A cura della redazione di whispertranscribe.ai · Ultimo aggiornamento a novembre 2026 · Lettura di 12 min
Per trascrivere un MP3 in testo, caricalo in uno strumento di trascrizione con IA, scegli la lingua parlata ed esporta il risultato in DOCX, TXT o SRT. Puoi anche usare la funzione Trascrivi di Microsoft Word, scrivere a mano o eseguire sul tuo computer il modello gratuito Whisper di OpenAI. Qualunque sia il metodo, il risultato dipende dalla qualità dell'MP3.
Qui trovi i quattro metodi passo dopo passo, come leggere il bitrate e la frequenza di campionamento, quali aspetti dell'audio controllare e come gestire file lunghi e più parlanti. In chiusura trovi un metodo di revisione in tre passaggi.
Come trascrivere un MP3 in testo in breve
Per la maggior parte delle persone, uno strumento online è il metodo più rapido. Accetta l'MP3 così com'è, indica chi parla e restituisce un file modificabile. Usa Word se hai già Microsoft 365, scrivi a mano per le clip brevi e usa Whisper in locale quando l'audio deve restare sul tuo dispositivo.
- Controlla il file. Ascolta 30 secondi per verificare che le voci siano chiare.
- Carica il file e imposta le opzioni. Scegli la lingua parlata e attiva il riconoscimento dei parlanti se interviene più di una persona.
- Rileggi ed esporta. Correggi nomi e numeri, poi scarica un DOCX o TXT per i documenti oppure un SRT o VTT per i sottotitoli.
Quale metodo scegliere?
Valuta quanto audio hai, se devi distinguere chi parla e dove può essere inviato il file. I dati su Microsoft sono stati verificati a novembre 2026.
| Metodo | Costo | Etichette dei parlanti | Dove va l'audio | Adatto a |
|---|---|---|---|---|
| 1. Strumento di trascrizione online | Molti fanno iniziare gratis. Piani a pagamento per volumi maggiori | Sì, nella maggior parte degli strumenti | Sui server del fornitore | Interviste, podcast, lezioni e lavori ricorrenti |
| 2. Funzione Trascrivi di Microsoft Word | Inclusa in Microsoft 365, fino a 300 minuti di caricamenti al mese | Sì (Speaker 1, Speaker 2) | Sui server di Microsoft, con il file salvato in OneDrive | File occasionali, se usi già Word |
| 3. Trascrizione manuale | Gratis, ma richiede ore | Le aggiungi tu | Resta sul dispositivo | Clip brevi e citazioni che devono essere esatte |
| 4. Whisper sul tuo computer | Gratuito e open source | Non disponibili nello strumento ufficiale | Resta sul dispositivo | Audio riservato, utenti tecnici ed elaborazione in serie |
Controlla l'MP3 in 60 secondi prima di cominciare
L'MP3 è un formato con perdita di informazione. La descrizione della Library of Congress spiega che scarta i suoni meno percepibili e che un MP3 a 128 kbit/s occupa circa un undicesimo dello spazio dell'audio in qualità CD. I dettagli perduti non si recuperano, quindi controlla le caratteristiche del file di partenza.
Su Windows, apri Proprietà → Dettagli. Su Mac, usa Ottieni informazioni. Se hai installato FFmpeg, il comando qui sotto mostra il codec, la frequenza di campionamento, i canali, il bitrate e la durata.
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3
Abbiamo provato il comando con FFmpeg 7.1 su un breve MP3 per verificarne la sintassi. Stampa righe come sample_rate=44100 e bit_rate=128000. La tabella spiega come leggerle.
| Valore | Cosa indica | Cosa significa per la trascrizione |
|---|---|---|
| bit_rate | Quanti dati al secondo sono rimasti dopo la compressione | Un bitrate molto basso conserva meno dettagli e non puoi recuperarli |
| sample_rate | Quante volte al secondo è stato campionato il suono | Google consiglia almeno 16.000 Hz per il riconoscimento vocale |
| channels | Mono (1) o stereo (2) | Lo stereo va bene. Whisper lo converte in mono quando carica l'audio |
| duration | Durata della registrazione | Ti permette di capire se raggiungerai il limite di durata o di minuti dello strumento |
Il bitrate dell'MP3 influisce sulla precisione?
