Come funziona la dettatura vocale

Dall'onda sonora all'audio digitale: cosa registra il tuo microfono quando detti

Come microfono e dispositivo trasformano la voce in numeri: frequenza di campionamento, profondità di bit, audio mono, ricampionamento e perché la posizione del microfono conta più delle specifiche.

MacWindowsiPhoneAndroid

In breve

La tua voce è un'onda di pressione. Il microfono la trasforma in un segnale elettrico e un convertitore misura quel segnale migliaia di volte al secondo. Per il parlato il formato classico è 16.000 misure al secondo a 16 bit. Numeri più alti non garantiscono un riconoscimento migliore: una voce chiara vicina al microfono conta molto più delle specifiche.

Slack

Hai detto

arrivo con dieci minuti di ritardo iniziate senza di me

SayVelio ha scritto

Arrivo con 10 minuti di ritardo, iniziate senza di me.

Il suono nasce come aria in movimento

Quando parli, corde vocali, lingua e labbra creano nell'aria variazioni di pressione minuscole e rapide. Il microfono ha una membrana sottile che si muove con queste variazioni e trasforma il movimento in una tensione variabile: un'onda analogica che riproduce la tua voce.

Un computer non può memorizzare un'onda continua, quindi un convertitore analogico-digitale (di solito integrato nel portatile, nel telefono o nelle cuffie) la misura a intervalli regolari. Ogni misura è un campione, salvato come numero.

Un'onda sonora misurata a intervalli regolari: ogni punto è un campione
Campionamento: l'onda continua della tua voce diventa una serie di punti misurati

Frequenza di campionamento: quanto spesso si misura il segnale

La frequenza di campionamento è il numero di misure al secondo. 16.000 Hz (16 kHz) significa 16.000 campioni al secondo; 48 kHz, 48.000.

La frequenza di campionamento fissa la frequenza più alta che la registrazione può contenere: circa la metà. Una registrazione a 16 kHz conserva i suoni fino a circa 8 kHz, abbastanza per capire il parlato. L'audio telefonico classico arriva solo a circa 3,4 kHz, ed è per questo che al telefono si confondono così facilmente la «f» e la «s».

Profondità di bit: con quanta precisione si salva ogni campione

La profondità di bit indica quanti valori diversi può assumere un campione. L'audio a 16 bit ha 65.536 livelli possibili. Descrive la precisione della misura e nient'altro: non significa che un modello vocale distingua 65.536 tipi di suoni.

Una registrazione per la dettatura di solito è mono: un canale, un campione per istante. Lo stereo aggiunge un secondo canale che aiuta poco il riconoscimento.

Quanti dati occupano pochi secondi di parlato

Il conto è semplice: 16.000 campioni × 16 bit = 256.000 bit al secondo di audio mono, cioè 32 KB al secondo esclusi gli header. Una dettatura di 30 secondi occupa circa 1 MB non compressa. È poco per una connessione moderna, ma si accumula quando un'app invia molte registrazioni, ed è per questo che alcune app comprimono prima l'audio (vedi compressione audio per il parlato).

Ricampionare non è solo cambiare un numero

Molti microfoni registrano a 48 kHz, mentre molti modelli di riconoscimento si aspettano 16 kHz. Convertire non significa rinominare il file: prima bisogna filtrare le frequenze che la frequenza più bassa non può contenere, altrimenti si ripiegano nella registrazione come distorsione (aliasing). Sistema operativo e librerie audio lo fanno per te, ma è un motivo in più per non convertire l'audio avanti e indietro.

Microfono e stanza contano più di tutto

Tutto questo avviene prima del riconoscimento, e nessun software recupera parole che il microfono non ha catturato in modo chiaro. In pratica:

  • La distanza conta più di tutto. Delle cuffie con microfono o il microfono del portatile davanti a te battono una webcam dall'altra parte della stanza. I microfoni lontani catturano più eco.
  • Troppo vicino fa «scoppiare». Parlare attaccati al microfono crea colpi d'aria su «p» e «b».
  • Controlla quale ingresso è selezionato. Se colleghi le cuffie, il computer può cambiare microfono. Su Mac: Impostazioni di Sistema → Suono → Ingresso; su Windows: Impostazioni → Sistema → Audio.
  • Concedi l'accesso al microfono all'app di dettatura. Senza, l'app riceve solo silenzio.

Suggerimento

Se la dettatura peggiora all'improvviso, controlla prima il dispositivo di ingresso. Passare al microfono di cuffie Bluetooth spesso abbassa la qualità, perché molte cuffie usano una modalità audio ristretta, da telefono, quando il microfono è attivo.

Domande frequenti

Una frequenza di campionamento più alta migliora la dettatura?

Non necessariamente. La maggior parte dei modelli di riconoscimento lavora internamente a 16 kHz, quindi una registrazione a 48 kHz viene comunque ridotta. Una voce chiara e una buona posizione del microfono contano di più.

Mi serve un microfono esterno?

Di solito no. I microfoni integrati di portatili e telefoni moderni bastano per dettare in una stanza tranquilla. Delle cuffie con microfono aiutano in open space o in posti rumorosi.