Come trascrivere l’audio in locale con Whisper su Mac e Windows

Whisper è un modello di riconoscimento vocale che OpenAI ha rilasciato come open source con licenza MIT. Poiché i file del modello sono pubblici, puoi eseguirli sul tuo computer e trascrivere interviste, memo vocali e riunioni registrate senza caricarli da nessuna parte.

Questa guida mostra prima la strada gratuita da riga di comando con whisper.cpp, su Mac e su Windows, poi quella senza terminale con un’app desktop. I comandi sono stati verificati con whisper.cpp 1.9.5, l’ultima versione disponibile al 19 ottobre 2026.

Cosa ti serve

• Un Mac o un PC Windows. whisper.cpp funziona su entrambi. Su Apple silicon usa la GPU tramite Metal.
• Da qualche centinaio di MB a 3 GB di spazio su disco per un modello, a seconda delle sue dimensioni.
• ffmpeg per convertire l’audio, perché il programma di esempio whisper-cli funziona con file WAV a 16 bit.
• Una connessione a Internet, una volta sola, per installare gli strumenti e scaricare il modello. Dopodiché la trascrizione funziona offline.

Scegli un modello Whisper

I modelli più grandi di solito sono più precisi e, in ogni caso, più lenti. Queste sono le dimensioni e il consumo approssimativo di memoria indicati nel README di whisper.cpp:

C’è anche large-v3-turbo, che OpenAI descrive come una versione ottimizzata di large-v3, più veloce e con una perdita minima di precisione (README di Whisper di OpenAI). I modelli che finiscono in .en, come small.en, funzionano solo in inglese; OpenAI osserva che, nelle dimensioni tiny e base, tendono a dare risultati migliori in inglese. Per audio in più lingue o in una lingua diversa dall’inglese, usa un modello multilingue.

Per le riunioni, ha senso provare prima small. Sali a medium o large-v3-turbo se nomi e numeri vengono trascritti male, e scendi a base se è troppo lento.

Su Mac: installa whisper.cpp con Homebrew

Se hai Homebrew, non devi compilare nulla.

1. Installa whisper.cpp e ffmpeg:

   brew install whisper.cpp ffmpeg

   Così hai a disposizione il comando whisper-cli.

2. Scarica un modello in una cartella facile da ricordare:

   mkdir -p ~/whisper-models
   curl -L -o ~/whisper-models/ggml-small.bin \
     https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

   Sostituisci small con il nome di un altro modello della tabella, come medium o large-v3-turbo.

3. Converti la registrazione in WAV mono a 16 kHz:

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav

4. Trascrivila:

   whisper-cli -m ~/whisper-models/ggml-small.bin -f interview.wav -l auto -otxt -osrt

   Ottieni interview.wav.txt con il testo semplice e interview.wav.srt con i timestamp.

Su Windows: compila whisper.cpp

Su Windows, la strada più prevedibile è compilare dal codice sorgente. Nella pagina delle release di whisper.cpp compaiono archivi zip precompilati, ma i loro nomi e contenuti cambiano da una build all’altra.

1. Installa gli strumenti: Git, CMake, i Visual Studio Build Tools con il carico di lavoro C++ e ffmpeg aggiunto al tuo PATH.

2. Scarica il codice e un modello in PowerShell:

   git clone https://github.com/ggml-org/whisper.cpp.git
   cd whisper.cpp
   .\models\download-ggml-model.cmd small

3. Compilalo:

   cmake -B build
   cmake --build build -j --config Release

4. Converti e trascrivi:

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav
   .\build\bin\Release\whisper-cli.exe -m models\ggml-small.bin -f interview.wav -l auto -otxt -osrt

Se hai una scheda grafica NVIDIA, il README spiega come compilare con CUDA per una trascrizione più veloce.

Opzioni utili da conoscere

Esegui whisper-cli -h per l’elenco completo. OpenAI precisa che il suo modello turbo non è addestrato per la traduzione, quindi con -tr usa un modello multilingue come medium.

Controlla che funzioni davvero offline

Una volta scaricato il modello, disattiva il Wi-Fi ed esegui di nuovo lo stesso comando. Se compare la trascrizione, tutto il lavoro si è svolto sul tuo computer. È la prova più semplice che la tua registrazione non ne è mai uscita.