Può influire. Le buone pratiche di Google Cloud per il riconoscimento vocale spiegano che i codec con perdita, incluso l'MP3, possono ridurre la precisione e che rumore ed eco incidono di più quando si usa un codec con perdita. Non esiste una soglia di bitrate pubblicata, quindi consideralo uno dei fattori. Una voce chiara e vicina al microfono conta più di un bitrate alto.
Trascrivi la versione migliore che hai. Se esiste ancora l'originale WAV o FLAC, usa quello. Ricodificare un file da 96 kbps a 320 kbps o salvarlo come WAV aumenta le dimensioni senza recuperare informazioni.
Quale frequenza di campionamento serve per il riconoscimento vocale?
Per il riconoscimento vocale di solito bastano 16 kHz. Il codice open source di Whisper di OpenAI carica ogni file con FFmpeg, lo converte in mono e lo ricampiona a 16.000 Hz prima di elaborarlo (whisper/audio.py su GitHub). Anche Google sconsiglia di ricampionare l'audio in anticipo. Invia una registrazione telefonica a 8.000 Hz così com'è, senza aumentare la frequenza.
I 44,1 kHz o 48 kHz di un MP3 tipico bastano ampiamente. Lascia invariata la frequenza di campionamento prima del caricamento.
Controlli sulla qualità dell'audio
Per una trascrizione importante, controlla prima questi aspetti.
- Ascolta l'inizio e un punto a metà. La lingua è quella giusta? Si sentono tutte le persone?
- Controlla il volume.
ffmpeg -i interview.mp3 -af volumedetect -f null -mostra il volume medio e quello massimo. Un massimo vicino a 0 dB può indicare saturazione. I picchi distorti sono difficili da recuperare. - Evita una riduzione troppo aggressiva del rumore. La guida di Google spiega che intervenire sul rumore prima del riconoscimento in genere riduce la precisione.
- Fai un elenco di nomi, sigle e termini tecnici per la rilettura.
- Conserva l'originale fino alla fine della revisione.
Metodo 1. Carica l'MP3 in uno strumento di trascrizione online
Gli strumenti online sono il modo più rapido per trasformare un MP3 lungo in testo modificabile. Il modello gira sui server del fornitore e non devi installare programmi. I passaggi usano whispertranscribe.ai, uno strumento web di trascrizione con IA basato sul modello Whisper di OpenAI. Con whispertranscribe.ai puoi convertire audio e video in testo in oltre 130 lingue e caricare file fino a 5 GB e 10 ore. Gli altri strumenti funzionano in modo simile, con menu diversi.
1. Apri la pagina di trascrizione MP3 e scegli la lingua
Vai alla pagina per trascrivere MP3 in testo e scegli la lingua parlata sotto Step 1. Ci sono oltre 130 lingue, varianti regionali come l'inglese (India) e opzioni Noise / Low-Quality Audio/Video per registrazioni difficili da capire.
2. Carica l'MP3
Sotto Step 2, trascina il file oppure selezionalo. Puoi caricare fino a 5 GB per file e i piani accettano registrazioni fino a 10 ore. Funzionano anche WAV, M4A, FLAC, MP4 e MOV.
3. Se serve, attiva il riconoscimento dei parlanti
Per interviste, riunioni e podcast, attiva Enable Speaker Detection per indicare chi parla a ogni intervento.
4. Avvia la trascrizione
Fai clic su Transcribe MP3 to text. Con audio chiaro la precisione può arrivare al 99%. Rumori di fondo, accenti marcati e voci sovrapposte la riducono, quindi prevedi una rilettura.
5. Esporta la trascrizione
Scarica DOCX, PDF, TXT o CSV per documenti e analisi. Scegli SRT o VTT se ti servono sottotitoli con codici temporali. Se vuoi subito i sottotitoli, il convertitore da MP3 a SRT produce direttamente il file.
