Primo passaggio: il microfono
Premi il tasto. Android concede all’app l’accesso al microfono e mostra sullo schermo un indicatore per tutto il tempo in cui resta aperto, cosa che conta perché vuol dire che lo stato è osservabile invece di essere una cosa da prendere per buona.
Il microfono misura la pressione dell’aria migliaia di volte al secondo e produce dei numeri. A questo stadio una registrazione è tutta qui: un lungo elenco di misure che descrivono come si è mossa una membrana.
Non è ancora stato deciso niente, e non è stato mandato niente da nessuna parte.
Secondo passaggio: quei numeri devono esistere da qualche parte
Il riconoscimento non può avvenire su un suono che non è stato catturato, quindi per qualche secondo l’audio esiste in memoria mentre viene elaborato.
È questo il passaggio a cui la gente pensa di solito quando chiede se la dettatura la «registri». Tecnicamente sì, nel senso che delle misure esistono. Nel senso che la gente intende, cioè se venga conservato un file che qualcuno potrebbe riascoltare più avanti, dipende del tutto da cosa succede dopo.
Terzo passaggio: il bivio
Qui le due architetture si separano, e tutto quello che conta discende da quale delle due stai usando.
Lato server. L’audio viene impacchettato e trasmesso attraverso la rete a un computer remoto, che ci fa girare sopra un modello e rimanda indietro del testo. Durante quel viaggio l’audio esiste sull’hardware di qualcun altro. Quello che gli succede lì è governato dalle regole di quell’azienda invece che da qualcosa di visibile dal tuo telefono.
Sull’apparecchio. Un file di modello che sta già sul tuo apparecchio elabora le misure in locale. Non si impacchetta niente, non si trasmette niente, e l’audio non esiste mai da nessuna parte tranne che nella memoria del tuo telefono.
Quale delle due usi un’app lo puoi stabilire in meno di un minuto: spegni dati mobili e Wi-Fi e detta. Se compaiono delle parole, era la seconda.
Quarto passaggio: il suono diventa testo
Il modello produce parole. Da questo momento l’audio ha assolto il suo scopo e l’oggetto utile è il testo.
Quel passaggio è quello importante, perché il testo è molto più piccolo, molto meno identificante, e non porta con sé la tua voce, il tuo tono, il tuo accento né niente di quello che c’era in sottofondo nella stanza.
Qualunque cosa qualcuno faccia poi con il testo, la registrazione di te che lo dici è una domanda a parte con una risposta a parte.
Quinto passaggio: il testo entra nel campo
Le parole atterrano dentro qualunque cosa stessi usando per scrivere, esattamente come se le avessi digitate.
In quell’istante il coinvolgimento della tastiera finisce del tutto. Quello che succede dopo è governato dall’app in cui hai messo il testo: l’app di messaggi, quella delle note, il browser, il programma di posta, e da quello che loro fanno con quello che scrivi.
È questo il limite di ciò che una tastiera può promettere, la nostra compresa, e va tracciata con precisione. Una tastiera non può rendere riservata un’app di messaggi, e nessuno dovrebbe sostenere il contrario.
Dove ciascuna architettura tiene l’audio, in pratica
«in memoria» nel secondo passaggio regge parecchio peso.
Con il riconoscimento sull’apparecchio le misure esistono dentro il processo dell’app per il tempo che serve a produrre delle parole, e poi quella memoria viene riutilizzata per qualcos’altro, come succede a tutta la memoria. Non viene scritto nessun file, quindi non c’è niente da trovare, da cancellare o da copiare per sbaglio in un backup.
Con il riconoscimento lato server le stesse misure vengono in più copiate dentro una richiesta di rete, mandate attraverso la connessione che stai usando, ricevute da hardware che non controlli, ed elaborate lì. Ognuno di quei passaggi è un’operazione tecnica normale e ognuno è un posto in cui l’audio esiste e prima non esisteva.
Nessuna delle due descrizioni è un’accusa. È soltanto che una strada ha quattro posti in cui la tua voce esiste e l’altra ne ha uno.
Cosa sopravvive dopo
Dietro quella domanda se ne nascondono tre, e vengono confuse di continuo.
L’audio sopravvive? Con il riconoscimento sull’apparecchio non c’è nessun file e non viene conservato niente. LocalType non tiene nessun archivio delle tue registrazioni: le misure vengono elaborate e quello che resta sono le parole.
Il testo sopravvive? Sì, dentro l’app a cui lo hai mandato, esattamente come farebbe un testo scritto a mano. È questo il senso dello scrivere qualcosa.
Di te sopravvive qualcosa dentro la tastiera? Le tue impostazioni e le parole che hai aggiunto, che restano sull’apparecchio. Al backup nel cloud di Android i dati dell’app vengono negati di proposito, quindi quelle cose non lasciano il dispositivo e non ricompaiono su uno nuovo.
Cosa fa LocalType a ogni passaggio
Il microfono si apre quando premi il tasto e si chiude quando smetti; non c’è nessuna parola di attivazione e niente in ascolto fra una dettatura e l’altra. Il modello è un file dentro uno spazio di archiviazione che nessun’altra app può raggiungere, ed è l’unica cosa che elabora l’audio. Dopo il download iniziale non è coinvolta nessuna rete in nessun momento, e l’accesso a internet viene chiesto per uno scopo soltanto, prendere il modello che hai scelto.
Non c’è nessun account, quindi niente di tutto ciò viene associato a una persona. Dal prodotto la pubblicità è assente e dentro non gira nessun tracciamento del comportamento. In un campo password il tasto del microfono non viene proprio offerto, così l’unica categoria di parlato che nessuno dovrebbe dettare non si può dettare per sbaglio.
Le domande a cui questo non risponde
Il riconoscimento sull’apparecchio risponde a una domanda e ne lascia intatte diverse. Non ti dice cosa faccia il produttore del tuo telefono, cosa faccia l’app in cui stai scrivendo, né cosa succeda a un messaggio dopo che è partito. Sono tre sistemi distinti con tre risposte distinte.
E non ti rende anonimo. La persona a cui stai scrivendo sa chi sei, e nessun metodo di immissione lo cambia.
Quello a cui risponde è stretto e verificabile: se la tua voce venga trasmessa a un terzo per diventare testo. Il riconoscimento sull’apparecchio risponde di no, e puoi verificarlo in modalità aereo invece di credere a una pagina.
«La dettatura è riservata?» è una domanda a cui nessuno può rispondere per te. «L’audio viene trasmesso, e sopravvive una registrazione?» si risolve nel giro di un minuto, per qualunque app su qualunque telefono, ed è su quei due fatti che poggia tutto il resto.
Un minuto, sulla tastiera che hai già
Modalità aereo, detta una frase, guarda cosa succede. Se le parole compaiono, il modello ha lavorato sul telefono stesso. Se non compare niente, oppure aspetta e poi rinuncia, l’audio stava andando da qualche parte. Poi controlla se l’app abbia il permesso di rete, cosa visibile nelle impostazioni delle app di Android e che porta via altri trenta secondi.
Quei due fatti ti dicono di più su che fine faccia la tua voce di qualunque documento di regole, e valgono per la tastiera che hai già quanto per qualsiasi alternativa. Quasi nessuno ha mai controllato, e la risposta spesso non è quella che si immaginava, in nessuna delle due direzioni.