Come funziona la dettatura vocale

Dalla trascrizione grezza al testo leggibile: punteggiatura, numeri e pulizia

Perché una trascrizione grezza non è pronta da inviare, come si aggiungono punteggiatura, maiuscole, numeri ed elenchi, perché «cinque e cinquanta» è ambiguo e come evitare che la pulizia cambi il significato.

MacWindowsiPhoneAndroid

In breve

Il riconoscimento vocale restituisce le parole così come le hai dette: intercalari, ripartenze, nessuna punteggiatura. Un secondo passaggio le trasforma in testo scritto: punteggiatura, maiuscole, numeri in cifre, elenchi e paragrafi. Quel passaggio deve interpretare, perché «cinque e cinquanta» può essere un orario, un prezzo o una quantità. Una buona pulizia mantiene il significato e la lingua e cambia solo la forma.

Gmail

Hai detto

ciao sara allora la chiamata è alle cinque e cinquanta no scusa alle sei e un quarto e il budget è di dodicimilacinquecento euro

SayVelio ha scritto

Ciao Sara,

la chiamata è alle 18:15 e il budget è di 12.500 €.

Com'è fatta una trascrizione grezza

Nessuno parla per frasi già finite. La trascrizione grezza di un messaggio normale spesso è così:

allora ehm il piano è che noi noi mandiamo la bozza martedì no mercoledì e poi tipo anna la rivede

Ci sono tutte le parole, ma nessuno lo invierebbe così. Per arrivare a «Il piano: mandiamo la bozza mercoledì, poi Anna la rivede.» servono diverse decisioni distinte: togliere «ehm» e «tipo», eliminare il «noi» ripetuto, applicare l'autocorrezione, aggiungere punteggiatura e maiuscole.

Una trascrizione grezza con intercalari e senza punteggiatura accanto al testo ripulito
La stessa dettatura prima e dopo la pulizia

La punteggiatura è un'interpretazione

I microfoni non registrano le virgole. La punteggiatura si deduce da pause, intonazione e struttura della frase, quindi è una scelta redazionale, non una misura. Il più delle volte è ovvia. A volte cambia il significato («Vado a mangiare, nonna» contro «Vado a mangiare nonna»), ed è uno dei motivi per rileggere i messaggi importanti prima di inviarli.

Numeri, date e importi: la normalizzazione inversa del testo

Trasformare le forme parlate in notazione scritta ha un nome tecnico: normalizzazione inversa del testo (ITN). È ciò che trasforma «centoventitré euro» in «123 €» e «tre marzo» in «3 marzo».

È più difficile di quanto sembri, perché spesso l'audio da solo non basta a decidere:

DiciSi può scrivere
«cinque e cinquanta»5:50 (orario), 5,50 € (prezzo), 5 e 50 (due numeri)
«venti ventiquattro»2024 (anno), 20 24 (due numeri), 20–24 (intervallo o punteggio)
«uno zero uno»101, 1:01
«il terzo»3°, il 3 del mese, «il terzo» (una persona)

Di solito il contesto chiarisce, e una buona pulizia usa tutta la frase per scegliere. Quando la precisione conta, aggiungi qualcosa: «le cinque e cinquanta del pomeriggio», «cinque euro e cinquanta».

La direzione opposta, da «123 €» scritto a parole pronunciate, si chiama normalizzazione del testo ed è ciò che fanno i sistemi di sintesi vocale; vedi riconoscimento vocale e sintesi vocale.

Le parole possono essere giuste e il formato sbagliato

Riconoscimento e formattazione sono lavori diversi. Il riconoscitore può azzeccare ogni parola e il risultato può comunque non andare bene per il tuo scopo: un elenco scritto come paragrafo, un orario scritto come numero, un'email formale piena di punti esclamativi. Questo è il compito dello strato di formattazione, ed è lì che le impostazioni personali aiutano.

In SayVelio questo strato è la pulizia facoltativa:

  • Il prompt di pulizia fissa le regole generali: elenchi, numeri, tono.
  • Gli stili per app adattano il risultato al posto in cui scrivi: breve e informale in chat, frasi complete nelle email, comandi esatti nel terminale.
  • La modalità Veloce salta del tutto la pulizia e inserisce la trascrizione così come è stata riconosciuta, quando preferisci la velocità alla rifinitura.

Tieni separati «più ordinato» e «diverso»

Alcune modifiche sono innocue: maiuscole, virgole, togliere gli «ehm». Altre cambiano ciò che hai detto: sostituire un nome, perdere un «non», arrotondare un numero, riformulare una promessa. Una buona pulizia fa liberamente le prime ed evita le seconde.

La pulizia di SayVelio ha l'istruzione di mantenere le tue parole e la tua lingua, di non tradurre mai e di non rispondere mai a ciò che hai dettato. Se un risultato non ti convince, ogni dettatura resta nella Cronologia dell'app, da dove puoi copiarla di nuovo.

Domande frequenti

Perché un numero nella mia dettatura ha cambiato formato?

La pulizia scrive i numeri pronunciati come si scrivono di solito: cifre, valute, orari. Se ha scelto la lettura sbagliata, aggiungi una parola di contesto quando parli («alle cinque e cinquanta del pomeriggio») o descrivi i formati che preferisci nel tuo prompt di pulizia.

Posso avere il testo esattamente come l'ho detto?

Sì. Usa la modalità Veloce, che inserisce ciò che il riconoscimento ha sentito senza pulizia. Avrai anche intercalari e ripartenze.