Perché i verbali in cantonese sembrano sempre «non del tutto giusti»: due faglie

Chi usa per la prima volta uno strumento di IA per verbalizzare una riunione in cantonese reagisce quasi sempre allo stesso modo: il risultato sembra a posto, eppure dà l'impressione di essere «non del tutto giusto». Non ci sono errori evidenti, ma confrontandolo con il ricordo della conversazione qualcosa manca.

Questo scarto di solito non nasce dove verrebbe naturale sospettare, cioè dall'accuratezza del riconoscimento. Con cantonese puro, un solo parlante e un ambiente silenzioso, gli strumenti più diffusi oggi sono già del tutto utilizzabili. Il problema sta in altri due punti — e sono esattamente le due forme più comuni nella conversazione quotidiana a Hong Kong.

Primo: quando cinese e inglese si mescolano nella stessa frase, la qualità del riconoscimento cala in modo sensibile. Secondo: anche quando il riconoscimento è corretto, il testo prodotto è spesso già riscritto in cinese scritto — non è più la frase che avete pronunciato.

Le due cose hanno cause diverse e riguardano scenari diversi. Vale la pena trattarle separatamente.

E non riguardano solo Hong Kong: lo stesso schema si ripresenta ovunque due lingue convivano dentro una singola frase — italiano con termini tecnici inglesi, hindi con inglese, spagnolo con inglese. Il cantonese-inglese è un caso particolarmente ben documentato, ma il meccanismo di errore è lo stesso.

Conclusione in 30 secondi

• Mescolare le lingue ha un costo, ed è quantificabile → la letteratura di ricerca pubblica indica per i contenuti con commutazione di codice cantonese-inglese un tasso di errore sui caratteri di circa 20 %–26 %, contro circa 6 %–8 % degli stessi sistemi su contenuti monolingue. Un divario da tre a quattro volte.
• «Sentire bene» e «scrivere bene» sono due cose diverse → voi dite una frase in lingua parlata, il verbale riporta la variante scritta: il senso resta, le parole originali no.
• Nella maggior parte degli scenari non conta, in pochi è decisivo → per riassumere una chiacchierata non fa differenza; per anamnesi mediche, cartelle di servizi sociali, verbali di mediazione e interviste di ricerca sì.
• Nel 2025 i dati in cantonese hanno fatto un salto di ordine di grandezza → da corpora pubblici di poche decine di ore alle 21.800 ore di WenetSpeech-Yue, ma la commutazione di codice resta irrisolta.
• Prima di scegliere lo strumento, chiaritevi se vi serve «il senso» o «le parole esatte» → richiedono impostazioni diverse; a fine articolo trovate una breve lista di verifica.

Prima distinguere due piani: riconoscimento e resa

Quando si discute della qualità dei verbali in cantonese è facile confondere due passaggi indipendenti.

Il riconoscimento (ASR) trasforma il suono in testo. Il fallimento a questo livello è «sentire male»: il sistema non coglie ciò che avete detto, oppure scambia una parola per un'altra dal suono simile.

La resa decide in quale forma quel testo compare alla fine. Il fallimento a questo livello è la «riscrittura»: il riconoscimento è preciso, ma in uscita il parlato viene lisciato in lingua scritta.

Ciò che molti lamentano come «verbale in cantonese impreciso» sono in realtà problemi distinti sui due livelli, che richiedono soluzioni completamente diverse. Il primo livello è questione di capacità del modello e di dati di addestramento; il secondo è quasi sempre una scelta progettuale — e spesso deliberata.

Faglia uno: il mistilinguismo cantonese-inglese

Perché è particolarmente difficile

「我想去 Causeway Bay 開個 meeting，順便 check 一下 schedule。」

In sostanza: «Vorrei andare a Causeway Bay per una riunione e già che ci sono controllare il calendario». Sono cantonese 我想去 (vorrei andare a), 開個 (tenere una), 順便 (già che ci sono), 一下 (un attimo) e l'impianto sintattico; sono inglese Causeway Bay, meeting, check e schedule. È proprio questa mescolanza dentro un'unica frase il punto della questione.

A Hong Kong una frase così non ha nulla di particolare, ma per un sistema di riconoscimento richiede capacità del tutto diverse da una frase in cantonese puro. Il sistema deve commutare in tempo reale, nella stessa frase e perfino nello stesso respiro, fra due sistemi fonologici e due lessici completamente distinti, senza alcun preavviso sul punto di passaggio.

