Per sbobinare e riassumere l'audio di una riunione è possibile:
- registrare audio su smartphone/PC
- caricarlo su Nextcloud (cloud privato) tramite apposito form o client dedicato
- lanciare la sbobinatura con un modello Speech-ToText residente su server privati
- riassumere il documento con un altro modello LLM dedicato
- condividere il documento finale tramite Nexcloud (cloud privato)
Ognuno di questi passaggi può essere effettuato diversamente in base alle risorse disponibili, ma anche a seconda delle necessità. Sottotitolare significa aggiungere alla sbobinatura delle marche temporali per consentire la visualizzazione di un video, sincronizzato con audio e dotato di sottotitoli.
Il modello Speech-To-Text andrà calibrato appositamente: è possibile caricare il file audio (o video) direttamente su web-app come subsai, una GUI (Graphical User Interface) web tramite cui lanciare la sottotitolatura in base alla lingua.
Nella dettatura (funzione dittafono), la procedura di speech-to-text viene applicata a un file registrato al momento dal microfono del dispositivo invece che a un file audio o video precedentemente registrato. Per questa esigenza, Speechnote è un buon sistema per Linux, mentre per Windows e OSX esistono moltissime alternative anche in locale: segnaliamo WhisperGUI come interfaccia grafica di Whisper, un software realizzato in ambito universitario.
L'intero flusso di lavoro “dall’audio/video al testo” può essere automatizzato, adattandolo a diverse esigenze organizzative. Tutti i dati restano in locale, sul dispositivo dell’utente o su server autonomi, a garanzia di totale sicurezza e privacy.
Le IAr suggeriscono: meglio audio che video!
La registrazione di videoconferenze è molto diffusa. I video occupano molto più spazio disco degli audio: se l’obiettivo finale è un testo integrale o un riassunto, meglio registrare direttamente solo audio. Minori consumi, maggiore velocità a parità di risorse, meno possibilità di errori. Meno dati inutili è meglio!
