Accenti regionali e dialetti: come influiscono sulla trascrizione automatica

Accento, italiano regionale e dialetto: tre cose diverse

Quando si parla di trascrizione automatica in Italia conviene distinguere bene. L'accento è il modo di pronunciare l'italiano: le vocali aperte di un bolognese, la cadenza cantilenante di un fiorentino, le consonanti raddoppiate di un siciliano che parla in italiano. L'italiano regionale aggiunge parole ed espressioni locali dentro frasi italiane, come "mo'" a Roma, "schei" in Veneto o "guaglione" in Campania. Il dialetto, infine, è un sistema linguistico a sé, con lessico, grammatica e suoni propri: napoletano, siciliano, milanese, veneto, piemontese e così via. Alcune parlate, come il sardo e il friulano, sono anche tutelate dalla legge come lingue minoritarie.

Per un sistema di riconoscimento vocale queste tre situazioni sono molto diverse. Un accento è una variazione che il modello ha spesso già sentito; un dialetto è, di fatto, un'altra lingua, e se il modello non la conosce come tale tenterà di trascriverla come se fosse italiano.

Come un modello di riconoscimento vocale "sente" un accento

I sistemi moderni di trascrizione, come Whisper, imparano da grandi quantità di parlato. Più una varietà è presente in quei dati, meglio viene riconosciuta: l'italiano dei telegiornali, delle conferenze e dei video divulgativi è molto rappresentato, le parlate locali molto meno. Il modello non "capisce" le parole, ma stima quale sequenza di parole italiane è più probabile dati i suoni che riceve.

Questo spiega gli errori tipici. Le differenze di timbro vocalico, come tra "pèsca" e "pésca", di solito non creano problemi, perché il contesto aiuta. I guai arrivano con le parole tronche ("andà", "fà"), con il raddoppiamento delle consonanti all'inizio di parola tipico del Centro-Sud, con le vocali finali poco pronunciate di molte parlate meridionali e con le parole che in italiano standard non esistono: il modello tende a sostituirle con la parola italiana più simile nel suono, anche quando il risultato non ha senso. Chi vuole approfondire il tema in generale trova un articolo su riconoscimento vocale e accenti (in inglese).

Cosa aspettarsi nei casi più comuni

Italiano con accento marcato

In genere trascrizione utilizzabile; errori su toponimi, cognomi e parole pronunciate velocemente

Italiano regionale con parole locali

Il testo regge, ma i termini dialettali vengono spesso italianizzati o storpiati

Alternanza italiano e dialetto

I passaggi in italiano escono bene, quelli in dialetto vanno ricontrollati uno per uno

Discorso interamente in dialetto

Risultato inaffidabile: frasi italianizzate, parole inventate o lunghi tratti incomprensibili

Anziani che parlano piano e in dialetto

Il caso più difficile: alla varietà linguistica si somma un audio spesso debole

La qualità della registrazione pesa quanto l'accento. Un pescatore di Mazara del Vallo registrato con un buon microfono in una stanza silenziosa può dare una trascrizione migliore di un professore milanese ripreso dal fondo di un'aula con il riverbero.

Napoletano, siciliano e sardo non sono lingue a parte in mydubly

mydubly è un'app web che trascrive, traduce e doppia video e audio dal browser. Tra le 21 lingue gestite c'è l'italiano, ma i dialetti e le lingue regionali non sono opzioni separate: non esiste un'impostazione "napoletano", "siciliano", "sardo" o "veneto". Inoltre la lingua di partenza viene sempre riconosciuta in automatico ("Source: Auto detect") e non si può scegliere a mano. Con un parlato molto dialettale il riconoscimento della lingua può confondersi, e i tratti in dialetto vengono trascritti come il modello riesce, cioè in modo imperfetto.

