Trascrizione con IA o umana? Il confronto tra 9 servizi

Il mese scorso ho fatto qualcosa di leggermente folle. Ho preso un singolo file audio di 60 minuti e l'ho inviato a nove diversi servizi di trascrizione. Tre strumenti di intelligenza artificiale, cinque trascrittori umani su varie piattaforme e un servizio "ibrido" che promette il meglio di entrambi.

Il conto ammontava a 4.237 dollari. Ho poi trascorso 47 ore confrontando ogni singola parola, segnalando gli errori, classificando gli errori. Mia moglie pensava che avessi perso la testa. Forse l'avevo fatto.

Ma volevo sapere: qual è effettivamente il migliore? E quando ha importanza?

In altre parole, questo è un mondo reale test di accuratezza del parlato-testo: trascrizione IA automatizzata rispetto a trascrizione umana manuale rispetto a un servizio ibrido, tutto sullo stesso audio difficile.

La risposta mi ha sorpreso. Non ha nulla a che fare con le percentuali di precisione o i tempi di consegna. Si tratta di qualcosa di molto più semplice e nessuno in questo settore vuole parlarne.

La configurazione della prova

Avevo bisogno di un audio che mettesse davvero alla prova questi servizi. Un podcast pulito con un parlante americano non mi direbbe nulla di utile.

Se ti sei mai chiesto come trascrizione automatizzata (IA) è davvero all'altezza trascrizione umana manuale sull'audio disordinato del mondo reale, questo è il tipo di file che mostra la differenza.

Quindi ho utilizzato la registrazione di una conferenza medica. Quattro medici. Accenti americani, britannici, indiani, nigeriani. Tanto gergo tecnico. Alcune discussioni incrociate quando le cose si sono surriscaldate durante le domande e risposte. Rumore di sottofondo del pubblico. Il tipo di audio che fa gemere i trascrittori.

60 minuti. MP3, 128kbps. Il mondo reale è disordinato.

Ecco chi ho testato:

Ho testato tre servizi IA: TranscribeNext, Otter.ai Plus e Rev IA. I loro prezzi dipendono dal piano e dal ciclo di fatturazione.

I servizi umani costano molto di più: Rev Human (90 $), GoTranscript (72 $), TranscribeMe (99 $), Scribie (60 $) e un freelance di alto livello su Upwork (120 $).

Ho anche testato Verbit, che combina l'intelligenza artificiale con la revisione umana, a 180 dollari.

Cosa ho trovato

È qui che diventa interessante. Mi sono seduto con le cuffie e ho letto ogni trascrizione parola per parola. Ci è voluta un'eternità, ma volevo numeri reali, non affermazioni di marketing.

Ecco come ciascuno audio in testo opzione eseguita sullo stesso file da 60 minuti:

I numeri grezzi

Ecco il problema delle percentuali

La precisione del 91,2% sembra abbastanza buona finché non si fanno i conti.

Il mio audio conteneva circa 10.000 parole. Con una precisione del 91%, si tratta di 879 errori. Un errore ogni 11 parole. Leggendo la trascrizione dell'intelligenza artificiale, inciampavo negli errori ogni due o tre frasi.

E alcuni di questi non erano innocui. La “fibrillazione atriale” divenne “fibrillazione aerea”. L'attribuzione del parlante è stata sbagliata 23 volte. In un contesto medico, questo non è un inconveniente da poco. E' potenzialmente pericoloso.

La trascrizione del Rev Human? 170 errori in totale. Ma ecco ciò che conta: quasi tutti erano banali. Una virgola mancante qui, un "um" in più là. Zero termini medici critici sbagliati. Hanno azzeccato tutte le etichette dei parlanti. Il documento era pronto per l'uso.

Questo è il vero divario di precisione tra trascrizione con IA e trascrizione umana, quello che le pagine di marketing mostrano di rado.

Quel divario del 7% tra il 91% e il 98% non sembra molto. In pratica, era la differenza tra una trascrizione che potevo usare e una di cui non potevo fidarmi.

Quando l'intelligenza artificiale ha più senso

Prima di liquidare l'IA, va chiarito che per molti casi d'uso è la scelta più logica.

Velocità

TranscribeNext ha preparato la mia trascrizione in 11 minuti: caricamento, elaborazione e download.

Il servizio umano più veloce è stato il freelance trovato su Upwork, che ha consegnato dopo circa 15 ore: un tempo comunque rapido per una trascrizione manuale.

