Trascrizione offline o nel cloud: dove finisce la tua voce

La trascrizione offline trasforma la tua voce in testo sul tuo computer: il modello si scarica una volta e il tuo audio non lascia mai la macchina. La trascrizione nel cloud carica il tuo audio su un server, che ti rimanda il testo. La differenza che conta è cosa succede alla tua voce dopo il caricamento, e questo dipende interamente dai termini del fornitore.

Qui sotto: come funzionano tutte e due, cosa dicono tre grandi fornitori cloud di fare con il tuo audio, e cosa ci guadagni e ci perdi con ciascuna.

Perché conta nei video per i clienti

I sottotitoli rendono un video più facile da seguire senza audio e più facile da scorrere. Per crearli, qualcosa deve ascoltare tutto quello che hai detto: il nome del cliente, il budget che hai spiegato, il bug nel suo checkout.

Con un servizio cloud, quell’audio va all’app che usi e spesso anche a un fornitore di trascrizione che sta dietro. Con la trascrizione offline resta sul tuo Mac. Per un tutorial pubblico la differenza può non contare. Per un video sul progetto di un cliente, coperto da un NDA o dal GDPR, può contare eccome.

Come funziona la trascrizione nel cloud

I passaggi sono gli stessi ovunque:

1. L’app carica l’audio (o tutto il video) su un server.
2. Un modello di riconoscimento vocale su quel server lo trasforma in testo.
3. Il testo torna indietro e l’app lo associa al tuo video.

È dopo il passaggio 3 che i fornitori si differenziano. Ecco cosa dicono tre grandi fornitori nella loro documentazione:

Fornitore	Usato per addestrare modelli?	Conservato dopo?
OpenAI API, trascrizioni audio	✗ No, a meno che tu non scelga di condividere i dati	✗ Nessuna conservazione per monitoraggio degli abusi o stato dell’applicazione per questo endpoint
Google Cloud Speech-to-Text	✗ Solo se aderisci al suo programma di logging dei dati	✗ Di default non registra audio né trascrizioni dei clienti
Amazon Transcribe (AWS)	~ I servizi di AI di AWS possono usare i contenuti per migliorare il servizio, anche per addestrare modelli, se non ti opponi	~ Può essere conservato, anche in un’altra regione AWS, se non ti opponi

Dalla documentazione di ciascun fornitore, verificata a novembre 2026. Impostazioni e termini possono cambiare.

Ne seguono due cose. Primo, “cloud” non è una cosa sola: lo stesso audio può essere gestito in modi molto diversi a seconda di chi lo tratta. Secondo, di solito non hai a che fare direttamente con questi fornitori. Li sceglie l’app di registrazione che usi, e sono i suoi termini e il suo elenco di sub-responsabili a dirti quali. Loom, per esempio, dice che la sua trascrizione usa i modelli GPT di OpenAI e Gemini di Google, un Whisper ospitato in proprio e il fornitore di trascrizione Speechmatics, che il suo elenco di sub-responsabili indica con sede negli USA. Vediamo i dettagli in Loom e GDPR.

Come funziona la trascrizione offline

La trascrizione offline fa girare lo stesso tipo di modello sul tuo computer:

1. L’app scarica una volta un modello di riconoscimento vocale.
2. Quando registri, il modello gira sul processore del Mac e trasforma l’audio in testo.
3. Per la trascrizione non si carica niente. Funziona senza connessione.

Sul Mac sono comuni due famiglie di modelli offline.

Whisper

Whisper è un modello di riconoscimento vocale di uso generale rilasciato da OpenAI, con codice e pesi del modello sotto licenza MIT. OpenAI descrive come è stato addestrato in un articolo scientifico pubblicato insieme al modello. Dato che i pesi sono pubblici, le app possono includerlo e farlo girare in locale. Per vederlo all’opera, leggi Whisper su Mac.

