La DVT di un registratore con trascrizione locale deve convalidare l’intera macchina a stati, non solo il risultato del riconoscimento vocale. Un sistema conforme acquisisce l’audio, supera le interruzioni, salva una nota utilizzabile con la relativa provenienza ed elimina un segmento sorgente solo dopo che il computer lo ha elaborato per la trascrizione.
Qual è il sistema sotto test?
L’architettura approvata di C1 divide il lavoro tra due dispositivi. C1 acquisisce l’audio, rileva l’attività vocale sul dispositivo, conserva temporaneamente segmenti audio crittografati e li trasferisce tramite Bluetooth o USB-C. Il computer macOS o Windows associato esegue localmente il riconoscimento vocale e l’etichettatura dei parlanti, scrive Markdown OKF locale e indica a C1 di eliminare ogni segmento dopo l’elaborazione per la trascrizione.
Questa divisione crea almeno sei stati osservabili:
- Acquisito: un segmento completo o recuperabile è presente su C1.
- Preparato: il computer ha copiato il segmento, ma non ha ancora salvato definitivamente una nota.
- Trascritto: il riconoscimento vocale ha prodotto un testo candidato.
- Salvato: la nota Markdown e i metadati sono stati scritti in modo durevole.
- Confermato: lo stato di sincronizzazione registra che il segmento è stato elaborato.
- Rilasciato: C1 ha eliminato il segmento sorgente.
La transizione distruttiva avviene per ultima. Se un processo si arresta tra la preparazione e il salvataggio, la sorgente deve restare recuperabile. Se il salvataggio riesce ma la conferma di eliminazione va persa, l’esecuzione successiva deve riconoscere il segmento già elaborato ed evitare una nota duplicata.
Come si testa la matrice delle interruzioni?
Provoca un guasto a ogni transizione, poi verifica entrambi i lati. «L’app si è ripristinata» non basta: confronta hash dei file, numero di note, inventario del dispositivo e puntatori di stato prima e dopo il riavvio.
| Guasto provocato | Stato previsto del dispositivo | Stato previsto del computer |
|---|---|---|
| Interruzione di alimentazione durante l’acquisizione | Segmenti precedenti integri; segmento attivo completo o contrassegnato esplicitamente come non valido | Nessuna nota inventata |
| Disconnessione durante il trasferimento | Segmento sorgente conservato | File parziale di preparazione ignorato o ripreso |
| Processo terminato durante il riconoscimento vocale | Segmento sorgente conservato | Nessun duplicato salvato; nuovo tentativo consentito |
| Interruzione di alimentazione durante la scrittura della nota | Segmento sorgente conservato | La scrittura atomica lascia lo stato precedente o una nuova nota completa |
| Disconnessione dopo il salvataggio, prima dell’eliminazione | La sorgente può rimanere | L’hash del segmento elaborato impedisce una nuova trascrizione; l’eliminazione può essere ritentata |
| Segmento danneggiato | Non eliminato finché non viene verificata una copia locale in quarantena | Errore e provenienza della sorgente conservati |
Come si convalida la trascrizione senza inventare un unico valore di accuratezza?
Il tasso di errore sulle parole è utile su un corpus annotato fisso, ma può nascondere gli errori rilevanti per il lavoro. Crea un insieme di valutazione versionato con parlato tranquillo e a basso volume, rumore di tastiera, accenti e lingue supportate, voci sovrapposte, termini di settore, nomi, date, numeri e negazioni. Registra la posizione dell’hardware e il livello della sorgente per ogni campione.
Riporta almeno tre livelli:
- WER o CER sul corpus annotato, con le versioni del modello e del decoder.
- Tasso di riconoscimento dei termini critici per identificativi, numeri, nomi e istruzioni negative.
- Utilizzabilità per il compito: chi verifica può ricavare la decisione prevista senza riascoltare l’intera registrazione?
Non confrontare due sistemi di riconoscimento vocale con audio, impostazioni linguistiche o regole di post-elaborazione diversi.
Che cosa deve misurare la convalida del VAD?
Il rilevamento dell’attività vocale cambia ciò che arriva al riconoscimento vocale. Una soglia aggressiva può tagliare sillabe deboli o l’inizio di una frase; una permissiva può conservare lunghe parti di rumore. Verifica falsi rifiuti, false accettazioni, troncamenti ai confini e frammentazione rispetto a intervalli annotati. Esamina poi la trascrizione: un piccolo errore temporale può eliminare una negazione critica anche quando le metriche VAD complessive sembrano accettabili.
Il progetto audio documentato di C1 usa Opus a 16 kHz mono e 16 kbps. RFC 6716 definisce Opus su un intervallo molto più ampio; il valore specifico del progetto è una scelta progettuale, non un requisito fisso di Opus. Verifica la compatibilità del decoder, la durata, il numero di canali e gli hash o il conteggio dei frame da un’estremità all’altra sui file effettivamente codificati.
Come si verificano le dichiarazioni sulla privacy?
«Locale» è una dichiarazione architetturale verificabile. Acquisisci il traffico DNS e di rete durante registrazione, trasferimento, trascrizione, ricerca ed esportazione. La dichiarazione di OneMira è più precisa di «nulla usa mai Internet»: riconoscimento vocale e trascrizione vengono eseguiti sul computer associato, mentre gli eventuali servizi IA esterni scelti dall’utente seguono il percorso dei dati del relativo fornitore.
Un test della privacy deve quindi registrare:
- quale processo apre ogni connessione di rete;
- se dal computer escono dati audio o solo metadati di aggiornamento e telemetria;
- dove vengono conservati audio temporaneo, cache dei modelli, log e trascrizioni;
- quando vengono eliminati i file temporanei del dispositivo e del computer;
- se un agente esterno riceve un estratto selezionato o l’intera nota.
L’elaborazione locale può ridurre una categoria di esposizione al cloud, ma non garantisce automaticamente la conformità a GDPR, HIPAA, politiche aziendali o norme sul consenso alla registrazione. La conformità dipende da finalità, consenso, controllo degli accessi, conservazione, giurisdizione e strumenti usati successivamente.
Quali prove chiudono la DVT?
Per ogni requisito conserva versione del test, versione del dispositivo e del software, dati di ingresso, risultato atteso, risultato misurato, log, hash, screenshot utili e decisione finale. Ripeti la matrice su entrambe le famiglie di sistemi operativi supportate. Un percorso senza errori su un computer potente non convalida il ripristino, il comportamento con poche risorse o un’altra piattaforma.
La documentazione per la risoluzione dei problemi deve associare gli errori visibili all’utente a questi stati. La ripetibilità produttiva passa poi alla guida PVT.
Fonti e approfondimenti
- IETF RFC 6716: Opus — definizione standard del codec e intervallo operativo supportato.
- Guida Microsoft alla progettazione dei dispositivi audio — larghezza di banda di acquisizione, rumore ricevuto, allineamento dei microfoni e aspetti del riconoscimento vocale.
- Specifiche di OneMira C1 — dichiarazioni pubbliche attuali sull’elaborazione locale e sul ciclo di vita dell’audio.