Per un giornalista con una scadenza ravvicinata, la scelta è quasi obbligata. Se l'intervista è alle 14:00 e l'articolo va consegnato alle 17:00, l'IA può fornire una bozza utilizzabile entro le 14:15; un trascrittore umano consegnerebbe probabilmente il mattino successivo, quando sarebbe ormai troppo tardi.

Costo

I numeri sono netti. Nei miei test, i servizi con IA sono costati in media 11,33 $ per un'ora di audio, contro gli 88,20 $ dei servizi umani: quasi otto volte tanto.

Dal punto di vista del costo della trascrizione con IA rispetto a quella umana, una differenza di quasi otto volte è impossibile da ignorare.

Se trascrivi 100 ore al mese, spenderesti circa 900 $ con l'IA contro quasi 9.000 $ con un servizio umano. Non è una differenza trascurabile: può separare un'attività redditizia da una in perdita.

Coerenza (questo mi ha sorpreso)

Ecco qualcosa che non mi aspettavo: l'intelligenza artificiale era più coerente degli umani.

Ho eseguito alcuni test aggiuntivi con diversi file audio. La precisione dell’IA è oscillata tra l’87 e il 93%, abbastanza prevedibile. La precisione umana variava dall’89% fino al 99,5%. Diffusione molto più ampia.

Cosa significa in pratica: con l'intelligenza artificiale sai più o meno cosa otterrai. Con gli umani, potresti essere fortunato con qualcuno di eccezionale, o potresti avere qualcuno che ha una giornata no. Le piattaforme premium come Rev e TranscribeMe controllano i loro dipendenti, il che aiuta. Ma c'è sempre una certa variabilità.

Per pianificare il flusso di lavoro, l'IA è più prevedibile: sai che il risultato arriverà in circa dieci minuti con una precisione intorno al 90%. Un servizio umano può richiedere da 12 a 48 ore e restituire un testo da appena accettabile a quasi perfetto.

Quando gli esseri umani valgono i soldi

Capiscono davvero cosa viene detto

Ad un certo punto, un parlante ha detto: "Abbiamo visto un aumento significativo dei pazienti affetti da Parkinson".

Otter lo ha trascritto come “pazienti che fanno pipì”. Rev AI ha scritto “Pazienza PD”. Tra i servizi con IA, soltanto TranscribeNext ha riconosciuto correttamente l'espressione.

Tutti e cinque gli umani ce l'hanno fatta. Tre di loro sono andati oltre e hanno aggiunto "[PD = Malattia di Parkinson]" tra parentesi senza che nessuno glielo chiedesse. Sapevano che si trattava di una conferenza medica, quindi sapevano cosa significava PD.

Un altro esempio: "Al paziente sono stati somministrati due litri di NS".

I servizi di intelligenza artificiale hanno prodotto gemme come "due leader di N S" e "due litri di N". Senza senso.

Ogni essere umano l'ha scritto correttamente e tre di loro hanno aggiunto "[soluzione salina normale]" per chiarezza.

Gli esseri umani non si limitano a convertire i suoni in testo. Stanno comprendendo il contesto e formulando giudizi. L'intelligenza artificiale non può ancora farlo.

Accenti

Il medico nigeriano del mio panel parlava velocemente, circa 180 parole al minuto, con un forte accento.

In quei passaggi la precisione dell'IA è scesa nella fascia del 70%: TranscribeNext ha raggiunto il 79% e Otter il 72%, con numerose parole prive di senso.

Una frase che ha detto è stata: "Il regime antibiotico profilattico ha ridotto le infezioni postoperatorie".

Le versioni IA? "Il profilo antibiotico attivo nella regione ha ridotto le infezioni postoperatorie." Oppure "Il profilo in grado di acquisire un regime riduce le infezioni postoperatorie". Non me lo sto inventando.

Ogni singolo essere umano ha capito bene. Il migliore ha raggiunto una precisione del 98% anche su quelle sezioni difficili.

Un trascrittore umano può riascoltare i passaggi confusi, usare il contesto — per esempio capire che “profilattico” ha senso in una conferenza medica — e fare affidamento sulle proprie conoscenze. L'IA riconosce invece schemi statistici e può commettere molti più errori quando un accento è poco rappresentato nei dati di addestramento.

Diafonia

Durante le domande e risposte, più persone hanno iniziato a parlare contemporaneamente. È qui che l'IA ha prodotto i risultati peggiori.

