# Riconoscimento dei parlanti per capire chi ha detto cosa

> Il riconoscimento dei parlanti usa diarize=true: Speaker 1 e Speaker 2 nei segmenti JSON, TXT, SRT e VTT, da file o link video, senza costi aggiuntivi.

Canonical: https://transcript1.com/it/features/riconoscimento-dei-parlanti
Language: it
Last updated: 2026-10-19

Il riconoscimento dei parlanti distingue le voci nella trascrizione di una conversazione. Aggiungi diarize: true per avere etichette come Speaker 1 e Speaker 2 in ogni segmento. È utile per interviste, tavole rotonde e registrazioni di riunioni.

- Speaker 1 e Speaker 2 indicati nei segmenti
- Etichette in JSON, TXT, SRT e VTT
- Per link video supportati e file caricati

## Segui la conversazione, una voce alla volta

### Attivalo quando crei la trascrizione

diarize è false per impostazione predefinita. Passa true a POST /v1/transcriptions oppure al tool transcribe di MCP per ottenere le etichette.

### Le voci si distinguono dall’audio

Servono i dati dello speech-to-text. Con source=auto, diarize: true salta i sottotitoli della piattaforma e trascrive direttamente la registrazione.

### Ritrova le etichette in tutti i formati

Il JSON include transcript.speakers e il campo speaker di ogni segmento. Testo e SRT usano il prefisso Speaker 1:, mentre VTT usa un tag voce.

### Chi parla, parola per parola

Leggi il JSON con include=words per avere i timestamp delle parole e l’etichetta di chi le pronuncia.

### Le opzioni incompatibili danno un errore

source: captions insieme a diarize: true restituisce 422 invalid_request. Non eliminiamo silenziosamente una delle opzioni che hai scelto.

## Come attivare il riconoscimento dei parlanti via API

Nel corpo JSON imposta diarize su true. Per un file, passa la stessa opzione come campo del form. La [guida a diarize](https://transcript1.com/it/docs/sources-and-options#diarize) mostra le combinazioni ammesse con source.

Attivalo quando ti serve sapere chi parla: in un’intervista, un confronto o una puntata con ospiti. Per una nota vocale con una sola voce spesso bastano testo e timestamp. Le etichette distinguono i turni nell’audio, ma non identificano una persona, un account o una voce da autenticare.

Scegli diarize quando crei il lavoro, perché cambia il modo in cui elaboriamo la registrazione. Non è un formato da aggiungere dopo. Con source=auto passiamo allo speech-to-text; i file caricati lo usano già, quindi l’esempio non dipende dai sottotitoli di una piattaforma.

### Caricamento con riconoscimento dei parlanti

```
curl -X POST "https://api.transcript1.com/v1/transcriptions?wait=60" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" \
  -F file=@panel.m4a \
  -F diarize=true
```

## Collega ogni segmento alla voce corretta

transcript.speakers elenca le etichette e ogni segmento ha il proprio campo speaker. transcript_source vale speech_to_text, perché i sottotitoli non contengono queste informazioni. Consulta lo [schema della risposta](https://transcript1.com/it/docs/api-reference#the-transcription-object) per usarle nella tua app.

Ascolta la registrazione prima di associare Speaker 1 e Speaker 2 ai nomi. Conserva questa corrispondenza nella tua app o nella copia rivista. Le etichette valgono per quella trascrizione: Speaker 1 in un altro file può essere una persona diversa.

Usa speaker per presentare la conversazione e include=words se ti servono tempi più precisi. Conserva sempre inizio e fine dei segmenti in secondi per tornare all’audio durante la revisione. Il JSON qui sotto è illustrativo, non descrive una specifica registrazione caricata.

### Risposta JSON abbreviata

```
{
  "status": "completed",
  "transcript_source": "speech_to_text",
  "transcript": {
    "speakers": ["Speaker 1", "Speaker 2"],
    "segments": [
      { "start": 0, "end": 3.4, "speaker": "Speaker 1", "language": "en", "text": "Good morning." },
      { "start": 3.4, "end": 7.9, "speaker": "Speaker 2", "language": "en", "text": "Thanks for having me." }
    ]
  }
}
```

## Scegli come mostrare chi parla nei sottotitoli

format=srt aggiunge il prefisso Speaker 1: al testo; format=vtt usa un tag voce. Con format=text ricevi una riga con etichetta per segmento. Confronta i [formati dei sottotitoli](https://transcript1.com/it/features/creare-file-srt) prima di integrarli nel player.

Controlla come il player visualizza i tag voce e come l’editor gestisce i prefissi. Un’etichetta utile per analizzare un’intervista può diventare ripetitiva nei sottotitoli. Modifica la presentazione nel file esportato o nella tua app, mantenendo la corrispondenza verificata con le etichette originali.

Voci sovrapposte, un microfono lontano o la musica possono rendere incerti parole e cambi di parlante. Riascolta i punti in cui l’etichetta cambia senza un motivo evidente. Per le prossime registrazioni, microfoni separati e turni chiari aiutano più di una correzione successiva.

### format=vtt

```
WEBVTT

00:00:00.000 --> 00:00:03.400
<v Speaker 1>Good morning.

00:00:03.400 --> 00:00:07.900
<v Speaker 2>Thanks for having me.
```

## Prima di attribuire una citazione, riascoltala

Parti da uno scambio chiaro all’inizio: riconosci le voci e annota a chi corrisponde ogni etichetta. Controlla anche alcuni passaggi successivi. Se dall’audio non capisci chi parla, conserva il dubbio nella copia rivista, senza assegnare un nome solo dal contesto.

Nelle [interviste di ricerca](https://transcript1.com/it/use-cases/trascrivere-intervista), usa lo stesso criterio di revisione per ogni sessione e tieni separate le annotazioni dal parlato. Prima di pubblicare una citazione con nome e cognome, verifica l’attribuzione ascoltando l’audio e usando il contesto che hai a disposizione.

La diarizzazione audio organizza una conversazione. Non è un sistema biometrico e non serve ad autenticare una chiamata o a stabilire che due registrazioni contengano la stessa persona. Anche un cambio di microfono può far sembrare diversa una voce; quando più persone parlano insieme, l’attribuzione può restare incerta.

| Cosa noti durante la revisione | Cosa fare |
| --- | --- |
| L’etichetta cambia mentre parla la stessa persona | Riascolta prima e dopo il cambio, poi correggi la tua copia se necessario. |
| Più persone parlano insieme | Controlla parole e attribuzione. Segnala i dubbi che l’audio non permette di risolvere. |
| La stessa etichetta compare in un altro file | Associa di nuovo le etichette ai partecipanti di quella registrazione. |

## Domande frequenti

### La trascrizione riporta i nomi delle persone?

No. Ricevi etichette come Speaker 1 e Speaker 2. transcript1 non conosce i nomi reali: puoi associarli alle etichette nella tua app dopo aver ascoltato la registrazione.

### Posso avere i parlanti dai sottotitoli di YouTube?

No. I sottotitoli non dicono chi sta parlando. Con source=auto e diarize: true trascriviamo l’audio con IA. Se combini source: captions con diarize: true, la request viene rifiutata.

### Il riconoscimento dei parlanti costa di più?

No. Consumi 1 credito per ogni minuto iniziato della registrazione, con o senza diarize.

## Approfondisci

- [Interviste e ricerca qualitativa](https://transcript1.com/it/use-cases/trascrivere-intervista)
- [Timestamp e sottotitoli](https://transcript1.com/it/features/creare-file-srt)
- [Link e opzioni di trascrizione (documentazione)](https://transcript1.com/it/docs/sources-and-options)