Quando la ricerca sociale incontra il software libero
Nel panorama degli strumenti open source per l’elaborazione dei segnali audio, inaSpeechSegmenter è un caso di studio emblematico. Sviluppato dall’INA (Institut National de l’Audiovisuel, Francia), il progetto non è nato da esigenze commerciali o da pura ricerca acustica, ma nell’ambito di studi sulla rappresentanza e l’uguaglianza di genere nei media radiotelevisivi.
Per quantificare in modo oggettivo la presenza femminile e maschile nei programmi TV e radiofonici trasmessi nell’arco di decenni, i ricercatori dovevano analizzare enormi volumi di audio. La misurazione manuale era insostenibile su quella scala: serviva uno strumento automatico capace di separare il parlato dalla musica e dal rumore e di classificare il genere di chi parla.
Come funziona inaSpeechSegmenter
inaSpeechSegmenter è un toolkit basato su Python, TensorFlow e FFmpeg che usa reti neurali convoluzionali (CNN). Le sue caratteristiche principali:
- Rilevamento dell’attività vocale e segmentazione: suddivide una traccia audio in zone omogenee classificate come parlato (speech), musica (music) o rumore (noise).
- Classificazione del genere del parlante: le zone di parlato vengono suddivise in segmenti etichettati come voce maschile o femminile (male / female).
- Parlato su musica o rumore: le zone in cui la voce è sovrapposta a un sottofondo musicale o a rumore vengono comunque etichettate come parlato, un caso molto frequente nei programmi radiofonici e televisivi.
- Riconoscimento internazionale: ha vinto la sfida MIREX 2018 sul rilevamento del parlato (Speech Detection Challenge), ed è stato presentato alla conferenza IEEE ICASSP 2018.
- Formati di output: i risultati sono esportabili in CSV (visualizzabile con Sonic Visualiser) e in TextGrid, il formato di Praat.
Un limite da conoscere: la lingua
I modelli di classificazione del genere sono stati addestrati su parlanti francesi e sono ottimizzati per il francese, perché i correlati acustici del genere dipendono dalla lingua. Su parlato italiano i risultati della classificazione di genere potrebbero quindi essere meno affidabili. La segmentazione tra parlato, musica e rumore, invece, non dipende dalla lingua. Va ricordato inoltre che il sistema distingue soltanto tra voce “maschile” e “femminile”: è una semplificazione che i ricercatori stessi riconoscono come un limite, utile per studi statistici su larga scala ma non per descrivere le persone.
Applicazioni pratiche per utenti e sviluppatori
Pur essendo nato per monitorare la parità di genere nei media, inaSpeechSegmenter è oggi un utile strumento di lavoro per sviluppatori, data scientist e creatori di contenuti:
- Pre-elaborazione per trascrizione e sottotitolazione (STT / ASR): prima di inviare lunghe tracce audio a modelli di trascrizione come OpenAI Whisper, è possibile estrarre solo i segmenti con voce, scartando silenzi, rumori e interludi musicali. Questo può ridurre i tempi di calcolo e il rischio di “allucinazioni” del modello di trascrizione.
- Suddivisione in capitoli e indicizzazione di podcast e video: permette di individuare automaticamente pause musicali, sigle e cambi tra parlato e musica nelle registrazioni e nelle puntate radiofoniche.
- Analisi e catalogazione di archivi audio: utile per classificare grandi raccolte multimediali, separando i brani musicali dalle registrazioni vocali.
Altri strumenti nati da ricerche su uguaglianza e diversità
Due altri progetti, nati in contesti simili di ricerca ed etica dei dati, meritano attenzione.
inaFaceAnalyzer (INA)
- Origine: sviluppato dallo stesso gruppo dell’INA come naturale estensione visiva, per studiare la rappresentazione di genere nei flussi video.
- Caratteristiche: libreria Python per il rilevamento e il tracciamento dei volti in immagini e video, con stima di genere ed età. È stata progettata per limitare i pregiudizi (bias) di genere, età ed etnia tipici dei dataset di computer vision.
- Utilizzi: tracciamento dei volti nei video, esportazione dei risultati in CSV o in sottotitoli ASS “rich”.
- Licenza: è rilasciata come progetto open source dall’INA; le condizioni d’uso sono riportate nel repository del progetto.
Fairlearn
- Origine: progetto open source nato nell’ambito della ricerca su etica e fairness dell’intelligenza artificiale, promosso da Microsoft Research e oggi sviluppato da una comunità indipendente su GitHub.
- Caratteristiche: toolkit Python che si integra con scikit-learn e permette di valutare e mitigare i bias algoritmici e le differenze di prestazione dei modelli predittivi rispetto a gruppi protetti (genere, etnia, età).
- Utilizzi: è utile a chiunque sviluppi modelli di machine learning e voglia verificare che non producano decisioni discriminatorie o sbilanciate nei servizi reali.
Conclusione
Il caso di inaSpeechSegmenter mostra come la ricerca pubblica orientata al sociale e all’uguaglianza dei diritti possa produrre software open source di alto livello tecnico. Nati per quantificare la parità di genere nell’etere, questi strumenti riutilizzabili arricchiscono l’ecosistema del software libero e offrono alla comunità soluzioni concrete e trasparenti per la gestione dei media e dei dati.
Per vedere inaSpeechSegmenter all’opera in un caso concreto, leggi anche Dall’intervista radio ai sottotitoli, senza la musica: strumenti liberi su un PC modesto.
Link utili: inaSpeechSegmenter · inaFaceAnalyzer · Fairlearn
