“Sbobinare significa trascrivere da una bobina. Il nome è vecchio, il problema no: due ore di riunione registrata e nessuna voglia di riscriverle a mano. Sbobinator le trasforma in testo cercabile e sottotitoli, senza mandare un solo byte fuori dal tuo computer.”

Sbobinator è un’applicazione desktop/web per la trascrizione automatica di audio e video in italiano, progettata per girare interamente in locale. Trasforma riunioni, podcast, interviste e lezioni in testo cercabile e sottotitoli SRT, con riassunti LLM opzionali — senza upload obbligatori, senza abbonamenti, senza costi al minuto.

Il progetto nasce da un’esigenza concreta e diffusa: chiunque lavori con l’audio — consulenti che vivono di call, creator che pubblicano ogni settimana, giornalisti che devono citare con precisione, studenti che ripassano da lezioni lunghe — si scontra con lo stesso collo di bottiglia. La registrazione ce l’hai già; quello che manca è il testo, e il tempo per ricavarlo a mano.

Le soluzioni cloud esistono (Otter, servizi a pagamento al minuto, trascrizione delle piattaforme di videoconferenza), ma condividono due limiti fondamentali: costano in proporzione ai minuti e richiedono di caricare i file su server di terzi. Per chi tratta call con clienti, interviste non pubblicate o contenuti riservati, questo secondo punto non è un dettaglio: è un vincolo di privacy che spesso rende quelle soluzioni semplicemente non utilizzabili.

Sbobinator risolve il problema alla radice: la trascrizione gira sul tuo PC, i file restano tuoi dall’inizio alla fine, e per uso personale è gratuito.

Il Problema: Perché Trascrivere Bene l’Italiano È Difficile

Trascrivere audio reale in italiano è significativamente più difficile di quanto suggerisca una demo su un file pulito:

1. Il parlato reale non è pulito

Le riunioni hanno voci sovrapposte, interruzioni, ritmo informale, microfoni mediocri e rumore di fondo. Un motore addestrato su audio da studio crolla sul primo audio da sala riunioni. Serve un modello robusto al parlato spontaneo.

2. L’italiano è cittadino di seconda classe

La maggior parte dei modelli ASR ottimizza sull’inglese. L’italiano — con la sua morfologia ricca, i nomi propri, i tecnicismi settoriali — riceve meno attenzione. Sbobinator adotta un modello con forte focus sul parlato italiano proprio per questo.

3. I file lunghi non devono bloccare la giornata

Una lezione da due ore o un’intervista fiume non possono costringere l’utente a restare davanti a una barra di avanzamento. L’elaborazione deve procedere in background, in modo che l’utente carichi, chiuda pure il browser e torni quando il risultato è pronto.

4. Privacy come requisito, non come opzione

Per molti utenti i contenuti audio sono sensibili per contratto o per policy. Un flusso che richiede l’upload obbligatorio è, per loro, un flusso inutilizzabile. La trascrizione locale non è un’ottimizzazione: è la precondizione all’adozione.

La Soluzione: Come Funziona

Il flusso è volutamente ridotto a tre mosse — carica, aspetta, scarica — per abbassare al minimo l’attrito iniziale.

Step 1 — Upload

L’utente trascina un file (MP4, MKV, WAV, MP3, e altri formati comuni) nell’interfaccia web. Nessuna conversione manuale preventiva, nessun account da creare per ottenere il primo risultato.

Step 2 — Trascrizione (in background)

Il motore ASR NeMo Parakeet elabora l’audio in locale. Il lavoro procede come job asincrono: l’utente vede lo stato avanzare e può tornare alle proprie attività. I file lunghi sono trattati come normalità, non come caso limite.

Step 3 — Download

Al termine l’utente scarica testo completo (per rileggere decisioni, recuperare citazioni, preparare appunti) e sottotitoli SRT (per montaggio o pubblicazione). Il risultato è immediatamente utilizzabile.

Step 4 — Riassunto LLM (opzionale)

Chi ha bisogno di una sintesi rapida può attivare il riassunto tramite un provider a scelta (cloud come DeepSeek, OpenAI, Claude, Gemini, Kimi — oppure Qwen locale per restare completamente offline). È una funzione opt-in: il valore principale — testo e sottotitoli — è già pronto senza passaggi extra.

Stack Tecnologico

Perché NeMo Parakeet

La scelta del motore ASR è stata guidata dall’equilibrio tra qualità sul parlato italiano, robustezza all’audio reale degradato e possibilità di esecuzione locale su hardware consumer. Parakeet offre trascrizione di qualità mantenendo l’intero flusso on-device, senza dipendere da API esterne a consumo.

