Il riconoscimento vocale cantonese nel 2026: un confronto pratico tra i principali strumenti

Se hai mai registrato una riunione a Hong Kong e hai poi usato un'app di trascrizione, sai già che il cantonese è una delle lingue più difficili da trascrivere correttamente. Una frase come "我想去 Causeway Bay 開會 prepare 一下 個 deck" mescola cantonese e inglese in un unico respiro — ed è proprio in quel mix che la maggior parte degli strumenti di trascrizione mostra i propri limiti.

Non si tratta di un problema di nicchia. Il code-switching — passare da cantonese a inglese a metà frase — è il registro quotidiano del mondo degli affari, della tecnologia e della vita di tutti i giorni a Hong Kong. È anche uno dei problemi tecnicamente più impegnativi nel riconoscimento vocale del cinese.

Abbiamo messo insieme un confronto neutro e pratico dei principali strumenti di riconoscimento vocale in cantonese nel 2026 — Google, Apple, Microsoft Azure, OpenAI Whisper, Otter.ai, iFLYTEK, ElevenLabs e Speechmatics — esaminando precisione, code-switching, privacy e quanto sia semplice utilizzarli per una persona comune. Ogni strumento eccelle in qualcosa; l'obiettivo è aiutarti a scegliere quello più adatto alle tue esigenze.

Come si misura la precisione

La precisione delle trascrizioni viene solitamente espressa come Word Error Rate (WER) o Character Error Rate (CER) — la percentuale di parole o caratteri che differisce da un riferimento corretto. Più basso è il valore, meglio è. Sotto circa il 5% è eccellente; intorno al 20% significa in genere che è necessaria una revisione manuale significativa.

Il benchmark pubblico più citato per il cantonese è il dataset Common Voice Yue — parlanti cantonesi reali che leggono ad alta voce. Su quel cantonese pulito e recitato, test indipendenti hanno riportato i seguenti tassi di errore sui caratteri:

Secondo questo benchmark, il modello cantonese on-device di Apple ottiene buoni risultati — il CER riportato è circa il 35% inferiore a quello di Google e il 67% inferiore a quello di Microsoft su questo specifico dataset, ed elabora tutto localmente sul dispositivo. Per una persona che detta cantonese pulito su un Mac, è un'opzione davvero valida e gratuita.

Un avvertimento importante: questo benchmark misura cantonese pulito, recitato ad alta voce, da un singolo parlante e senza inglese. Non è così che la maggior parte delle persone a Hong Kong parla davvero.

Perché il code-switching è il vero banco di prova

Common Voice è un parlato attento e monolingue. Il cantonese quotidiano di Hong Kong è conversazionale, veloce e mescolato con l'inglese:

"個 user feedback 話 個 flow 唔 make sense, 不如 我哋 sync 一 sync 先。"

Un punteggio benchmark su cantonese pulito dice poco su come uno strumento gestisce una frase del genere. La ricerca accademica sul code-mixing cantonese-inglese indica due ragioni per cui questo è difficile per qualsiasi motore:

1. L'inglese pronunciato con accento cantonese suona diverso dall'inglese "standard", il che può trarre in inganno il modello linguistico inglese.
2. Dati di addestramento con code-switching limitati — molti sistemi sono stati addestrati principalmente su cantonese monolingue o inglese monolingue, non sulla mescolanza naturale delle due lingue.

Questo riguarda l'intero settore, non un singolo marchio. In test più ampi, l'audio con code-switching ha ridotto la precisione in tutti gli strumenti più diffusi — uno studio ampiamente citato ha registrato un calo della precisione nella commutazione spagnolo-inglese. Il punto pratico: per l'audio di Hong Kong, come uno strumento gestisce l'inglese nel cantonese conta più del suo punteggio benchmark principale.

Gli strumenti, uno per uno

Otter.ai

Otter è una delle app di trascrizione più popolari in assoluto, con ottime funzionalità per le riunioni e i riepiloghi. A partire dal 2026, la sua trascrizione è incentrata sull'inglese e non offre la trascrizione in cantonese. Se stai cercando specificamente il cantonese, avrai bisogno di uno strumento con supporto nativo.

OpenAI Whisper

Whisper supporta un'ampia gamma di lingue e può trascrivere il cantonese. Per impostazione predefinita tende a produrre cinese standard scritto (ad esempio "他們" invece del colloquiale "佢哋"). Esistono modelli cantonesi perfezionati dalla comunità che preservano l'output colloquiale, ma utilizzarli richiede una certa competenza tecnica, quindi Whisper è più adatto a sviluppatori e utenti avanzati che a chi vuole semplicemente aprire un'app.

Google Cloud Speech-to-Text

Il modello "yue-Hant-HK" di Google scala bene ed è una scelta valida per bozze rapide e l'elaborazione automatizzata di grandi volumi all'interno di Google Cloud. Come per la maggior parte dei motori automatici, l'output grezzo di solito beneficia di una revisione, e l'inglese con code-switching potrebbe richiedere una pulizia. È un prodotto API/sviluppatore piuttosto che un'app consumer.

