Come trascrivere un audio con più parlanti e segnare chi dice cosa
Come registrare bene, trascrivere e segnare chi parla con i timestamp, e quali strumenti riconoscono i parlanti in automatico (dati del 3/11/2026).
Team Sonorarium 6 min di lettura
Risposta breve: Sonorarium trascrive quello che viene detto e mette un timestamp su ogni frammento, ma non separa i parlanti: non scrive «Anna:» o «Luca:» al posto tuo. La strada che funziona con noi è registrare bene (un microfono per persona, se puoi), trascrivere e segnare a mano chi parla, guidandoti con i timestamp. Se ti serve un'etichettatura automatica, esistono strumenti che riconoscono i parlanti; qui sotto ne trovi quattro, con i loro dati pubblici e la data della consultazione.
Vale per un'intervista a due, una riunione in cinque o un focus group. Più voci e più sovrapposizioni ci sono, più lavoro di revisione serve, e lo diciamo subito per evitare sorprese.
Cosa fa Sonorarium e cosa no
- Lo fa: trascrivere l'audio nella lingua che scegli, con un timestamp su ogni frammento. Cliccandoci suona proprio quel momento, quindi trovare un cambio di voce è veloce.
- Lo fa: farti modificare il testo nell'editor e scaricarlo in Word, TXT, SRT, VTT o JSON, con le tue correzioni (scaricare e modificare richiedono il tuo account). Il Word comincia ogni paragrafo con
[hh:mm:ss]; il TXT è senza timestamp. - Non lo fa: separare né nominare i parlanti. Nemmeno il riassunto con IA: dice di cosa si è parlato, non chi l'ha detto.
1. Registra pensando al risultato
La separazione delle voci si decide in buona parte prima di trascrivere:
- Un microfono per persona, se puoi, anche solo il telefono di ciascuno (attenzione: ogni file consuma i suoi minuti). Se ne hai uno solo, mettilo al centro e a meno di un metro da tutti.
- Fai dire a ciascuno il proprio nome all'inizio. Sono dieci secondi e ti danno la chiave per il resto della registrazione.
- Un turno alla volta. Le sovrapposizioni sono ciò che si trascrive peggio e che si attribuisce con più difficoltà dopo.
- Fai una prova di 30 secondi e ascoltala prima di cominciare. Se la stanza ha eco o rumore, guarda come trascrivere un audio con rumore.
- Chiedi il permesso a tutte le persone che si sentono prima di registrare. Cosa dicono le fonti sull'Italia e come chiedere è in è legale registrare una lezione, una riunione o una telefonata?.
2. Trascrivi il file
- Carica la registrazione nello strumento per riunioni o in quello per interviste: audio o video, fino a 5 ore e 2 GB.
- Scegli la lingua parlata.
- Apri il testo: ogni frammento ha il suo timestamp.
I primi 15 minuti sono gratuiti alla creazione dell'account, senza carta. Se il file è più lungo, quei 15 minuti vengono trascritti come anteprima e il resto si sblocca dal tuo account, pagando solo i minuti che mancano, finché l'audio è ancora conservato (7 giorni).
3. Segna chi parla, aiutandoti con i timestamp
È il metodo che consigliamo. Con una registrazione di due o tre persone è fattibile; con otto, metti in conto di andare piano. Fallo nei 7 giorni in cui l'audio resta salvato: dopo, i timestamp restano nel testo, ma il segmento non si ascolta più.
- Ascolta il primo minuto e annota come suona ogni voce (chi si è presentato per primo, chi ha la voce più grave, ecc.).
- Scorri il testo seguendo i timestamp. Un cambio di voce coincide spesso con una pausa e una frase nuova: clicca sul timestamp del frammento per ascoltarlo e decidere.
- Scrivi il nome all'inizio di ogni intervento, in un formato fisso («ANNA:», «LUCA:»). Un formato unico ti permette poi di cercare e contare.
- Usa etichette per i punti dubbi:
[sovrapposizione],[incomprensibile]o[Luca?]. Meglio segnalare un dubbio che attribuire male una frase. - Ricontrolla le attribuzioni importanti (citazioni, cifre, decisioni) riascoltando il frammento.