Puoi provare gratis senza account prima di scegliere un piano. I piani a pagamento partono da 9,99 USD al mese con fatturazione annuale (prezzi). Puoi ridurre le dimensioni di un video con il convertitore da audio e video a MP3. Per un MP3 in Google Drive o Dropbox, incolla direttamente il link in Trascrivi da URL.
I file vengono elaborati sui server del fornitore. Se la registrazione è riservata, leggi prima l'informativa sulla privacy oppure usa il metodo 3 o 4.
Metodo 2. Usa la funzione Trascrivi di Microsoft Word
Con Microsoft 365, Word può trascrivere un MP3. Il supporto Microsoft, consultato a novembre 2026, indica che la funzione accetta file .mp3, .wav, .m4a e .mp4 e distingue i parlanti.
- Accedi a Microsoft 365 e apri un documento in Word per il web (con la nuova versione di Microsoft Edge o Chrome) oppure in Word per Microsoft 365 su Windows.
- Vai su Home → Dettatura (menu a discesa) → Trascrivi.
- Nel riquadro Trascrivi, seleziona Carica audio e scegli l'MP3.
- Tieni aperto il riquadro durante l'elaborazione. Microsoft indica che potrebbe richiedere un tempo pari all'incirca alla durata del file.
- Rileggi il risultato. Puoi ascoltare qualsiasi sezione fino a 2×, modificare il testo e rinominare «Speaker 1» ovunque in una sola volta.
- Seleziona Aggiungi tutto al documento per inserire la trascrizione nella pagina, poi salva in DOCX.
I limiti di Word. Gli utenti Microsoft 365 possono caricare fino a 300 minuti di audio al mese. Ogni documento contiene una trascrizione e i file caricati vengono salvati nella cartella Transcribed Files su OneDrive. Microsoft indica che la versione desktop su Windows è al momento limitata agli account aziendali. La guida non indica alcuna esportazione SRT o VTT, quindi Word è più adatto ai documenti che ai sottotitoli.
Metodo 3. Trascrivi l'MP3 a mano
Scrivere a mano non costa nulla e mantiene l'audio sul tuo dispositivo, ma richiede tempo. È utile per clip brevi, citazioni testuali e passaggi che lo strumento ha interpretato male.
- Apri l'MP3 in un lettore che permetta di rallentare l'audio e tornare indietro con una scorciatoia. Tieni a fianco un documento vuoto.
- Imposta la riproduzione a circa 0,75× e procedi per brevi passaggi. Ascolta una frase, metti in pausa, scrivila e se serve torna indietro.
- Indica chi parla a ogni intervento, per esempio
INTERVIEWER:eMARIA:. La guida del W3C alle trascrizioni osserva che la trascrizione di un podcast può essere composta da semplici paragrafi con i nomi dei parlanti. - Segnala i passaggi incomprensibili con un codice temporale, per esempio
[inaudible 00:14:32], così puoi tornarci in seguito. - Rileggi a velocità normale mentre ascolti, per individuare le parole omofone trascritte male.
Puoi anche far scrivere la bozza allo strumento e usare questa procedura solo nei passaggi che contano.
Metodo 4. Esegui Whisper sul tuo computer
Whisper è il modello open source di OpenAI per il riconoscimento vocale. È stato addestrato con 680.000 ore di audio multilingue, secondo lo studio di OpenAI. Eseguirlo in locale è gratuito e mantiene l'audio sul dispositivo. Per configurarlo servono Python e FFmpeg. Sui computer più lenti può volerci tempo.
Installalo seguendo le istruzioni del repository ufficiale.
pip install -U openai-whisper
Anche FFmpeg deve essere installato e disponibile nel PATH. A quel punto puoi trascrivere.
whisper interview.mp3 --model turbo --language English --output_format srt
Usa --output_format txt per ottenere testo semplice oppure ometti l'opzione per scrivere TXT, VTT, SRT, TSV e JSON in una volta. Su CPU, aggiungi --fp16 False per evitare un avviso. Abbiamo provato i comandi con openai-whisper 20250625 e il modello tiny su una breve clip di pubblico dominio per verificarne la sintassi.
| Modello | Parametri | VRAM approssimativa (dati OpenAI) | Velocità rispetto a large (dati OpenAI) |
|---|---|---|---|
| tiny | 39 M | Circa 1 GB | Circa 10× |
| small | 244 M | Circa 2 GB | Circa 4× |
| medium | 769 M | Circa 5 GB | Circa 2× |
| turbo (predefinito) | 809 M | Circa 6 GB | Circa 8× |
| large | 1.550 M | Circa 10 GB | 1× |
OpenAI descrive turbo come una versione ottimizzata di large-v3 con una perdita minima di precisione. Non è stato addestrato per tradurre.
