Una call di due ore, 24.106 turni di parola

Il file c'era, la conversazione no

Una registrazione di 130 minuti tornò dal trascrittore divisa in 24.106 turni di parola: circa tre cambi di voce al secondo. Il sistema aveva prodotto un file di testo, ma non una conversazione che si potesse leggere. La voce dell’interlocutore, uscita dalle casse del Mac, era rientrata nel microfono. Il programma la vedeva su entrambi i canali e spezzava le frasi in frammenti.

Quando un errore arriva nel registro decisionale

Il progetto era iniziato in modo molto più semplice. OBS salvava l’audio delle call; uno script aspettava che il file fosse completo, lo mandava a trascrivere e archiviava il risultato. Poi quelle trascrizioni hanno cominciato a servire per ricostruire e citare decisioni. Una storpiatura di “GreenWatt” in “Greenback” è arrivata fino a tre voci del registro decisionale, benché nessuno avesse mai proposto quel nome. Da quel momento il problema non era più ottenere un testo in automatico. Era poter capire quanto fidarsi di quel testo.

Cosa fa oggi il trascrittore

Il trascrittore è cresciuto attorno a questa domanda. Usa un vocabolario per i nomi che il riconoscimento sbaglia spesso; controlla le correzioni proposte dall’AI e le scarta se cambiano cifre, voci o troppo contenuto. Conserva il collegamento con la registrazione e non riscrive mai una trascrizione archiviata: alcune decisioni la citano per numero di riga.

Ha dovuto imparare anche a sopravvivere ai guasti ordinari. Una call di 26 minuti, per esempio, era stata trascritta due volte e poi messa da parte per un errore nella generazione del titolo. Oggi il lavoro riparte dalla fase raggiunta e riconosce un audio già elaborato, senza pagare di nuovo la stessa trascrizione.

Su iPhone: l’app ascolta, la tastiera scrive

FlowBridge per iPhone è nato separatamente, per un’altra esigenza: parlare e vedere le parole comparire dove si sta scrivendo. All’inizio funzionava solo sul dispositivo, con Whisper. La sfida era far convivere quella semplicità con i limiti di iOS: una normale app non può inserire testo liberamente nelle altre app, mentre una tastiera personalizzata non è il posto giusto per registrare audio e caricare un modello vocale.

FlowBridge divide quindi i compiti: l’app ascolta e trascrive, la tastiera inserisce il testo. Sono arrivati poi i comandi di avvio, la Dynamic Island, il recupero di una dettatura interrotta e una modalità cloud opzionale, con consenso e chiave personale. Anche la velocità ha richiesto lavoro concreto: su iPhone il primo caricamento del modello poteva richiedere decine di secondi, perciò è stato necessario prepararlo prima che l’utente premesse Registra.

Sul Mac i due percorsi si incontrano

Solo in seguito i due percorsi hanno iniziato a incontrarsi sul Mac. FlowBridge riunisce lì dettatura locale, registrazione delle call e diario. Il nuovo registratore cattura microfono e audio di sistema separatamente; il trascrittore prova a rimuovere l’eco da una copia, lasciando intatto l’originale. Il motore non è stato scelto perché cancellava più decibel di eco, ma perché nelle prove conservava più parole di chi parlava senza attribuirgli quelle dell’interlocutore.

A che punto è

Questa è la sfida che tiene insieme il progetto: rendere la voce immediatamente utile senza far sparire gli errori dietro un testo ben formattato. La pipeline delle call è in produzione; le app e il diario fra Mac e iPhone sono ancora nella fase di collaudo completo sui dispositivi. È un confine importante, perché FlowBridge è nato proprio dalle volte in cui un risultato sembrava pronto e una call vera dimostrava il contrario.

CodiceFlowBridge per iPhone su GitHub ↗

FAQ

Perché su iPhone la tastiera non registra l’audio?

Una tastiera personalizzata non è il posto giusto per registrare audio e caricare un modello vocale. Per questo l’app ascolta e trascrive, e la tastiera si limita a inserire il testo.

FlowBridge manda la voce nel cloud?

Non per forza. È nato per funzionare solo sul dispositivo, con Whisper. La modalità cloud è opzionale e richiede consenso e una chiave personale.

Come si evita che l’AI cambi il senso di una trascrizione?

Le correzioni proposte dall’AI vengono controllate e scartate se cambiano cifre, voci o troppo contenuto. Una trascrizione archiviata non viene mai riscritta.

È già in uso?

La pipeline delle call è in produzione. Le app e il diario fra Mac e iPhone sono in collaudo completo sui dispositivi.

Un testo ben formattato non è ancora un testo affidabile. La differenza la fa sapere dove può sbagliare.