---
title: "Trascrivere le chiamate del call center: pipeline con codice"
description: "Dividi le chiamate stereo per canale, taglia i turni, trascrivi arabo e inglese, oscura i dati personali e riassumi ogni chiamata con un LLM. Codice Python e costi."
url: https://broadrouter.com/it/blog/transcribe-call-center-recordings/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/transcribe-call-center-recordings/) (aggiornato il 2026-11-14).

# Trascrivere le chiamate del call center: pipeline pronta per l’arabo

A cura del team di BroadNet Inference · 4 min di lettura · Pubblicato 2026-11-14

Per trascrivere le registrazioni del call center, dividi i file stereo nei canali operatore e cliente, taglia ogni canale in turni di parlato, trascrivi ogni turno con il codice lingua giusto e poi unisci i turni per ora di inizio. Oscura numeri di carta e di telefono dalla trascrizione prima che un LLM riassuma la chiamata. Le registrazioni mono richiedono un passaggio di diarizzazione separato.

## Punti chiave

-   La maggior parte dei registratori dei call center salva operatore e cliente su canali stereo separati. Dividerli dà etichette di chi parla perfette senza diarizzazione.
-   Tagliare ogni canale in corrispondenza dei silenzi ti dà l’ordine dei turni ed evita di pagare il silenzio.
-   Normalizza le cifre arabo-orientali prima dell’oscuramento, altrimenti numeri di carta e di telefono passano inosservati.
-   Oscura la trascrizione prima del passaggio di riassunto, e chiedi all’LLM un JSON strutturato.
-   A $0.0042 al minuto, trascrivere 1.000 ore di parlato arabo costa $252.00.

**In questa pagina**

1.  Passo 1: la registrazione è stereo o mono?
2.  Passo 2: come si dividono i canali stereo con ffmpeg?
3.  Passo 3: come si taglia ogni canale in turni di parlato?
4.  Passo 4: come si trascrive ogni turno?
5.  Passo 5: come si uniscono i turni in un dialogo?
6.  E le registrazioni mono?
7.  Passo 6: come si oscurano i dati personali, cifre arabe comprese?
8.  Passo 7: come si riassume ogni chiamata con un LLM?
9.  Quali controlli di qualità vengono prima delle analisi?
10.  Quanto costa trascrivere le chiamate?
11.  Dove si colloca BroadNet Inference

_[image: A support agent with a headset beside a screen showing a call transcript, with the text "Every call becomes insight."]_

Illustration of an app you could build; not a BroadNet product screenshot.

Un call center produce migliaia di ore di audio al mese, e quasi nessuna viene letta. Le trascrizioni rendono le chiamate ricercabili. I riassunti le rendono verificabili. Questo articolo costruisce la pipeline da capo a fondo, con un’attenzione particolare all’arabo: dialetti, arabo e inglese mescolati e cifre arabo-orientali.

I passaggi:

1.  Esamina la registrazione: stereo o mono?
2.  Dividi lo stereo nei canali operatore e cliente.
3.  Taglia ogni canale in turni di parlato.
4.  Trascrivi ogni turno con la lingua giusta.
5.  Unisci i turni in un dialogo per ora di inizio.
6.  Oscura i dati personali (PII) dal testo.
7.  Riassumi con un LLM in campi strutturati.

## Passo 1: la registrazione è stereo o mono?

```bash
ffprobe -v error -show_entries stream=channels,sample_rate,duration -of csv=p=0 call.wav
# 2,8000,412.6   -> stereo, 8 kHz telephone audio, 6.9 minutes
```

Molti registratori dei contact center salvano l’operatore su un canale e il cliente sull’altro. La [guida di AssemblyAI per i contact center](https://www.assemblyai.com/docs/contact-center-best-practices) dice la stessa cosa: con canali separati ottieni la separazione degli speaker senza diarizzazione. Verifica su qualche chiamata quale lato è quale; l’operatore non è sempre a sinistra.

## Passo 2: come si dividono i canali stereo con ffmpeg?

```bash
ffmpeg -i call.wav -af "pan=mono|c0=c0" -ar 16000 agent.wav
ffmpeg -i call.wav -af "pan=mono|c0=c1" -ar 16000 customer.wav
```

Il filtro `pan` mantiene un solo canale, e `-ar 16000` ricampiona a 16 kHz, il formato che la documentazione di BroadNet usa per le registrazioni telefoniche.