Per un italiano con accento regionale, invece, l'uso è quello normale. Trascinate il file in «Drop a video here» (o in «Drop audio here» per una registrazione audio), lasciate disattivato «Full translation output» per avere solo la trascrizione con gli orari, scegliete Italian in «Select language» (il testo torna senza traduzione), premete «Transcribe video» e scaricate il risultato con «Download timestamped transcript», «Download transcript» oppure, se vi servono i sottotitoli, con «Download subtitles». Il riconoscimento si basa su Whisper (nella versione large-v3-turbo), con un rilevamento dell'attività vocale che salta i silenzi. Il video resta nel browser e viene inviato solo l'audio, cancellato dal server entro 30 minuti dalla fine del lavoro.

Cosa non fa: non ha un editor per correggere il testo (si lavora sul file scaricato), non distingue i parlanti e non permette di indicare un vocabolario di nomi o termini locali. Tutte le opzioni di trascrizione sono descritte nella pagina da video a testo (in inglese).

Se poi traducete la trascrizione in un'altra lingua, tenete presente che gli errori si trascinano: una parola dialettale trascritta male verrà tradotta male. In questi casi conviene correggere prima il testo nella lingua originale.

Prima di registrare: ridurre gli errori alla fonte

Non serve chiedere a nessuno di "parlare in italiano corretto": spesso è proprio la parlata a dare valore a un'intervista. Bastano alcuni accorgimenti tecnici:

• Avvicinate il microfono a chi parla, soprattutto con persone anziane o con voce bassa; un microfono a clip sul bavero è l'ideale.
• Scegliete un ambiente silenzioso: cucine con il televisore acceso, bar e piazze peggiorano tutto, e con un accento marcato l'effetto si moltiplica.
• Evitate di parlare sopra l'intervistato: nelle conversazioni familiari ci si interrompe di continuo, ma le voci sovrapposte sono il punto debole di ogni trascrizione.
• Fate pronunciare all'inizio nomi di persone, luoghi e soprannomi che verranno citati, e annotateli su un foglio.
• Se l'intervista alterna italiano e dialetto, prendete appunti sugli orari dei passaggi dialettali: in revisione saprete dove concentrarvi.

Rivedere la trascrizione con metodo

Correggere una trascrizione piena di inflessioni locali è più veloce se si procede per gradi.

1. Preparate un glossario: cognomi, toponimi, soprannomi, termini di mestiere. Con "cerca e sostituisci" sistemerete in un colpo le storpiature ricorrenti.
2. Fate una prima lettura senza audio e segnate le frasi che non hanno senso: di solito corrispondono ai passaggi in dialetto o ai momenti di audio debole.
3. Riascoltate solo i passaggi segnati, usando gli orari della trascrizione per saltare al punto giusto.
4. Decidete una convenzione e rispettatela: trascrivere il dialetto così come è detto, oppure riportare il senso in italiano tra parentesi quadre, indicando che si tratta di una resa.
5. Segnalate ciò che resta incomprensibile con un marcatore coerente, per esempio [incomprensibile 00:12:40], invece di inventare.

Per la revisione in generale c'è una guida su come correggere una trascrizione fatta con l'IA (in inglese); per chi lavora in ambito accademico sono utili anche le convenzioni di trascrizione nella ricerca (in inglese).

Dove il problema si presenta più spesso

• Storia orale e memorie di famiglia: le interviste ai nonni sono spesso in dialetto stretto, e il valore sta proprio lì. La trascrizione automatica fa da bozza, ma la revisione di un parente o di un parlante del posto è indispensabile. Per impostare un progetto c'è un articolo dedicato alla trascrizione della storia orale (in inglese).
• Tesi e ricerche sul campo: in sociolinguistica, antropologia o storia locale la trascrizione deve rispettare la parlata, e il testo automatico va considerato solo un punto di partenza.
• Giornalismo locale: interviste a commercianti, agricoltori o testimoni, spesso registrate all'aperto, dove vento e rumore si sommano all'accento.
• Lezioni universitarie: docenti con una cadenza molto marcata danno in genere trascrizioni leggibili, con errori concentrati su termini tecnici e nomi. Chi studia così può leggere come sbobinare le lezioni universitarie.
• Video di piccole imprese: un artigiano che racconta il suo lavoro in italiano regionale è ben trascritto, ma i nomi dei prodotti tipici vanno ricontrollati.