video su Mac, e cosa farne della trascrizione
Trascrizioni precise offline, come scegliere tra TXT, SRT e DOCX, e la seconda vita di una trascrizione quando smetti di vederla come sottotitoli.
Trascrivere era caro o pessimo. Pagavi circa un euro al minuto a una persona, oppure ottenevi un risultato automatico che costava più correggere che ribattere da zero.
È finita. Su un Mac Apple Silicon il riconoscimento vocale gira ora sul dispositivo, offline, senza costo al minuto, con timecode a livello di parola, in decine di lingue, con una precisione che su audio pulito batte una dattilografa veloce. È il pezzo più maturo di tutta la storia dell’IA e del video.
Quello che quasi tutti continuano a perdersi è la seconda metà: a cosa serve una trascrizione quando smetti di pensarla come sottotitoli.
Cosa gira in locale, e quanto bene
Dietro ci sono modelli della famiglia Whisper: modelli aperti di riconoscimento vocale, disponibili in varie dimensioni. Su Apple Silicon girano sulla GPU e sul Neural Engine, ed è per questo che un portatile li regge con disinvoltura.
Aspettative pratiche:
- Audio pulito di intervista, una persona, microfono decente: precisione molto alta. Gli errori si concentrano su nomi propri e termini tecnici.
- Due persone, qualche sovrapposizione: bene, con i punti sovrapposti confusi.
- Audio rumoroso in esterni, vento, bar: peggiora sensibilmente, di solito resta meglio di niente.
- Accenti marcati o cambio di lingua a metà frase: variabile. Prova sul tuo materiale prima di promettere qualcosa a un cliente.
- Velocità: più veloce del tempo reale su hardware moderno, spesso di parecchio. Un’intervista di 40 minuti è una pausa caffè, non un pomeriggio.
Il compromesso tra dimensioni dei modelli è quello solito. Uno piccolo è veloce e un po’ più sciatto. Uno più grande è più lento e migliore su audio difficile. Per cercare di solito basta il piccolo, perché « qualcuno ha detto fatturato? » non ha bisogno di punteggiatura perfetta. Per una consegna al cliente, usa il grande.
Una particolarità sistematica da conoscere: i modelli vocali sono addestrati a produrre testo pulito e leggibile, quindi eliminano in silenzio le esitazioni. Il tuo « ehm » spesso non compare nella trascrizione anche se si sente benissimo. Per un documento leggibile è utile, ed è un problema se volevi usare la trascrizione per individuare le esitazioni.
Scegliere un formato di esportazione
Prendine più di uno. Costano poco e servono a cose diverse.
| Formato | Per cosa |
|---|---|
.txt | Cercare. Spotlight lo indicizza, quindi le tue parole parlate diventano trovabili dalla scrivania. |
.srt | Sottotitoli, e importare testo con timecode in un programma di montaggio. |
.docx | Mandare a una persona. Revisione, commenti, approvazione del cliente. |
.pdf | Consegna e archivio, quando l’impaginazione non deve muoversi. |
Quello sottovalutato è il .txt. Salvato accanto alla clip, fa entrare il tuo contenuto parlato nello stesso indice Spotlight di tutto il resto sul Mac. Cercare una frase ricordata a metà da un’intervista di diciotto mesi fa restituisce il file di trascrizione, nella cartella, accanto al video. È ricerca al momento nel tuo archivio, al prezzo di un file di testo salvato. Di più su questo schema in trovare clip senza aprire Premiere.
Nominare e archiviare le trascrizioni
La regola: una trascrizione vive accanto alla sua clip e ne condivide il nome.
Intervista-Terrazza-Marcus_16x9_4K_25FPS.mp4
Intervista-Terrazza-Marcus_16x9_4K_25FPS.txt
Intervista-Terrazza-Marcus_16x9_4K_25FPS.srtNon in una cartella Trascrizioni tre livelli più in là, e non con un nome che coincide solo per caso. Quando una ricerca colpisce il file di testo, vuoi il video a un colpo d’occhio, e quando archivi il progetto, vuoi che viaggino insieme.