C'è di peggio: quando a Hong Kong si usano parole inglesi, la pronuncia è spesso già cantonesizzata — struttura sillabica e profilo tonale sono stati localizzati. Queste pronunce non corrispondono alle attese del modello inglese né figurano nel lessico del modello cantonese. Entrambe le parti le considerano estranee.

Il divario in cifre

La letteratura di ricerca pubblica offre un quadro piuttosto coerente: il tasso di errore sui caratteri per contenuti con commutazione di codice cantonese-inglese si colloca all'incirca fra il 20 % e il 26 %, mentre gli stessi sistemi su contenuti monolingue si attestano intorno al 6 %–8 %. Su set di valutazione dedicati al parlato misto cantonese-inglese, i sistemi basati su Whisper registrano un mixed error rate di circa il 22 %.

Tradotto in percezione concreta: nel cantonese puro sbaglia all'incirca un carattere ogni dieci e più, nei contenuti misti circa un carattere ogni quattro o cinque. Il secondo caso impone già di verificare il verbale frase per frase prima di poterlo usare.

Questi errori hanno una forma particolare

Va notato che gli errori da commutazione di codice non sono «visibilmente sbagliati» come i normali errori di riconoscimento. Il sistema raramente lascia vuoti o produce caratteri incomprensibili: tende invece a inserire una parola cinese dal suono simile e grammaticalmente plausibile.

Il risultato è una frase in superficie del tutto scorrevole, ma il cui significato è già slittato. È molto più pericoloso di un errore evidente: davanti a un errore evidente vi fermate a verificare, su una frase sbagliata ma fluida scivolate via.

Faglia due: cantonese parlato e cinese scritto

Due modi di scrivere la stessa frase

Nessuna riga della colonna centrale è «sbagliata». Il significato è sempre esatto e il testo si legge perfino meglio. Il problema è che nessuno parla così.

Perché i sistemi lo fanno

Di norma non è un difetto. I dati di addestramento del cinese scritto sono in schiacciante maggioranza cinese scritto standard; la trascrizione del cantonese parlato (caratteri come 嘅, 咗, 喺, 哋) occupa una porzione minima del corpus complessivo. In assenza di istruzioni esplicite, il modello tende naturalmente verso la varietà di cinese che conosce meglio.

E nella maggior parte dei casi questa impostazione predefinita è quella giusta. Per riassunti di riunione, elenchi di cose da fare o testi da inviare a colleghi che non conoscono il cantonese, la versione in lingua scritta è chiaramente più adatta.

Ma in certi scenari vale esattamente il contrario

Esiste un'intera categoria di usi in cui serve proprio la parola originale.

• Anamnesi medica: i termini con cui il paziente descrive i sintomi sono essi stessi informazione clinica. Espressioni come 「頂住頂住」 (una sensazione di pressione persistente), 「唧住痛」 (un dolore che stringe, come una morsa) o 「作嘔作悶」 (nausea con senso di malessere) perdono proprio quella qualità concreta una volta riscritte in termini standard.
• Cartelle dei servizi sociali: le parole dell'utente incidono sulla valutazione del caso; riscriverle significa aggiungere uno strato interpretativo già in fase di registrazione.
• Mediazione e gestione delle controversie: chi ha detto che cosa e con quale tono è esso stesso l'oggetto del contendere.
• Interviste di ricerca e storia orale: il valore di una trascrizione letterale presuppone che sia letterale.
• Didattica delle lingue e lavoro sui corpora: qui la forma parlata è essa stessa l'oggetto di studio.

Ciò che questi scenari hanno in comune è che il verbale non serve solo a ricordare di che cosa si è discusso: potrà essere citato, riesaminato o assunto come fondamento. Un verbale silenziosamente ripulito è rischioso per questi usi, perché appare del tutto normale e non vi lascia sapere dove sia stato modificato.

Un presupposto facilmente trascurato: la situazione dei dati in cantonese

Per capire perché gli strumenti per il cantonese rendano in modo tanto diseguale, aiuta guardare all'entità dei dati disponibili.

L'arrivo di WenetSpeech-Yue nel 2025 rappresenta un cambio di ordine di grandezza: prima, i dati vocali cantonesi pubblici sono rimasti a lungo fermi fra alcune decine e poche centinaia di ore, mentre per le lingue maggiori si lavora tranquillamente su decine di migliaia di ore. Questo spiega perché in passato gli strumenti per il cantonese fossero generalmente indietro.

Va però osservato che l'aumento dei dati migliora soprattutto il riconoscimento del cantonese monolingue. La commutazione di codice richiede corpora misti, più difficili da annotare e tuttora scarsi per dimensione. La faglia uno migliorerà quindi molto più lentamente del riconoscimento del cantonese puro.