Microsoft Azure AI Speech

Azure offre ottimi strumenti per sviluppatori e un'integrazione fluida con i flussi di lavoro del cloud Microsoft, il che lo rende una scelta popolare per i team di ingegneria. La sua documentazione indica che l'output in cantonese beneficia di revisione quando è coinvolto il code-switching. Come Google, è pensato per gli sviluppatori che costruiscono le proprie applicazioni.

iFLYTEK (科大訊飛)

iFLYTEK è un'azienda leader nell'intelligenza artificiale vocale e ha investito molto a Hong Kong. Offre ora il supporto al cantonese direttamente orientato al mercato locale — incluso il sistema di conferenze multilingue iFLYREC (edizione Hong Kong e Macao) e soluzioni per riunioni che consentono agli utenti di passare tra cantonese, putonghua e inglese, oltre a opzioni on-premises e hardware per traduttori. È un'opzione seria e capace, particolarmente adatta a implementazioni aziendali e per conferenze in cui l'hosting on-premises o l'hardware dedicato si adatta al flusso di lavoro.

ElevenLabs Scribe e Speechmatics

Entrambi sono motori di riconoscimento vocale moderni e potenti. ElevenLabs colloca il cantonese nel suo livello di maggiore precisione, e Speechmatics pubblicizza un'alta precisione con bassa latenza. Entrambi sono principalmente servizi cloud, a pagamento e API-first — ottimi elementi costitutivi per gli sviluppatori, con audio elaborato nel cloud.

Riepilogo comparativo

Non esiste un unico "migliore" — dipende da cosa stai facendo. Uno sviluppatore che costruisce un prodotto amerà Whisper o Azure. Un organizzatore di conferenze potrebbe essere meglio servito dal sistema dedicato di iFLYTEK. Un utente Mac che detta cantonese pulito ha Apple integrato gratuitamente.

Tre domande per scegliere quello giusto

1. Quanto inglese c'è nel tuo audio? Se le tue registrazioni sono principalmente cantonese pulito, i benchmark principali sono una guida affidabile. Se sono piene di inglese a metà frase — come la maggior parte delle riunioni a Hong Kong — dai la priorità a uno strumento specificamente costruito o ottimizzato per il code-switching.

2. Dove viene elaborato il tuo audio? La trascrizione cloud significa caricare le registrazioni su un server di terze parti. Per riunioni sensibili, audio medico o legale, l'elaborazione on-device mantiene i dati sul tuo telefono o computer.

3. Quanto sei tecnico? Whisper, Azure e i motori API sono strumenti per sviluppatori. I sistemi per conferenze di iFLYTEK sono implementazioni enterprise. Se vuoi semplicemente aprire un'app, premere registra e leggere una trascrizione, hai bisogno di un'app consumer progettata per questo.

Dove si inserisce Traverba

Traverba è costruita per quest'ultimo gruppo — gli utenti comuni che vogliono qualcosa di semplice. Nessuna chiave API, nessun account cloud, nessun rollout enterprise. Apri l'app e funziona.

Il focus è la lingua che le persone a Hong Kong parlano davvero: cantonese con l'inglese mescolato. Invece di trattare l'inglese come qualcosa da eliminare, Traverba è ottimizzata sui pattern linguistici locali — l'inglese a metà frase, i nomi di marchi e il gergo delle conversazioni reali. E poiché elabora on-device, il tuo audio rimane con te anziché essere caricato su un server.

Traverba non cerca di sostituire un sistema di conferenze enterprise o un trascrittore umano professionale — quelli hanno il loro posto. È costruita per i momenti quotidiani in cui cantonese e inglese si mescolano e hai semplicemente bisogno di testo leggibile, veloce, sul tuo telefono.

Provalo

Traverba è gratuita su entrambe le piattaforme — traduzione vocale, traduzione tramite fotocamera, traduzione dello schermo e traduzione di testo sono tutte gratuite e illimitate.

Disponibile su Google Play e sull'App Store. Scopri di più su traverba.com.

Ogni strumento in questo confronto è bravo in qualcosa. Se quello di cui hai bisogno è un'app semplice, on-device, ottimizzata per il cantonese-inglese quotidiano di Hong Kong, Traverba è costruita esattamente per questo.

I dati di precisione citati sopra provengono da benchmark pubblici per il riconoscimento vocale cantonese sul dataset Common Voice Yue e da ricerche pubblicate sul code-switching cantonese-inglese. Il supporto delle funzionalità e delle lingue riflette l'offerta di ciascun fornitore a giugno 2026 e potrebbe cambiare. La precisione nel mondo reale varia in base alla qualità dell'audio, agli accenti e alla quantità di inglese nella conversazione; incoraggiamo i lettori a testare gli strumenti sul proprio audio.