Esiste in diverse dimensioni, e la scelta è un compromesso tra velocità e precisione. Il repository ufficiale indica:

Modello	Parametri	Memoria necessaria (circa)	Velocità relativa
tiny	39 M	1 GB	circa 10x
base	74 M	1 GB	circa 7x
small	244 M	2 GB	circa 4x
medium	769 M	5 GB	circa 2x
large	1.550 M	10 GB	1x
turbo	809 M	6 GB	circa 8x

Dal repository ufficiale openai/whisper, verificato a novembre 2026. Velocità relativa a large.

Il repository spiega che turbo è una versione più veloce di large-v3 con una piccola perdita di precisione, e che le versioni solo inglese dei modelli più piccoli in genere vanno meglio sull’inglese.

Il framework Speech di Apple

Il framework Speech di Apple offre il riconoscimento sul dispositivo da anni. Nella vecchia API SFSpeechRecognizer, un’app può impostare requiresOnDeviceRecognition per impedire che una richiesta invii audio in rete, con l’avvertenza, secondo Apple, che le richieste sul dispositivo non saranno altrettanto precise. Se questa opzione non è impostata, alcune lingue possono richiedere una connessione a internet.

Con macOS 26 Apple ha aggiunto SpeechAnalyzer e SpeechTranscriber. I loro modelli si scaricano una volta dai server di Apple, sono gestiti dal sistema e condivisi tra le app, quindi una seconda app che ha bisogno della stessa lingua non la scarica di nuovo.

I compromessi

	Offline	Cloud
La tua voce resta sul tuo computer	✓	✗ Caricata sull’app, spesso anche a un fornitore
Libera dai termini di qualcun altro	✓	✗ Valgono i loro termini, e possono cambiare
Funziona senza connessione	✓ Dopo il primo download	✗
Pronta al primo utilizzo	✗ Un download del modello, una volta sola; modelli più grandi, download più pesanti	✓ Niente da scaricare
Velocità	Dipende dal Mac e dalla dimensione del modello	Dipende dal tempo di caricamento e dal carico del server
Precisione	~ Buona con un parlato chiaro; i modelli più piccoli sbagliano di più	I grandi modelli possono fare meglio con rumore, accenti e gergo
Batteria e calore	~ Usa il processore mentre lavora	✓ Leggera sul dispositivo, ma serve un caricamento

Per la maggior parte dei video ai clienti (una voce, un microfono decente, una stanza silenziosa) la differenza di precisione è piccola. Dove i modelli cloud hanno ancora un vantaggio è l’audio difficile: più persone che si parlano sopra, rumore di fondo, molto gergo tecnico. Qualunque usi, un microfono migliore aiuta ogni modello. La nostra guida su come aggiungere sottotitoli a una registrazione dello schermo su Mac copre il lato pratico.

Cosa significa per il GDPR

Una registrazione della tua voce, e la trascrizione di quello che hai detto, sono dati personali ogni volta che riguardano una persona identificabile. Caricarle presso un fornitore di trascrizione fa di quel fornitore un responsabile del trattamento, il che significa un contratto, una voce nel tuo registro e, se è fuori dall’UE, un meccanismo di trasferimento. La trascrizione offline non elimina gli altri obblighi, ma toglie un responsabile dalla catena. Vediamo i ruoli in GDPR e video per i clienti, e la nostra pagina sul registratore dello schermo conforme al GDPR mostra come JustRec gestisce ogni passaggio.

Quale scegliere

Scegli offline quando l’audio parla di clienti, contratti o di qualcosa coperto da NDA, quando i tuoi clienti sono nell’UE e chiedono dove vanno i loro dati, o quando lavori spesso senza connessione.

Scegli cloud quando il contenuto è comunque pubblico (un tutorial per il tuo sito), quando l’audio è difficile e la precisione conta più di tutto, o quando ti servono funzioni che lavorano sulla trascrizione nel cloud, come i riepiloghi con l’AI.

Molti finiranno per usarle tutte e due. L’importante è sapere quale usa una certa app, prima di dettarle il budget del cliente.

I sottotitoli sono anche ciò che fa guardare un video sul telefono in un ufficio silenzioso: ne parliamo in sottotitoli: così i tuoi video si guardano anche senza audio.