## Passo 3: come si taglia ogni canale in turni di parlato?

È una forma semplice di [rilevamento dell’attività vocale](https://broadrouter.com/it/glossary/vad/). Inviare ogni canale intero funziona, ma paghi ogni secondo di silenzio mentre parla l’altra persona, il che su una chiamata stereo raddoppia più o meno il conto. Inoltre perdi l’ordine dei turni. Tagliare in corrispondenza dei silenzi risolve entrambe le cose:

```python
import re, subprocess

def speech_turns(wav, noise="-35dB", min_silence=0.6):
    """Return (start, end) seconds of speech, using ffmpeg silencedetect."""
    log = subprocess.run(
        ["ffmpeg", "-i", wav, "-af", f"silencedetect=noise={noise}:d={min_silence}", "-f", "null", "-"],
        capture_output=True, text=True).stderr
    dur = float(subprocess.run(
        ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "csv=p=0", wav],
        capture_output=True, text=True).stdout)
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    turns, cursor = [], 0.0
    for s, e in zip(starts, ends + [dur]):
        if s - cursor > 0.4:
            turns.append((cursor, s))
        cursor = e
    if dur - cursor > 0.4:
        turns.append((cursor, dur))
    return turns
```

Regola `noise` sulle tue registrazioni: le linee rumorose richiedono una soglia più alta, per esempio `-30dB`.

## Passo 4: come si trascrive ogni turno?

```python
import os, tempfile
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def transcribe_turns(wav, speaker, language="ar"):
    out = []
    for start, end in speech_turns(wav):
        with tempfile.NamedTemporaryFile(suffix=".wav") as seg:
            subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", wav,
                            "-ss", f"{start:.2f}", "-to", f"{end:.2f}", seg.name], check=True)
            with open(seg.name, "rb") as audio:
                text = client.audio.transcriptions.create(
                    model="broadnet/cohere-transcribe-arabic", file=audio, language=language).text
        out.append({"start": start, "speaker": speaker, "text": text.strip()})
    return out
```

Invia sempre `language`. Senza, l’arabo può tornare in caratteri latini. Per le code in inglese usa `broadnet/cohere-transcribe` con `language="en"`. Tieni un pool di worker piccolo: le chiavi a consumo consentono 4 richieste in parallelo e 30 al minuto, e la [guida a errori e retry](https://broadrouter.com/it/guides/errors-and-retries/) mostra come fare backoff sui 429.

I singoli file devono restare sotto i 25 MiB. Un lungo monologo in WAV mono a 16 kHz (circa 32 KB al secondo) supera quel limite intorno ai 13 minuti; dividilo con `-f segment -segment_time 600`.

## Passo 5: come si uniscono i turni in un dialogo?

```python
turns = transcribe_turns("agent.wav", "Agent") + transcribe_turns("customer.wav", "Customer")
dialogue = "\n".join(f'{t["speaker"]}: {t["text"]}' for t in sorted(turns, key=lambda t: t["start"]))
```

Il parlato sovrapposto compare come due turni con orari di inizio vicini, che è proprio ciò che si aspetta un revisore umano.

## E le registrazioni mono?

Senza canali ti serve la **[diarizzazione degli speaker](https://broadrouter.com/it/glossary/diarization/)**: stabilire chi ha parlato e quando. Le opzioni:

| Opzione | Come | Compromesso |
| --- | --- | --- |
| Diarizzazione open source | Esegui [pyannote.audio](https://github.com/pyannote/pyannote-audio) sui tuoi server, poi trascrivi ogni segmento di speaker | Ospiti tu un modello; l’audio resta da te |
| Un provider con diarizzazione integrata | Diverse API STT restituiscono le etichette degli speaker; vedi il [confronto dei prezzi](https://broadrouter.com/it/blog/speech-to-text-api-pricing-compared/) per i costi aggiuntivi | Un altro fornitore nel percorso dei dati |
| Etichettatura dei ruoli con un LLM | Trascrivi i turni, poi chiedi a un LLM di etichettare ogni turno come operatore o cliente in base al contesto | Economico; sbaglia sui turni brevi o ambigui |
| Risolvere alla fonte | Passa il registratore a doppio canale | La soluzione migliore a lungo termine |

BroadNet non indica la diarizzazione tra le sue funzioni, quindi sull’audio mono abbinalo a una delle prime tre opzioni.

## Passo 6: come si oscurano i dati personali, cifre arabe comprese?

Chi chiama legge ad alta voce numeri di carta, IBAN e numeri di telefono. Le trascrizioni possono scriverli in cifre occidentali (0-9) o arabo-orientali (٠-٩). Prima normalizza, poi oscura:

```python
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")

def redact(text):
    text = text.translate(EASTERN)
    text = re.sub(r"\b(?:\d[ -]?){13,19}\b", "[CARD]", text)
    text = re.sub(r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b", "[IBAN]", text)
    text = re.sub(r"\+?\d[\d -]{7,}\d", "[PHONE]", text)
    return text
```

I numeri possono anche essere pronunciati a parole (“خمسة أربعة…”), e le regex non li vedono. Controlla a mano un campione di trascrizioni e aggiungi regole per ciò che trovi. L’approccio più ampio è in [inviare dati sensibili a un’API LLM](https://broadrouter.com/it/blog/llm-api-sensitive-data/).