Se tieni una cartella di trascrizioni a parte per le consegne, falla essere una copia. Il set di lavoro resta accanto al materiale.
Gli usi oltre i sottotitoli
È qui il vero valore, ed è la parte a cui quasi nessun flusso arriva.
Trovare il momento. Le trascrizioni con timecode trasformano « dove ha parlato della catena di fornitura? » in una ricerca testuale che restituisce un timecode. Nel lavoro con molte interviste è il più grande risparmio di tempo disponibile in tutta la post-produzione.
Nominare le clip. La prima frase di una clip parlata ne è spesso un’ottima descrizione. Una clip che comincia con « allora, abbiamo fondato l’azienda nel 2019 » è evidentemente la clip delle origini, e può chiamarsi così automaticamente.
Vedere la struttura prima di montare. Con tutte le interviste trascritte hai l’intero contenuto della giornata come testo su uno schermo. Leggere 12.000 parole sono venti minuti. Guardare lo stesso materiale sono quattro ore. Vedi la forma del pezzo, noti la risposta ripetuta, ti accorgi che la frase migliore è arrivata alla fine di un ciak sconclusionato, e progetti la storia prima di aprire una timeline.
Passarla a qualcos’altro. Una trascrizione è testo portabile, quindi può andare in ciò che usi per pensare: un documento, una scaletta, un riassunto, una ricerca su un intero archivio. La trascrizione è la materia prima della struttura, e la struttura è il vero lavoro di un pezzo.
Riusare. Versione blog, note dell’episodio, marcatori di capitolo, schede di citazione, sottotitoli. Tutto parte da un testo che hai già.
Accessibilità e portata. I sottotitoli non sono opzionali su molti canali, e le piattaforme ne indicizzano il testo, il che influisce sul fatto che qualcuno trovi il video.
L’unica cosa da correggere a mano
I nomi propri. Ogni volta.
I nomi di persone, aziende, prodotti e luoghi sono il punto in cui sbaglia ogni modello vocale, cloud o locale. È una passata di due minuti: cerca e sostituisci i quattro nomi ricorrenti, e la trascrizione passa da utile a pubblicabile.
Se trascrivi spesso lo stesso argomento, tieni una lista corta dei termini che vengono maciullati e di come vanno scritti. Resta utile di progetto in progetto.
Dove si colloca nell’ingest
La trascrizione va nell’ingest, non nel montaggio. Il motivo è lo stesso del tagging: nell’ingest stai comunque prendendo confidenza con il materiale, e dopo il montaggio non tornerai.
Un ordine che funziona:
- Copia la scheda, verifica.
- Analizza: descrizioni e tag di soggetto per tutto, trascrizioni per tutto ciò che ha parlato.
- Rinomina e archivia, usando entrambi.
- Leggi le trascrizioni. Progetta il pezzo.
- Apri il programma di montaggio sapendo cosa hai.
Il passo quattro sembra un lusso e si rivela il risparmio di tempo. Montare va molto più in fretta quando sai già cosa c’è nel materiale.
Registrazioni audio, non solo video
Se registri l’audio separatamente, un lavalier, un microfono d’ambiente, un’intervista su un registratore, vale lo stesso e il beneficio è maggiore, perché un file audio non ha nessuna miniatura. ZOOM0007.WAV è ancora più opaco di C0087.MP4.
Trascrivere e descrivere le registrazioni trasforma una cartella di file numerati in una libreria. Organizzare le registrazioni audio copre quel caso, compresi gli effetti e l’ambiente dove non c’è parlato da trascrivere.
Cliptag trascrive sul dispositivo su macOS come parte della passata di ingest: trascini dentro una cartella, e ogni clip parlata e ogni registrazione torna con la trascrizione, esportabile in TXT, DOCX, PDF o SRT con timecode. La trascrizione viene salvata accanto alla clip perché Spotlight la indicizzi. Modalità locale su Apple Silicon gratuita e illimitata.