L'output dell'intelligenza artificiale durante una sezione sovrapposta diceva: "Sì, penso che la risposta alla tua domanda assoluta sia che dobbiamo considerare ulteriori ricerche".

Sono le parole di due persone mescolate insieme in una zuppa senza senso.

Gli umani hanno gestito la cosa molto meglio. Scriverebbero "[CROSSTALK]" e poi separerebbero ciò che ha detto ciascuna persona, o utilizzerebbero i timestamp per mostrare la sovrapposizione. La trascrizione è rimasta leggibile e accurata.

Formattazione

Confronta l'output IA grezzo:

il parlante uno va bene, quindi la cosa principale di cui dobbiamo discutere è che, sai, il protocollo cambia e il parlante due sì, assolutamente, voglio dire, abbiamo visto dei risultati davvero interessanti...

A ciò che un essere umano ha consegnato:

Dott.ssa Sarah Chen: La cosa principale di cui dobbiamo discutere sono le modifiche al protocollo.

Dr. James Wilson: Assolutamente. Abbiamo visto alcuni risultati davvero interessanti nello studio di Fase II, soprattutto per quanto riguarda il programma di dosaggio.

Gli esseri umani ripuliscono le parole di riempimento, identificano i parlanti per nome, aggiungono interruzioni di paragrafo, correggono la grammatica. Il risultato è qualcosa che puoi effettivamente pubblicare o condividere con un cliente.

Informazioni su quelle affermazioni sulla "precisione del 99%".

Ogni servizio di trascrizione IA pubblicizza "una precisione fino al 99%". Ci credevo.

Poi ho approfondito Documentazione sull'accuratezza di Rev e ho trovato questa gemma sepolta nelle scritte in piccolo: "I tassi di precisione si basano su audio chiaro con rumore di fondo minimo, madrelingua inglese e vocabolario standard. La precisione effettiva può variare."

In altre parole: hanno raggiunto il 99% una volta, in un laboratorio, con un podcaster professionista che leggeva un copione in una stanza insonorizzata.

Il mio miglior risultato IA è stato del 91,2%. Si tratta di un divario di 8 punti rispetto al numero di marketing. Su una trascrizione di 10.000 parole, questa è la differenza tra 100 errori (ciò che promettono) e 900 errori (ciò che ho ottenuto).

I servizi umani sono più onesti al riguardo. Rev Human garantisce una precisione superiore al 99% oppure lo rifaranno gratuitamente. In realtà hanno raggiunto il 98,3% nel mio impegnativo audio medico. Molto più vicino a quello che pubblicizzano.

Non tutti gli errori sono uguali

Ecco cosa ho capito dopo aver osservato i fogli di calcolo per due giorni: il tasso di errore da solo non dice molto. Ciò che conta è il tipo di errori.

Ho iniziato a classificarli:

Errori che cambiano significato (quelli pericolosi): "Il paziente è stabile" diventa "Il paziente è instabile". Il "risultato positivo" diventa "risultato negativo". L’intelligenza artificiale ne produce circa 80 ogni 10.000 parole. Gli esseri umani ne commettono circa 2, ovvero 40 volte in meno di errori critici.

Errori che sembrano poco professionali: Nomi scritti male, termini tecnici massacrati, credenziali errate. L’intelligenza artificiale li produce circa 20 volte più spesso degli esseri umani.

Errori che influiscono sulla chiarezza: Punteggiatura sbagliata, cattiva attribuzione del parlante. Circa 9 volte più comune nell’intelligenza artificiale.

Errori cosmetici: "ums" extra rimasti, piccoli problemi di formattazione. L'intelligenza artificiale è circa 2,5 volte peggiore qui, ma onestamente, a chi importa?

Quando guardo solo gli errori che contano davvero (quelli che cambiano significato o ti fanno sembrare incompetente), l’intelligenza artificiale ha un tasso di errori gravi di circa il 3%. Gli esseri umani sono allo 0,12%. Si tratta di 24 volte meno problemi che ti danneggeranno davvero.

L'intelligenza artificiale mantiene parole di riempimento extra nella tua trascrizione? Fastidioso. L'intelligenza artificiale trasforma il "raccomandiamo il trattamento" in "non consigliamo il trattamento"? Potenzialmente catastrofico.

Quindi quale dovresti usare?

Dopo tutti questi test, sono arrivato ad alcune semplici linee guida.