Cosa la riga di comando non fa per te

whisper.cpp è ottimo per trasformare un file in testo. Per le riunioni, alcune cose restano a carico tuo:

• Registrare la chiamata. Ti serve un altro strumento per catturare sia il tuo microfono sia l’audio delle altre persone.
• Chi ha detto cosa. Le etichette degli interlocutori non fanno parte di un’esecuzione di base; nel README c’è un’opzione sperimentale per alcuni modelli.
• Il resoconto. Una trascrizione non è un riepilogo. Dovresti copiarla tu in un modello IA, il che significa scegliere dove viene eseguito quel modello.
• L’archiviazione a lungo termine. Ti ritroverai con cartelle di file .txt da rinominare, cercare e tenere al sicuro.

Trascrivi un file in locale con Kimiko

Se preferisci non usare il terminale, Kimiko esegue sui Mac con Apple silicon e sui PC Windows modelli vocali locali, tra cui Whisper Small, Whisper Medium e Whisper Large v3 Turbo, oltre al suo modello predefinito, Nemotron. Inoltre registra le riunioni senza bot, etichetta gli interlocutori e scrive riepiloghi con l’IA integrata sul tuo computer.

1. Installa Kimiko e completa la configurazione. Durante la configurazione viene scaricato il modello vocale consigliato, e puoi selezionare Aggiungi accanto a IA integrata per avere riepiloghi in locale.
2. Scegli un modello Whisper, se ne vuoi uno, in Impostazioni → Trascrizione → Modelli vocali. Scaricalo, poi selezionalo.
3. Importa la registrazione. Seleziona Importa file audio… nella pagina Note o in un progetto, oppure trascina il file sulla pagina Note. I file WAV, M4A, FLAC, OGG e AIFF funzionano direttamente, senza conversione.
4. Leggi il risultato. Ottieni una trascrizione e un riepilogo. Con le etichette degli interlocutori attive in Impostazioni → Trascrizione, Kimiko separa fino a otto voci in un file importato, etichettandole come Interlocutore 1, Interlocutore 2 e così via, e puoi rinominarle.
5. Chiedi o esporta. Fai domande sulla registrazione in chat, oppure esporta la trascrizione e il riepilogo in Markdown, Word o PDF.

Con i modelli locali selezionati, l’audio viene trascritto e riepilogato sul tuo computer. L’opzione Conservazione dell’audio è impostata in partenza su Disattivata, quindi Kimiko tiene la trascrizione e scarta l’audio. Per importare audio serve la prova in corso o un abbonamento. Per sapere cosa viene eseguito e dove, leggi la guida sulla trascrizione delle riunioni offline.

Domande frequenti

Whisper è gratuito?

Sì. OpenAI ha pubblicato il codice e i modelli di Whisper con licenza MIT, e anche whisper.cpp è rilasciato con licenza MIT. Paghi solo con il tempo e la memoria del tuo computer.

Quale modello Whisper conviene usare per le riunioni?

Inizia con small e controlla come gestisce nomi, numeri e accenti nelle tue registrazioni. Per l’audio difficile passa a medium o large-v3-turbo, se il tuo computer ha memoria sufficiente.

Posso trascrivere un file MP3 o M4A?

Sì. Prima convertilo in WAV a 16 kHz con ffmpeg, usando il comando qui sopra, poi esegui whisper-cli sul file WAV.

Whisper invia il mio audio da qualche parte?

No, se lo esegui in locale con whisper.cpp. Il modello gira sul tuo computer, e gli unici download sono lo strumento e il file del modello. I servizi di trascrizione cloud che usano Whisper sono un’altra cosa: lì l’audio va ai loro server.

Whisper sa distinguere i diversi interlocutori?

Non in un’esecuzione di base di whisper.cpp. Ottieni un unico flusso di testo con i timestamp. Le app pensate per le riunioni aggiungono un modello separato per gli interlocutori, che indica chi ha detto cosa.

Scarica Kimiko se vuoi trascrivere in locale senza usare il terminale. La prova è gratuita.