Sottotitoli automatici in italiano: quanto sono accurati davvero

«Accuratezza del 99%» è la cifra che compare su quasi tutti i siti di trascrizione automatica. È un numero che non vuol dire niente finché non si sa su quale audio è stato misurato — e quasi sempre è inglese, letto, con un microfono professionale.

Questo articolo prova a essere più utile: dove sbaglia davvero la trascrizione automatica in italiano, perché sbaglia proprio lì, e come verificarlo sui vostri file in due minuti.

Il numero che conta non è la percentuale

Il modo standard di misurare è il word error rate: quante parole sbagliate ogni cento. Il problema è che tratta tutti gli errori come uguali, e per chi pubblica non lo sono affatto.

Una preposizione sbagliata non la nota nessuno. Il nome del vostro ospite storpiato lo notano tutti, a partire dall'ospite. Due trascrizioni con la stessa percentuale di errore possono essere una perfettamente utilizzabile e l'altra imbarazzante.

Quindi, quando valutate uno strumento, non guardate quanti errori fa: guardate dove li fa.

I quattro punti in cui l'italiano è più difficile

Nomi propri e marchi

È il caso peggiore, perché il modello prova a ricondurre un suono sconosciuto a una parola che conosce. Un cognome poco comune diventa qualcos'altro di plausibile, e la trascrizione resta scorrevole — il che rende l'errore più difficile da individuare, non meno.

Sigle e termini tecnici

Ogni settore ha il suo gergo, e chi parla lo pronuncia in fretta perché lo dà per scontato. Le sigle lette lettera per lettera se la cavano meglio di quelle pronunciate come parole.

Voci sovrapposte

Il caso più difficile in assoluto, e più difficile del rumore di fondo — che invece è gestito piuttosto bene. Un'intervista in cui le persone si accavallano produce sistematicamente risultati peggiori di una registrazione rumorosa con un solo interlocutore.

⚠️ Vale la pena saperlo perché è controintuitivo: la registrazione "brutta" non è quella nella stanza rumorosa, è quella in cui parlano in due.

Cambi di lingua dentro la frase

«Ho fatto un check sulle performance del funnel». L'italiano parlato di molti settori è pieno di inglese, e il modello deve capire al volo che quella parola non va trascritta con l'ortografia italiana. È il caso in cui gli strumenti tarati sull'inglese fanno meglio, e quelli configurati male sull'italiano fanno peggio.

Come verificarlo in due minuti, sui vostri file

Non serve un test scientifico. Serve un campione rappresentativo del vostro lavoro:

1. Prendete due minuti di una vostra registrazione reale — non il file migliore: quello tipico.
2. Sceglieteli in un punto dove dite dei nomi propri e almeno un termine tecnico del vostro

settore.

1. Se possibile, includete un passaggio in cui qualcun altro interviene.
2. Trascrivete con lo strumento e rileggete **contando solo gli errori che dovreste correggere prima

di pubblicare**.

Se sono due o tre in due minuti, lo strumento vi fa risparmiare tempo. Se sono quindici, vi sta spostando il lavoro dalla scrittura alla correzione — che è più noiosa.

Quanto sbagliamo noi, misurato

Il consiglio di sopra vale anche per noi, quindi l'abbiamo seguito. Abbiamo fatto trascrivere a echoflow un podcast di cui conosciamo il testo parola per parola, perché l'audio è stato generato da un copione: un'intervista di economia di 5 minuti e 25 secondi, con 28 cifre e 11 nomi propri — tre persone, un'azienda, due città, due istituti di ricerca, un rapporto, un libro e il nome stesso del podcast. Il risultato, misurato il 25 settembre 2026:

• 2,5% di parole sbagliate (21 su 835), contando le parole cambiate, quelle perse e quelle aggiunte;
• cifre giuste: 25 su 28;
• nomi propri giusti: 24 su 25 delle volte in cui vengono detti.

Le tre cifre sbagliate dicono più della percentuale. «Quarantott'ore» diventa «40 ore», e «da quattrocentodieci a duecentoventi chilometri» diventa «da 400 euro»: errori scorrevoli, che non si notano leggendo, cioè proprio quelli da cercare. Il nome mancante è quello del podcast, che cade insieme alla frase d'apertura.

La misura ci ha anche fatto cambiare idea. Per dieci giorni avevamo usato un modello di trascrizione che, provato da solo, sentiva meglio le cifre; misurato così, dentro il servizio vero, perdeva interi passaggi e in qualche prova aggiungeva frasi mai dette. Siamo tornati al modello di prima, quello di questi numeri.

Cosa questa misura non dice. È un solo audio, con una sola voce sintetica, pulita e senza rumore: il caso facile. Non ci sono voci sovrapposte, che sopra abbiamo chiamato il caso più difficile, e un'intervista vera sbaglierà di più — quanto, questa misura non lo sa. E non è un confronto con altri strumenti: misura echoflow, non il mercato.

Una cosa che abbiamo provato e non funziona

Sembra sensato che uno strumento avvisi quando "non è sicuro" di un passaggio, e che sotto una certa soglia di confidenza segnali il testo da controllare.

Abbiamo provato a costruirlo, e l'abbiamo tolto. Il motivo: i punteggi di confidenza misurano quanto il modello è sicuro, non quanto ha ragione. Nelle nostre prove un'intervista vera con voci sovrapposte segnava un punteggio peggiore di un campione di solo rumore — cioè il semaforo non distingueva il parlato legittimo dal rumore. Un indicatore che sbaglia in quel modo è peggio di nessun indicatore, perché insegna a fidarsi nel momento sbagliato.

La conclusione pratica è meno elegante e più onesta: la rilettura non si evita. Si riduce, si concentra sui punti giusti, ma non si delega a un semaforo.

Cosa fare dei sottotitoli, una volta che ci sono

Il file SRT è solo l'inizio. Dallo stesso testo con i tempi si ricavano i capitoli, le citazioni, i punti da cui tagliare le clip: è il motivo per cui conviene trattare la trascrizione come un'infrastruttura e non come un output finale — ne parliamo in Riutilizzare i video.

---

Se volete provarlo su un vostro file, echoflow include 14 giorni senza carta di credito. Il consiglio è quello di sopra: caricate il file tipico, non quello migliore. È l'unico modo di sapere come vi andrà nelle settimane normali.