Limiti dello strumento ufficiale. Non include etichette dei parlanti, un editor o l'esportazione in DOCX o PDF. OpenAI osserva inoltre che le prestazioni variano molto da una lingua all'altra. Alcuni progetti della comunità colmano parte di queste lacune, ognuno con una configurazione propria.
Come gestire MP3 lunghi, più parlanti e altre lingue
Registrazioni lunghe
Controlla il limite prima di caricare il file. I piani di whispertranscribe.ai accettano file fino a 10 ore e 5 GB. Word consente in totale cinque ore al mese. Se lo strumento ha un limite più basso, puoi dividere l'MP3 in parti da un'ora con FFmpeg senza ricodificarlo.
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
Un taglio può cadere a metà frase, quindi controlla i punti di raccordo quando unisci il testo. Per corsi e interventi, consulta la pagina sulla trascrizione di lezioni e seminari.
Più parlanti
Attiva il riconoscimento dei parlanti, poi sostituisci le etichette generiche con i nomi prima di condividere il testo. Le etichette risultano meno affidabili quando le persone si interrompono o hanno voci simili. Controlla qualche intervento di ciascuno. Nella prossima sessione, usa un microfono per persona.
Altre lingue e accenti
Scegli la lingua anziché usare il rilevamento automatico, soprattutto se il file inizia con la musica. whispertranscribe.ai offre l'opzione Multilingual Mix per le registrazioni in cui si alternano inglese, spagnolo, francese, tedesco, hindi, russo, portoghese, giapponese, italiano e olandese. Se vuoi un testo in inglese da un MP3 in un'altra lingua, usa Traduci l'audio in inglese per evitare di trascrivere e tradurre in due passaggi separati.
Come rileggere una trascrizione MP3 in 3 passaggi
Le bozze dell'IA tendono a sbagliare negli stessi punti, quindi di rado serve riascoltare l'intero file.
Passaggio 1. Cerca le parole. Usa Trova e sostituisci con il tuo elenco di nomi e termini per correggere ogni occorrenza scritta male.
Passaggio 2. Ascolta i punti più delicati. Vai ai passaggi indicati e confrontali con l'audio.
| Cosa controllare | Errore tipico | Come verificarlo |
|---|---|---|
| Numeri e date | «Fifteen» scambiato per «fifty» o decimali saltati | Riascolta ogni cifra che citerai |
| Nomi e marchi | Trascritti così come suonano | Confrontali con il tuo elenco |
| Voci sovrapposte | Due frasi unite o una saltata | Ascolta a velocità normale, poi più lentamente |
| Cambi di interlocutore | Battuta attribuita alla persona sbagliata | Controlla la prima riga dopo ogni cambio |
| Voci basse o lontane | Parole mancanti | Alza il volume in quel punto |
| Primi e ultimi minuti | Convenevoli, musica o lingua rilevata male | Elimina o correggi dove serve |
Passaggio 3. Leggi il testo come un documento. Fai una lettura senza audio e riascolta ciò che non ha senso. Segna con [unclear] i passaggi che ancora non riesci a capire, senza provare a indovinarli.
Quale formato di esportazione ti serve?
Scegli in base a cosa farai del testo. Per un documento usa DOCX o TXT. Per il testo da mostrare sul video, usa SRT o VTT.
| Formato | Quando usarlo |
|---|---|
| DOCX | Modifiche, relazioni, articoli e note della puntata |
| Una copia con impaginazione fissa da condividere o archiviare | |
| TXT | Testo da incollare in altre app o da riassumere con l'IA |
| CSV | Fogli di calcolo e analisi di ricerca |
| SRT | Sottotitoli per YouTube, programmi di montaggio e lettori |
| VTT | Sottotitoli per lettori video web HTML5 |
Per le registrazioni vocali dal telefono, la pagina sulla trascrizione dei memo vocali descrive gli stessi formati di esportazione.