## Passo 7: come si riassume ogni chiamata con un LLM?

```python
import json
summary = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": "Summarise this call centre dialogue. Reply in English JSON with keys: "
                                      "reason, resolution, resolved (true/false), customer_sentiment, follow_up."},
        {"role": "user", "content": redact(dialogue)},
    ],
).choices[0].message.content
print(json.loads(summary))
```

Qwen3.8 27B supporta l’[output strutturato](https://broadrouter.com/it/glossary/structured-output/); analizza e valida sempre la risposta ([come](https://broadrouter.com/it/blog/structured-output-json-schema/)). Il test di BroadNet ha anche rilevato che capisce i dialetti del Golfo e quello egiziano. Chiedi un JSON in inglese se le tue dashboard sono in inglese, anche quando la chiamata è in arabo.

## Quali controlli di qualità vengono prima delle analisi?

Le dashboard costruite su trascrizioni sbagliate sembrano sicure di sé quanto quelle costruite su trascrizioni buone. Aggiungi questi controlli alla pipeline:

-   **Canali invertiti.** Se su qualche registratore o coda le etichette operatore e cliente sono invertite, ogni metrica del tipo «l’operatore ha detto» è sbagliata. Controlla il primo turno: di solito l’operatore apre con un saluto e il nome dell’azienda.
-   **Trascrizioni vuote o minuscole.** Un turno che non restituisce testo, o una chiamata con meno di 20 parole, di solito indica silenzio, musica d’attesa o un file difettoso. Segnalalo invece di riassumerlo.
-   **Lingua sbagliata.** Una coda in inglese che all’improvviso produce testo arabo, o arabo restituito in caratteri latini, indica un valore di `language` sbagliato.
-   **Deriva dei riassunti.** Ogni settimana fai confrontare a un supervisore 20 riassunti con la trascrizione completa. Tieni traccia di quanto spesso `resolved` è sbagliato.

Conserva le trascrizioni per turno, non solo il riassunto. Quando un riassunto viene contestato, i turni sono la tua prova.

## Quanto costa trascrivere le chiamate?

Con il taglio in turni, l’audio fatturato è vicino al tempo di conversazione. Per 1.000 ore di parlato arabo:

-   Trascrizione: $252.00 a $0.0042 al minuto con [BroadNet Transcribe Arabic](https://broadrouter.com/it/models/cohere-transcribe-arabic/), oppure $120.00 con [BroadNet Transcribe](https://broadrouter.com/it/models/cohere-transcribe/) a 14 lingue per le code in inglese.
-   Riassunti: una chiamata di 7 minuti spesso vale qualche migliaio di token. Calcolane il prezzo nel [calcolatore dei costi delle API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) con le lunghezze reali delle tue trascrizioni, e la parte audio nel [calcolatore dei costi dello speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## Dove si colloca BroadNet Inference

BroadNet copre i passi 4 e 7 con una sola chiave e un solo [base URL](https://broadrouter.com/it/glossary/base-url/): arabo e altre 13 lingue per la trascrizione, e modelli di chat testati sull’arabo per il riassunto. Audio, trascrizioni e prompt non vengono conservati ([zero data retention](https://broadrouter.com/it/privacy/)), e BroadNet riporta il suo modello arabo #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) sull’Open Universal Arabic ASR Leaderboard.

Non si occupa per te di diarizzazione, trascrizione in tempo reale né oscuramento; restano nella tua pipeline. Prima di impegnarti, prova i tuoi dialetti con il metodo descritto in [riconoscimento vocale dei dialetti arabi](https://broadrouter.com/it/blog/arabic-dialect-speech-recognition/).

Strumenti gratuiti sul tema (in inglese)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

[Speech-to-text (riconoscimento vocale)](https://broadrouter.com/it/glossary/speech-to-text/)

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

[Speaker diarization (diarizzazione del parlato)](https://broadrouter.com/it/glossary/diarization/)

La speaker diarization è il compito di dividere una registrazione audio in segmenti per parlante, rispondendo a "chi ha parlato e quando". Etichetta ogni tratto di parlato con un ID anonimo come SPEAKER\_00 e di solito si combina con una trascrizione per mostrare chi ha detto ogni battuta.

[Concorrenza (concurrency)](https://broadrouter.com/it/glossary/concurrency/)

La concorrenza è il numero di richieste che un client ha in corso nello stesso momento. Le API LLM spesso la limitano per chiave o per piano, separatamente dalle richieste al minuto, perché ogni richiesta aperta occupa capacità GPU finché la sua risposta non è terminata.

[Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/)

Il pagamento a consumo è un modello di prezzo in cui paghi solo ciò che usi, misurato per unità come token, richieste o minuti di audio, senza abbonamento né impegno minimo. La maggior parte delle API LLM fattura così, da un saldo prepagato o con una fattura periodica.

[Base URL (URL di base)](https://broadrouter.com/it/glossary/base-url/)

La base URL è l’indirizzo radice fisso di un’API, come https://api.example.com/v1, che un client antepone a ogni percorso di endpoint, come /chat/completions. Negli SDK compatibili con OpenAI, cambiare la base URL, insieme alla chiave API e all’ID del modello, punta lo stesso codice verso un altro provider.

[Token](https://broadrouter.com/it/glossary/token/)

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

[Voice activity detection (VAD)](https://broadrouter.com/it/glossary/vad/)

La voice activity detection (VAD, rilevamento dell’attività vocale) è un passaggio di elaborazione del segnale che classifica brevi frame audio come parlato o non parlato. I sistemi vocali la usano per saltare i silenzi, dividere registrazioni lunghe nelle pause, capire quando chi parla ha finito ed evitare di trascrivere il rumore di fondo.

## Domande frequenti

### Come separo operatore e cliente in una registrazione di chiamata?

Se la registrazione è stereo, di solito operatore e cliente sono su canali diversi. Dividili con ffmpeg e trascrivi ogni canale per conto suo. Se è mono, ti serve la diarizzazione degli speaker.

### Se trascrivo entrambi i canali stereo pago due volte?

Se invii ciascun canale intero, sì, perché ogni canale dura quanto la chiamata. Tagliare ogni canale in turni di parlato e inviare solo i turni avvicina l’audio fatturato al tempo effettivo di conversazione.

### Posso trascrivere chiamate in arabo con parole inglesi in mezzo?

Sì, ma provalo. Gli operatori del Golfo e del Levante passano spesso all’inglese per nomi di prodotti e numeri. Controlla come escono quelle parole su 20 chiamate reali prima di affidarti alla ricerca per parole chiave o alle analisi.

### Devo oscurare l’audio o il testo?

Oscura la trascrizione testuale prima che arrivi a un LLM, alle analisi o alla ricerca. Se conservi l’audio, contiene ancora i numeri pronunciati, quindi limita l’accesso anche all’audio e fallo scadere.

### Quanto può essere lungo ogni file audio?

BroadNet accetta WAV o MP3 fino a 26.214.400 byte (25 MiB) per richiesta. Un WAV mono a 16 kHz occupa circa 32 KB al secondo, quindi tieni i segmenti sotto i 13 minuti circa, oppure usa MP3.

## Continua a leggere

-   [Verbali di riunioni in arabo dalle registrazioni: una pipeline API](https://broadrouter.com/it/blog/arabic-meeting-minutes-from-recordings/)
-   [Trascrivere audio lunghi oltre 25 MB: dividere, inviare, ricucire](https://broadrouter.com/it/blog/transcribe-long-audio-files-api/)
-   [API speech-to-text per l’arabo: come sceglierla nel 2026](https://broadrouter.com/it/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Dati sensibili e API LLM: oscura, minimizza, registra meno](https://broadrouter.com/it/blog/llm-api-sensitive-data/)
-   [Dialetti arabi e speech-to-text: Golfo, Egitto, Levante, Maghreb](https://broadrouter.com/it/blog/arabic-dialect-speech-recognition/)
-   [Prezzi delle API speech-to-text a confronto: costo al minuto (2026)](https://broadrouter.com/it/blog/speech-to-text-api-pricing-compared/)
-   [Aggiungere i diacritici all’arabo con un LLM: prompt, controlli, DER](https://broadrouter.com/it/blog/arabic-diacritization-llm/)
-   [Correzione grammaticale e ortografica dell’arabo con un LLM: guida](https://broadrouter.com/it/blog/arabic-grammar-spelling-correction-llm/)
-   [Guida: API speech-to-text in arabo, passo dopo passo](https://broadrouter.com/it/guides/arabic-speech-to-text-api/)
-   [Guida: Codici di errore di BroadNet Inference e quando ritentare](https://broadrouter.com/it/guides/errors-and-retries/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-transcribe-call-center-recordings&utm_content=page-cta) ·

**Fonti**

-   [Documentazione dei filtri FFmpeg (pan, silencedetect)](https://ffmpeg.org/ffmpeg-filters.html)
-   [AssemblyAI, buone pratiche per i contact center (audio multicanale)](https://www.assemblyai.com/docs/contact-center-best-practices)
-   [pyannote.audio, diarizzazione degli speaker open source](https://github.com/pyannote/pyannote-audio)
-   [Riferimento API di BroadNet Inference, trascrizione e limiti (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-transcribe-call-center-recordings&utm_content=sources)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine (pricing.json) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-transcribe-call-center-recordings&utm_content=sources)
