Veloce, Bilanciata, Massima: quale livello di qualità scegliere

Che cosa sono i tre livelli

Ogni caricamento passa per uno dei tre livelli, e ciascuno è un modello diverso:

• Veloce — Whisper large-v3-turbo. Una versione distillata del modello grande: meno strati di decodifica, quasi tutta l’accuratezza, una frazione del tempo.
• Bilanciata — Whisper large-v3. Il modello completo, ed è l’impostazione predefinita.
• Massima — GPT-4o Transcribe. Un’architettura più recente, che regge accenti, voci sovrapposte e rumore meglio di Whisper.

Tutti e tre restituiscono i tempi parola per parola: il lettore segue il testo ovunque e l’esportazione dei sottotitoli funziona allo stesso modo a ogni livello.

Che cosa cambia davvero

Con audio pulito, poco. Una sola persona con un microfono decente in una stanza silenziosa arriva quasi allo stesso punto su tutti e tre i livelli — ed è proprio per questo che pagare l’attesa di Massima su quel file è tempo buttato.

La distanza si apre quando l’audio si complica: voci sovrapposte, accenti forti, rumore di fondo, termini tecnici, nomi propri. Lì Veloce comincia a perdere le interiezioni brevi e a tirare a indovinare sui nomi. Massima li tiene.

Scegliere senza pensarci troppo

Lascia su Bilanciata. È predefinita perché ha ragione quasi sempre.

Passa a Veloce quando vuoi in fretta il senso di una registrazione lunga, o quando l’audio è pulito e non c’è molto in gioco: una nota vocale, una registrazione da solo, qualcosa che scorrerai.

Passa a Massima quando un errore costa: interviste che citerai, registrazioni legali o mediche, accenti difficili, più persone che si accavallano, o qualsiasi cosa tu pubblichi come sottotitolo.

Puoi sempre rilanciare un file a un livello superiore. L’audio originale resta disponibile per tutto il tempo in cui il tuo piano lo conserva.