- Scarica alla fine. Se correggi nell'editor, Word, TXT e SRT escono con il tuo testo già corretto.
Un esempio, fittizio, di come viene un passaggio. Prima:
[00:00:04] Buongiorno, cominciamo.
[00:00:08] Bene, ecco le cifre.
[00:00:13] Perfetto, e le scadenze?
Dopo aver segnato (esempio inventato, non una trascrizione reale):
[00:00:04] ANNA: Buongiorno, cominciamo.
[00:00:08] LUCA: Bene, ecco le cifre.
[00:00:13] ANNA: Perfetto, e le scadenze?
Per focus group o interviste di ricerca c'è una guida con convenzioni, etichette e importazione nei software di analisi: trascrizione per la ricerca qualitativa. Per le interviste della tesi, come trascrivere le interviste per la tesi di laurea. E per le riunioni su Teams, Zoom o Meet, come trasformarle in testo.
4. Se ti serve un'etichettatura automatica
Alcuni strumenti riconoscono i parlanti da soli, cosa che Sonorarium non fa. Sono dati tratti dalle loro pagine, consultate il 3 novembre 2026. Cambiano spesso: controlla sempre il loro sito. Non li abbiamo provati sul tuo audio, e la qualità dell'etichettatura dipende dalla registrazione.
| Strumento | Cosa dice il suo sito | Gratis o costo, secondo il sito |
|---|---|---|
| Word (Microsoft 365) | Separa ed etichetta i parlanti («Speaker 1», «Speaker 2»…), che puoi rinominare | Con un abbonamento a Microsoft 365, fino a 300 minuti di audio caricato al mese |
| Otter | Il piano Basic (gratuito) elenca «Speaker identification» | 300 minuti al mese, fino a 30 minuti per conversazione e 3 importazioni di file a vita, nel Basic |
| Notta | Il piano Free elenca «Speaker identification» | 120 minuti al mese, fino a 3 minuti per conversazione |
| noScribe | Distingue tra i parlanti; usa pyannote | Gratuito e open source (GPL-3.0); gira sul tuo computer, senza cloud |
Due precisazioni: la funzione di Word è disponibile in Word per Microsoft 365 su Windows (e, secondo la pagina, in Word per il web) e funziona in Edge e Chrome, mentre noScribe si installa sul tuo computer (Windows, macOS o Linux).
Se la tua registrazione dura un'ora o più, guarda il limite per file prima dei minuti al mese: nei piani gratuiti Otter accetta 30 minuti per conversazione e Notta 3, quindi dovresti dividerla. Sonorarium trascrive in una volta file fino a 5 ore, senza installare nulla e con pacchetti senza abbonamento: paghi solo i minuti che mancano. Quello che non fa è etichettare i parlanti; se per te conta soprattutto questo, quegli strumenti fanno qualcosa che noi non facciamo. I limiti gratuiti di ciascuno, a confronto, sono in trascrivere audio gratis: i limiti di ogni strumento.
Quanto costa una riunione o un'intervista di un'ora
Con un account nuovo, i primi 15 minuti sono gratuiti alla creazione dell'account, senza carta, e ne mancano 45. Il pacchetto da 120 minuti costa 6 €, e i 75 che avanzano non scadono. Tutti i pacchetti sono nella pagina dei prezzi.
Domande frequenti
Sonorarium separerà i parlanti in futuro? Non lo promettiamo. Oggi non lo fa, ed è per questo che l'articolo spiega come segnarli tu.
Il riassunto con IA dice chi ha parlato? No. Riassume gli argomenti ma non attribuisce frasi a persone.
E se ogni persona è registrata in un file a parte? È il modo più semplice per sapere chi parla: trascrivi ogni file separatamente, e il nome del file te lo dice. Però ogni file consuma i suoi minuti: una riunione di un'ora registrata con tre telefoni sono tre ore di trascrizione. Se il costo conta, un buon microfono al centro del tavolo dà una sola registrazione.
Che fine fa l'audio caricato? Viene cancellato dopo 7 giorni; la trascrizione del tuo account resta finché non la cancelli e non viene usata per addestrare modelli.
Fonti degli strumenti: Microsoft Support (Transcribe your recordings), Otter, Notta e il repository di noScribe su GitHub, consultati il 3 novembre 2026.