Whisper DictatorApp per Windows

Volevamo dettare senza mandare l'audio a nessuno.

Abbiamo costruito un'app di dettatura vocale che trascrive dentro il tuo computer. Questa pagina non serve a venderla: è il racconto del perché abbiamo deciso di farla così.

Whisper Dictator · dettaturaTrascrizione in locale
  1. 1Tasto premuto
  2. 2Dettatura
  3. 3Tasto rilasciato
In localeTesto
Che cos'è

Prima della storia, che cos'è davvero.

Un paragrafo di fatti, perché nessuno debba indovinare di cosa stiamo parlando.

Whisper Dictator è un'app per Windows che trasforma la voce in testo. Tieni premuto un tasto, parli, lo rilasci, e il testo compare digitato dove si trovava già il cursore: email, editor, browser, sistema interno. La trascrizione avviene dentro il tuo computer: nessun audio viene inviato a nessun server, e dopo l'installazione funziona senza connessione.

Il punto dolente che abbiamo visto

Il problema non è mai stato la velocità della dettatura.

Era dove finiva l'audio: una discussione che si chiude prima di cominciare.

Vedevamo la stessa scena in studi medici, uffici e reparti tecnici: buona parte della giornata se ne va in documentazione. L'appuntamento è finito, e qualcuno deve trasformare quello che sa già in testo dentro un sistema. Il lavoro è fatto; quello che resta è scriverlo, in competizione con l'appuntamento successivo.

La via d'uscita ovvia sarebbe stata dettare, e quasi tutti ci avevano già provato. A bloccare era sempre lo stesso dettaglio: i servizi di dettatura integrati nel sistema o nel browser mandano l'audio al server di un'altra azienda. Nota del paziente, deposizione, clausola, numero di conto: tutto esce dal computer prima di diventare testo. In un settore regolamentato, il discorso finisce lì.

C'era poi un dettaglio che il materiale commerciale di questi servizi non menziona: senza internet, niente dettatura. Lo strumento si ferma proprio dove sarebbe più utile: in aereo, nella zona con poco segnale, nello studio con la rete instabile. È stata la somma di queste tre cose a convincerci a costruire invece di consigliare qualcosa di già pronto.

Le decisioni che abbiamo preso

Tre scelte che hanno definito il resto del progetto.

Ognuna ha chiuso una porta. Conta di più spiegare cosa abbiamo chiuso che elencare cosa è rimasto aperto.

01 · Dove elaborare

Sul computer dell'utente, non nel nostro cloud

È stata la decisione più costosa, e la prima. Far girare il riconoscimento vocale su un nostro server sarebbe stato più semplice da mantenere e avrebbe funzionato su qualsiasi sistema operativo. Abbiamo scelto il contrario: il modello viene scaricato sul disco durante l'installazione e la trascrizione avviene lì. Il prezzo è una configurazione iniziale più lunga e una dipendenza dall'hardware di chi lo usa. Il vantaggio è l'unica cosa che risolveva il problema di partenza: l'audio non esce.

02 · Come attivarlo

Tenere premuto un tasto, invece di restare in ascolto

L'alternativa comoda era una parola di attivazione, con il microfono sempre aperto in attesa del comando. L'abbiamo scartata perché nella pratica annulla la decisione precedente: non serve elaborare in locale se il microfono resta acceso tutto il giorno. L'attivazione è un gesto esplicito: il microfono si accende solo mentre il tasto è premuto. Il costo è non poter dettare con le mani occupate, e ci sembra un costo giusto.

03 · Dove consegnare

Scrivere nel campo che era già aperto

Avremmo potuto fare una finestra nostra con il testo da copiare. Sarebbe stato più facile da costruire e avrebbe funzionato allo stesso modo ovunque. Ma avrebbe creato un posto in più da cui il testo deve uscire, proprio l'attrito che volevamo eliminare. La scorciatoia è globale e il testo entra dove il cursore si trovava già. Il prezzo si vede nella compatibilità: è questo che lega l'app a Windows, per ora.

A che punto è, onestamente

Cosa funziona oggi e cosa non ancora.

Un limite dichiarato vale più di un superlativo, soprattutto quando la prova richiede dieci minuti.

Cosa funziona

99 lingue riconosciute, da scegliere nel menu dell'area di notifica, e basta un PC normale con 4 GB di memoria. Una scheda video NVIDIA accelera, ma non è obbligatoria. Oltre alla dettatura dal vivo, i file audio e video che hai già vengono trascritti per intero sul tuo computer, senza upload e senza costi al minuto. La versione gratuita consente sette trascrizioni al giorno, con tutti i modelli e le lingue.

Cosa non funziona

Oggi esiste solo per Windows 10 e 11; Mac e Linux sono nella roadmap, senza data. E trascrive quello che dici o il file che scegli; non resta in ascolto di una riunione dal vivo per produrre un verbale che indichi chi ha parlato. Quella è un'altra categoria di strumento.

Il compromesso che erediti

La precisione varia con la dimensione del modello. Un modello più grande sbaglia meno e ci mette di più; uno più piccolo risponde subito e sbaglia un po' di più. Non esiste un'impostazione che risolva entrambi i lati, e la scelta resta a chi lo usa.

Whisper Dictator nasce dentro Sincron IA, lo stesso team che si occupa di automazione dei processi nell'operatività delle aziende clienti. Quando il collo di bottiglia è più grande di quanto uno strumento possa risolvere, la strada è la fase di Discovery.

Vuoi conoscere il prodotto vero?

L'acquisto, il download e la documentazione sono sul suo sito. Questo testo serviva solo a spiegare perché esiste.