Trascrivere registrazioni lunghe: dividerle nel modo giusto, senza sperare
19 agosto 2026 · 8 min. di lettura
Lezioni di due ore e giornate di convegno si trascrivono in modo molto più affidabile se prima le tagli nei punti giusti. Dove dividere, come sistemare i timestamp dopo e i comandi che fanno il lavoro.
Una lezione di 90 minuti, una giornata di convegno, un'intervista narrativa lunga: registrazioni così sono normali appena trascrivi con regolarità. Mandarne una al modello in un unico pezzo sembra comodo, finché un errore al minuto 80 non ti costa tutto il file, la trascrizione diventa un muro illeggibile o il tuo limite è esaurito. Dividere prima è più veloce, e un errore ti costa qualche minuto invece di due ore.
Quando dividere conviene davvero?
Non ogni file lungo va tagliato. Tre domande lo decidono: il file rientra nei limiti del servizio, ti servono etichette dei parlanti coerenti per tutta la durata, e quanto sarebbe fastidioso ripetere l'elaborazione? Su Sprechverlauf la prova gratuita copre file fino a 10 minuti; un piano consente fino a 4 ore in una volta sola, e le registrazioni lunghe vengono comunque divise internamente in sezioni da 30 minuti. Dividere da te conviene ancora quando vuoi archiviare le sezioni separatamente o ripetere una sola parte.
| Durata della registrazione | Consiglio | Motivo |
|---|---|---|
| Fino a 30 minuti | Lasciala intera | Sta in un solo file e mantiene coerenti le etichette dei parlanti |
| Da 30 a 60 minuti | Due parti, tagliate in una pausa | Una parte resta ripetibile senza rielaborare tutto |
| Da 1 a 3 ore | Sezioni di 20–30 minuti | Segue i punti dell'ordine del giorno, le pause o i cambi di argomento |
| Intere giornate di convegno | Un file per intervento o sessione | Ogni sezione ottiene una trascrizione con un nome sensato |
| Registrazioni con lunghe pause | Prima rimuovi il silenzio | Fa risparmiare tempo di elaborazione ed evita tratti vuoti |
L'unica regola: non tagliare mai a metà frase
Il riconoscimento vocale lavora sul contesto. Se spezzi una frase a metà, entrambe le parti perdono il senso: la prima si interrompe, la seconda inizia senza riferimenti. Questo pesa soprattutto con i termini tecnici e i nomi propri, proprio dove il modello si appoggia alle parole intorno. Taglia durante una pausa, possibilmente in un punto dove l'argomento cambia comunque.
- Taglia tra un punto dell'ordine del giorno e l'altro, tra una slide e la successiva o tra un giro di domande e il seguente
- Lascia da due a tre secondi di sovrapposizione, così nessuna parola sparisce al punto di giunzione
- Elimina del tutto il saluto iniziale, il controllo audio e i saluti finali
- Rimuovi prima la musica pura, gli applausi e i passaggi di allestimento
- Nomina le parti in ordine: “lezione-01”, “lezione-02”, non “nuovo” e “nuovo-finale”
Dividere con ffmpeg: bastano due comandi
ffmpeg è gratuito, funziona ovunque e non ricodifica l'audio a meno che tu non glielo chieda. Questo comando divide un file in sezioni da 25 minuti (1500 secondi) e lascia intatto l'audio:
- ffmpeg -i lecture.m4a -f segment -segment_time 1500 -c copy part_%02d.m4a
- ffmpeg -i lecture.wav -ac 1 -b:a 64k lecture.mp3 (riduce molto le registrazioni di parlato prima della divisione)
- ffmpeg -i lecture.m4a -ss 00:12:30 -to 00:41:00 -c copy excerpt.m4a (ritaglia una sezione specifica)
Il mono a 64 kbit/s sembra drastico, ma per il parlato non è critico: il modello non ha bisogno dell'ampiezza stereo né di una risoluzione da musica. Un'ora di parlato sta comodamente in circa 30 MB. Conserva l'originale e lavora sulla copia più piccola: dividi sempre la copia, mai il master.
Dividere senza riga di comando
Se preferisci non aprire un terminale, Audacity ti porta altrettanto lontano: apri il file, seleziona un intervallo, poi “File → Esporta → Esporta audio selezionato”. La vista della forma d'onda qui ha un vantaggio reale sulla riga di comando: le pause si vedono come tratti stretti, quindi vedi il punto di taglio invece di indovinarlo. Sul telefono, le app per i memo vocali integrate fanno lo stesso lavoro, anche se in modo più approssimativo.
Dopo la divisione: i timestamp ripartono da zero
Ogni trascrizione conta a partire dall'inizio del proprio file. La seconda parte di una lezione quindi ricomincia da 00:00, anche se in realtà inizia al minuto 25. Quando unisci le parti, devi aggiungere l'offset di inizio a ogni timestamp, altrimenti tutti i riferimenti puntano al posto sbagliato. Per i file SRT e VTT, la maggior parte degli editor di sottotitoli lo fa con una funzione chiamata “shift” o “offset times”.
- Annota l'offset di inizio di ogni parte prima di perdere di vista il file originale
- Aggiungi un sottotitolo per ogni parte quando unisci gli export di testo
- Cita le citazioni con numero di parte e orario, per esempio “parte 2, 07:41”
- Unisci i sottotitoli solo dopo aver spostato i tempi
Le etichette dei parlanti non passano da una parte all'altra
Il riconoscimento dei parlanti analizza ogni file per conto suo. “Parlante 1” nella prima parte e “Parlante 1” nella seconda potrebbero non essere la stessa persona: nessuna delle due elaborazioni sa dell'altra. Non è un bug, è una proprietà del metodo. In pratica: ascolta i primi secondi di ogni parte e sostituisci le etichette generiche con i nomi reali prima di unire le sezioni.
Quando la coerenza nell'attribuzione dei parlanti conta più di ogni altra cosa — per esempio un'audizione o una discussione di gruppo con sei partecipanti — ha senso non dividere affatto: imposta esplicitamente il numero di parlanti e accetta il tempo di elaborazione in più.
Un ordine di lavoro praticabile
- Archivia l'originale e crea una copia di lavoro in MP3 mono
- Scorri la registrazione una volta e segna i punti di taglio nelle pause
- Dividi in sezioni da 20 a 30 minuti, numerate in ordine
- Trascrivi le sezioni una alla volta, impostando prima lingua e termini chiave
- Sostituisci le etichette dei parlanti con i nomi reali per ogni sezione
- Sposta i timestamp dell'offset di inizio e unisci i testi
- Controlla a campione numeri, nomi e citazioni confrontandoli con l'audio