Domande frequenti
Posso trascrivere un MP3 in testo gratis?
Sì. Puoi sempre scrivere a mano o eseguire sul tuo computer Whisper, il modello open source di OpenAI, senza costi oltre a dispositivo e tempo di configurazione. Molti strumenti online permettono anche di iniziare gratis. whispertranscribe.ai ha un'opzione gratuita senza account, utile per vedere che risultati ottieni con il tuo audio. Le opzioni gratuite di solito limitano durata o funzioni, quindi per lavori ricorrenti confronta i piani a pagamento. whispertranscribe.ai parte da 9,99 USD al mese con fatturazione annuale.
Quanto tempo richiede la trascrizione di un MP3?
Uno strumento con IA di solito impiega molto meno della durata dell'audio, a seconda del file e del servizio. Microsoft indica che Trascrivi in Word può richiedere un tempo pari all'incirca alla durata del file. Con Whisper in locale contano il dispositivo e il modello. I modelli più piccoli sono più rapidi, ma commettono più errori. Scrivere a mano richiede diverse volte la durata dell'audio. Per questo la maggior parte delle persone trascrive manualmente solo le clip brevi.
Convertire un MP3 in WAV migliora la precisione della trascrizione?
No. Salvare un MP3 come WAV o ricodificarlo a un bitrate più alto aumenta la dimensione del file senza recuperare i dettagli rimossi quando è stato creato l'MP3. L'MP3 è un formato con perdita. Se hai ancora la registrazione originale in WAV o FLAC, trascrivi quella. Altrimenti carica l'MP3 così com'è. I sistemi vocali come Whisper ricampionano internamente l'audio a 16 kHz in mono, quindi cambiare prima la frequenza di campionamento non aiuta.
Come trascrivo un MP3 con più parlanti?
Usa uno strumento che riconosca chi parla e attiva la funzione prima di cominciare. La trascrizione assegna a ogni intervento un'etichetta numerata come Speaker 1, che in seguito puoi sostituire con il nome. Sia Trascrivi di Microsoft Word sia whispertranscribe.ai distinguono i parlanti. Lo strumento ufficiale di Whisper da riga di comando non lo fa. Verifica le etichette dove gli interlocutori si interrompono, perché è lì che vengono scambiati più spesso.
Posso convertire un MP3 in un documento Word?
Sì. Il modo più rapido è trascrivere l'MP3 con uno strumento online ed esportare in DOCX, che si apre direttamente in Word o in Documenti Google. Con Microsoft 365 puoi anche caricare l'MP3 in Word da Home, Dettatura, Trascrivi, Carica audio, poi selezionare Aggiungi tutto al documento. L'abbonamento a Microsoft 365 include fino a 300 minuti al mese di audio caricato.
Posso trasformare un MP3 in sottotitoli?
Sì. Esporta la trascrizione in SRT o VTT. Entrambi i formati mantengono i tempi di ogni riga, così il lettore video o il programma di montaggio può mostrare il testo nel momento giusto. Con whispertranscribe.ai puoi esportare in SRT o VTT dopo la trascrizione oppure usare il convertitore da MP3 a SRT. Anche la versione di Whisper da riga di comando scrive file SRT e VTT tramite l'opzione del formato di output.
Vuoi fare una prova? Carica un file nel convertitore da MP3 a testo di whispertranscribe.ai oppure usa il convertitore gratuito da audio a testo per altri formati. Entrambi funzionano in oltre 130 lingue, con etichette dei parlanti ed esportazione in DOCX, PDF, TXT, CSV, SRT e VTT.
Fonti
- Library of Congress, MP3 (codifica audio MPEG Layer III)
- Google Cloud, buone pratiche per fornire dati all'API Speech-to-Text
- Supporto Microsoft, trascrivere le registrazioni
- OpenAI, Whisper su GitHub (README e
whisper/audio.py) - Radford e altri, OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision
- W3C Web Accessibility Initiative, trascrizioni