Scegli l'intelligenza artificiale quando:

Ne hai bisogno velocemente. Stai trascrivendo molto. L'audio è pulito. La posta in gioco è bassa. Il tuo budget è limitato.

Un giornalista che deve trascrivere un'intervista entro il pomeriggio? IA. Un podcaster che pubblica 20 episodi al mese? IA. Un dottorando che trascrive interviste di ricerca con un budget limitato? IA.

Un servizio di trascrizione IA come TranscribeNext o Otter gestirà correttamente queste registrazioni; confronta i loro piani attuali con il tuo volume mensile.

Vai con gli umani quando:

La precisione conta davvero. L'audio è disordinato. Ci sono accenti pesanti. Il contenuto è specializzato. Lo stai pubblicando.

Un avvocato che trascrive le deposizioni per il processo? Umano. Un ricercatore medico che trascrive le interviste dei pazienti? Umano. Qualcuno sta realizzando un documentario partendo dalle registrazioni telefoniche degli anni '90? Decisamente umano.

Rev Human costa circa 1,50 $ al minuto. TranscribeMe costa 2-3 $ al minuto. Un buon freelance su Upwork può costare 2-4 $ al minuto.

L'approccio ibrido:

A volte sono necessarie entrambe le cose: tempi di consegna rapidi e alta precisione. Oppure l'audio è per lo più chiaro con alcune parti difficili.

Nel flusso ibrido, l'IA produce la prima bozza in dieci minuti e una persona controlla e corregge gli errori nelle ore successive. Il risultato raggiunge una precisione del 98-99% per un costo totale di circa 60-110 $, invece dei 90 $ o più richiesti da un lavoro interamente umano.

Cosa pagherai effettivamente (incluso il tuo tempo)

Il prezzo di listino non racconta l'intera storia. Ecco il costo comprensivo del tempo di revisione.

Trascrizione con IA (60 minuti di audio): 9 $ per il servizio, più 45 minuti per la revisione. Se il tuo tempo vale 50 $ l'ora, sono altri 37,50 $. Totale: circa 48 $.

Trascrizione umana (60 minuti di audio): 90 $ per il servizio, più 15 minuti di revisione. Totale: circa 103 $.

L'IA fa quindi risparmiare circa 55 $ per ora di audio, ossia circa 5.400 $ su 100 ore all'anno.

Se però fatturi 100 $ l'ora o più, il calcolo cambia. A quella tariffa, l'IA con 45 minuti di revisione costa 84 $, mentre il servizio umano con 15 minuti di controllo costa 115 $. L'IA resta più economica, ma il divario si riduce.

Oltre una tariffa oraria di 108 $, l'approccio con IA può costare più che affidare direttamente il lavoro a un trascrittore umano.

Per la maggior parte delle persone, l’intelligenza artificiale continua a vincere in termini di costi. Ma se sei un consulente o un dirigente ben pagato, potrebbe avere più senso pagare per la trascrizione umana e dedicare il tuo tempo a qualcosa di più prezioso che riparare la "fibrillazione aerea".

Quello che faccio veramente adesso

Il mio sistema dopo tutti questi test:

Utilizzo l'intelligenza artificiale per circa il 90% del mio lavoro di trascrizione. Il restante 10% va agli esseri umani.

Il processo è semplice: carica l'audio su TranscribeNext e recupera la trascrizione dopo circa dieci minuti. Scorrila e segnala i passaggi sospetti, poi riascolta le sezioni critiche — citazioni importanti, numeri e nomi — e correggile manualmente. In totale servono circa trenta minuti.

Nella maggior parte dei casi il risultato è sufficientemente accurato per i miei scopi.

Per i contenuti più delicati — testi destinati alla pubblicazione, materiale legale o medico — invio invece il file a Rev Human per una revisione professionale. Costa di più, ma permette di raggiungere una precisione vicina al 99%.

Su 100 ore di trascrizione al mese, questo approccio costa circa 1.700 $. Affidare tutto a trascrittori umani costerebbe quasi 9.000 $, con un risparmio annuo di circa 87.000 $.

Alcuni esempi da utenti reali

Ho parlato con alcune organizzazioni di come hanno gestito la situazione.

Uno studio legale con oltre 500 ore di deposizioni all'anno spendeva 750.000 $ per la trascrizione umana. È passato all'IA per tutte le registrazioni, riservando la revisione umana alle trascrizioni destinate a diventare prove processuali, circa il 10% del totale. Il nuovo costo è di 150.000 $, con un risparmio annuo di 600.000 $. Le trascrizioni non processuali sono meno accurate, ma non devono essere perfette perché non vengono presentate come prova.