Un ulteriore contesto di Hong Kong

Per inciso, una serie di dati collegati. Secondo il censimento del 2021, i residenti di Hong Kong non di etnia cinese sono circa 619.568, pari all'8,4 % della popolazione. Quanto alla capacità di parlare cantonese: 17,6 % fra i filippini, 25,0 % fra gli indiani, 34,7 % sul totale dei sudasiatici — mentre la competenza in inglese si colloca in genere oltre l'84 %.

In altre parole, la realtà linguistica quotidiana di Hong Kong non è uno scenario di solo cantonese, ma la compresenza di cantonese, inglese e diverse altre lingue. Uno strumento che riconosca bene il cantonese ma non sappia tradurre in tempo reale risolve solo metà del problema.

Come Traverba affronta queste due faglie

• Priorità al mistilinguismo — il riconoscimento è calibrato sulle frasi hongkonghesi con mescolanza cinese-inglese, invece di trattare cantonese e inglese come due modalità alternative.
• Conservazione della forma parlata — la trascrizione segue la forma in cui avete effettivamente parlato; riassunto e traduzione sono generati a parte. Parole originali e versione rielaborata coesistono, invece che la seconda sovrascriva le prime.
• Trascrizione e traduzione in tempo reale integrate — una sola conversazione, un solo parlante, oltre 100 lingue: chi ascolta inquadra un codice QR e vede i sottotitoli nella propria lingua, senza scaricare alcuna app.
• Priorità al dispositivo — il riconoscimento vocale gira per impostazione predefinita sul dispositivo, l'IA in cloud è opzionale; con contenuti sensibili nulla deve uscire.
• Trascrizione integrale esportabile — a riunione conclusa si possono esportare la trascrizione letterale e la versione tradotta, conservandole separatamente.

Sia chiaro: se vi servono riassunti di normali riunioni di lavoro, allineamenti interni o elenchi di attività, la maggior parte degli strumenti di appunti con IA già fa un buon lavoro, e la resa in lingua scritta è anzi più comoda: non c'è motivo di cambiare. Le differenze descritte contano davvero negli scenari in cui la parola originale è essa stessa il dato.

Come decidere? Una breve lista di verifica

Ponetevi tre domande:

Uno: questo verbale sarà citato o riesaminato in futuro? Se sì (cartelle di caso, documentazione clinica, mediazione, interviste), vi serve una trascrizione letterale e la certezza che lo strumento non riscriva nulla dietro le quinte. Se no, un riassunto in lingua scritta è più pratico.

Due: quanto è densa la mescolanza di lingue nella conversazione? Qualche parola inglese occasionale è alla portata della maggior parte degli strumenti. Se si tratta delle tipiche conversazioni hongkonghesi con due o tre passaggi per frase, provate prima con una registrazione reale, senza fidarvi degli elenchi ufficiali delle lingue supportate.

Tre: il contenuto è sensibile? Per registrazioni che riguardano cartelle cliniche, casi sociali o materie legali, verificate prima il flusso dei dati: elaborazione locale o in cloud, durata di conservazione, eventuale uso per l'addestramento.

Un ultimo consiglio: qualunque strumento scegliate, provatelo con una vostra conversazione reale, non con un testo letto. Il cantonese letto non ha commutazione di codice, né particelle del parlato, né sovrapposizioni: non permette di far emergere nessuno dei problemi descritti.

Per saperne di più

Sul fronte dei verbali in cantonese non esiste uno strumento adatto a ogni situazione. La cosa decisiva è chiarire prima se vi serve «il senso» o «le parole esatte»: questa scelta determina direttamente che cosa selezionare e come configurarlo.

Per capire come Traverba gestisce il mistilinguismo e la conservazione del parlato, visitate traverba.com oppure scaricate l'app da Google Play e dall'App Store.

I tassi di errore citati in questo articolo provengono dalla letteratura di ricerca pubblicamente disponibile sul riconoscimento vocale del cantonese; le dimensioni dei corpora dai dati ufficiali pubblicati dai rispettivi corpora; i dati su popolazione e competenze linguistiche dal censimento 2021 del governo di Hong Kong. Tutti i dati sono aggiornati a metà 2026; modelli e strumenti evolvono di continuo e le prestazioni effettive dipendono da qualità della registrazione, accento, rumore ambientale e versione specifica. Tutti i marchi appartengono ai rispettivi titolari.