Architettura: Flusso a Job Asincroni

Il cuore di Sbobinator è una pipeline event-driven con stati di job espliciti, in modo che nessun file “sparisca” tra un passaggio e l’altro:

┌──────────────────────────────────────────────────────────┐
│                      Sbobinator (locale)                  │
│                                                           │
│   Upload ──► Coda ──► Worker ASR ──► Validazione ──► Output│
│   (web UI)   (job)   (NeMo)         (TXT/SRT)      (down)  │
│                          │                                 │
│                          └──► Riassunto LLM (opt-in)       │
└──────────────────────────────────────────────────────────┘

• Coda job: ogni file diventa un job con stato tracciato (queued, running, done, failed).
• Worker in background: l’elaborazione non blocca l’interfaccia; l’utente può chiudere il browser e tornare.
• Storico consultabile: lista job e pagina di dettaglio per singolo file.
• Output multipli: TXT e SRT sempre, riassunto solo su richiesta.

Competenze Dimostrate

AI Engineering / ASR

Integrazione di un modello ASR (NeMo Parakeet) in una pipeline di produzione locale, con attenzione alla qualità sul parlato italiano reale e alla gestione di file lunghi. Integrazione opzionale di LLM multipli (cloud e locale) per la sintesi, con architettura provider-agnostica.

Architettura Software

Progettazione di una pipeline a job asincroni con stati deterministici (queued → running → done / failed), storico consultabile e output multipli. Interfaccia web con FastAPI, disaccoppiamento tra ingestion, elaborazione e output.

Product & UX per la Conversione

Riduzione del flusso a “carica, aspetta, scarica” per minimizzare l’attrito iniziale. Funzioni avanzate (riassunto) tenute opt-in per non appesantire il primo utilizzo. Focus esplicito sulle obiezioni reali dell’utente: qualità italiano, file lunghi, privacy, costo.

DevOps e Packaging

Installazione modulare via pyproject.toml con extra dedicati (local, ui, summarize, asr), script di setup, esecuzione nativa su Windows/Linux e opzione Docker per deployment su mini-PC. Documentazione tecnica bilingue (EN + IT) generata con MkDocs.

Privacy-by-Design

Architettura che mantiene la trascrizione interamente on-device, senza upload obbligatorio. La privacy è trattata come requisito di prodotto, non come feature accessoria — precondizione all’adozione per utenti con contenuti sensibili.

Modello di Licenza

Sbobinator è gratuito per uso personale e non commerciale: nessun timer, nessuna carta di credito, nessun trial nascosto. Per l’uso aziendale/commerciale è prevista una licenza dedicata, con condizioni descritte nella documentazione. Non c’è alcuna bolletta cloud per la trascrizione: il costo è lo spazio disco e il tempo di elaborazione sul proprio hardware.

🚀 Perché Questo Progetto Mi Interessava

Sbobinator sta all’incrocio di tre temi che trovo tecnicamente stimolanti: l’esecuzione locale di modelli AI su hardware consumer, il design di pipeline asincrone affidabili, e la traduzione di un problema quotidiano molto concreto in un prodotto usabile davvero.

La sfida interessante non è “far girare un modello ASR” — è farlo bene sull’italiano reale, gestire file lunghi senza bloccare l’utente, e progettare un flusso così semplice da abbattere la barriera d’ingresso, il tutto mantenendo il vincolo forte della privacy totale. È il tipo di engineering in cui la differenza tra un prototipo e un prodotto sta nei dettagli: la gestione degli stati dei job, la robustezza sull’audio degradato, la scelta di rendere ogni funzione avanzata opt-in.

Specifiche Tecniche

• Linguaggio: Python 3.11+
• ASR: NVIDIA NeMo Parakeet (TDT 0.6B v3)
• Web / API: FastAPI + Streamlit
• Riassunti LLM: DeepSeek / OpenAI / Claude / Gemini / Kimi / Qwen locale (opt-in)
• Media: ffmpeg
• Output: TXT, SRT, riassunto opzionale
• Deployment: Windows / Linux nativo · Docker (Linux, mini-PC)
• Documentazione: MkDocs, bilingue EN + IT
• Licenza: gratuita per uso personale · commerciale su licenza dedicata

🌐 Sito ufficiale: sbobinator.github.io

📚 Documentazione: sbobinator.github.io/docs

💻 Codice sorgente: github.com/sbobinator/sbobinator

📩 Vuoi trascrivere i tuoi file in locale? Contattami