Una ricercatrice medica doveva trascrivere 200 interviste a pazienti. Il preventivo per la trascrizione umana era di 36.000 $ e sei mesi di lavoro. Ha usato invece l'IA, verificando personalmente la terminologia medica: meno di 5.000 $ e due settimane. Nelle trascrizioni resta qualche “ehm”, irrilevante per gli obiettivi della ricerca.

Una rete di podcast con 80 episodi al mese non pubblicava trascrizioni perché non poteva permettersi i 9.000 $ mensili richiesti da un servizio umano. Ha iniziato a usare l'IA spendendo circa 3.600 $ al mese e ha registrato un aumento del 340% del traffico organico. L'incremento delle entrate pubblicitarie ha più che compensato il costo.

Cosa direi ad un amico

Senti, se sei arrivato fin qui, ecco il mio onesto consiglio:

La domanda non è realmente "IA o umano?" La domanda è "di quanta precisione ho effettivamente bisogno per questa cosa specifica?"

Per i tuoi appunti personali, i contenuti del blog, le trascrizioni dei podcast, i verbali delle riunioni, le bozze di ricerca: probabilmente l'intelligenza artificiale va bene. Trascorri 20 minuti a ripulirlo e vai avanti.

Per documenti legali, cartelle cliniche, tutto ciò che potrebbe finire in tribunale, tutto ciò che pubblichi a tuo nome: paga per gli esseri umani.

E se stai facendo molto volume? Usa l'intelligenza artificiale per la maggior parte e risparmia la trascrizione umana per il 10% che conta davvero.

Una verifica rapida

Chiediti:

Questo è tutto. Ho speso 4.200 $ per arrivare a una conclusione che si può riassumere in cinque domande.

Domande frequenti su IA e trascrizione umana

La trascrizione dell’intelligenza artificiale è accurata quanto la trascrizione umana?

Su un audio pulito con un madrelingua e un vocabolario semplice, l’intelligenza artificiale può avvicinarsi, spesso nella fascia bassa del 90%. Nel mio test su un pannello medico rumoroso di 60 minuti, la migliore intelligenza artificiale ha raggiunto una precisione del 91,2%, mentre la migliore trascrizione umana ha raggiunto il 99,4%. Il vero divario risiede negli errori gravi: l’intelligenza artificiale ha commesso circa 24 volte più errori che effettivamente cambiano significato.

Quando la trascrizione IA è abbastanza buona?

Se il tuo audio è relativamente pulito, l'argomento non è vita o morte e hai solo bisogno di una bozza solida (riunioni, interviste di ricerca, podcast, bozze di contenuti), l'intelligenza artificiale di solito va bene. Dedicherai un po' di tempo alla modifica, ma la velocità e il risparmio sui costi saranno enormi.

Quando dovrei usare sempre la trascrizione umana?

Usa sempre la trascrizione umana quando un errore potrebbe danneggiare qualcuno o costarti denaro: procedimenti legali, contenuti medici, attività di conformità e documenti destinati alla pubblicazione o all'uso ufficiale. Nel mio test, i trascrittori umani non hanno commesso quasi nessun errore critico nella terminologia specialistica o nell'attribuzione dei parlanti.

Che ne dici di un approccio ibrido?

Per molti team, la soluzione migliore è lasciare che l'IA generi rapidamente una prima bozza e affidarne poi la correzione a una persona. È il modello adottato da servizi come Verbit e può essere replicato facilmente combinando un servizio di trascrizione con IA e un revisore freelance. Si ottiene una precisione vicina a quella di un servizio interamente umano, con tempi e costi inferiori.

Quanto è più costosa la trascrizione umana?

Sul mio file di test di 60 minuti, l’intelligenza artificiale ha registrato una media di circa 11,33 dollari per ora di audio, mentre la trascrizione umana ha registrato una media di 88,20 dollari, circa 8 volte di più. Una volta preso in considerazione il tempo di editing, l’intelligenza artificiale risulta comunque più economica per la maggior parte delle persone, ma non per tutti.

---

Guide correlate che potresti trovare utili:

---

*Vuoi provare tu stesso? TranscribeNext ha 30 minuti gratuiti. Carica qualcosa e vedi se la qualità funziona per te.*