Quando si parla di accessibilità digitale, il nodo del riconoscimento vocale per le persone con disartria rimane uno dei più irrisolti nel panorama tecnologico contemporaneo. I sistemi commerciali più diffusi — da Google Assistant ad Amazon Alexa — sono costruiti su modelli addestrati con voci normofoniche, e faticano sistematicamente a interpretare i pattern articolatori alterati dalla disartria, una condizione neurologica che compromette il controllo muscolare necessario alla produzione del parlato. È in questo spazio di esclusione che si inserisce CapisciAMe, un’applicazione italiana gratuita sviluppata dall’ingegnere informatico Davide Mulfari, disponibile sul Google Play Store e pensata specificamente per chi convive con disturbi del linguaggio.
Cosa significa disartria e perché i sistemi vocali commerciali la escludono
La disartria è un disturbo motorio del linguaggio che può derivare da patologie neurologiche diverse — sclerosi multipla, sclerosi laterale amiotrofica, esiti di ictus, paralisi cerebrale, morbo di Parkinson, tra le altre. Chi ne è affetto produce suoni alterati nella velocità, nell’intensità, nella precisione articolatoria: il risultato è un parlato che può essere comprensibile per un interlocutore umano abituato, ma risulta quasi incomprensibile per un motore di riconoscimento vocale standard.
Il problema è strutturale. I modelli di machine learning alla base dei principali assistenti vocali vengono addestrati su dataset vastissimi di parlato “tipico”, il che li rende straordinariamente efficienti per la maggior parte degli utenti, ma sistematicamente inadeguati per chi si discosta da quel profilo acustico. Non è una questione di raffinatezza tecnologica: è una scelta implicita nel design dei dati di addestramento. Chi ha la voce tremante, chi articola lentamente, chi presenta nasalizzazione eccessiva o imprecisione consonantica viene di fatto escluso da strumenti che ormai governano l’accesso a smartphone, case intelligenti, sistemi di domotica, servizi sanitari digitali.
In Italia, dove il sistema sanitario e i servizi pubblici stanno progressivamente integrando interfacce vocali, questa esclusione ha conseguenze concrete sulla qualità della vita e sull’autonomia delle persone con disabilità comunicativa.
→ Leggi anche: Instagram Edits sbarca su Mac: gli agenti AI montano i video al tuo posto
Come funziona CapisciAMe: il riconoscimento vocale che impara dalla disartria
Il cuore dell’approccio di CapisciAMe è una fase di addestramento personalizzato. A differenza dei sistemi cloud che applicano un modello universale, l’applicazione richiede che l’utente — o chi lo assiste — registri campioni della propria voce, pronunciando parole o comandi specifici. Il sistema apprende così le caratteristiche acustiche individuali di quella persona, costruendo un modello su misura capace di riconoscere il suo parlato, non un parlato ipotetico e standardizzato.
Questo approccio è particolarmente significativo perché la disartria non è una condizione uniforme: ogni persona presenta un profilo articolatorio diverso, influenzato dalla patologia di base, dalla sua progressione, dall’età di insorgenza e da fattori individuali. Un sistema rigido non può funzionare. La personalizzazione non è un’opzione aggiuntiva, è il principio fondante dell’architettura.
L’applicazione è progettata con l’italiano come lingua principale, scelta che la distingue dalla maggior parte degli strumenti di accessibilità vocale disponibili, spesso sviluppati in contesti anglosassoni e adattati — spesso male — alle specificità fonetiche della lingua italiana. La ricerca dottorale completata da Mulfari nel 2025 ha fornito le basi accademiche al progetto, radicandolo in un percorso di validazione scientifica che va oltre il semplice sviluppo applicativo.
Il vuoto che CapisciAMe prova a colmare nel contesto italiano
Il panorama italiano dell’accessibilità tecnologica per le persone con disturbi della comunicazione è frammentato. Esistono strumenti di Comunicazione Aumentativa Alternativa (CAA), tavole simboliche digitali, software di sintesi vocale — ma il riconoscimento vocale adattivo, quello che trasforma il parlato disartrico in comandi comprensibili per un dispositivo, è ancora un territorio poco presidiato.
Le implicazioni pratiche sono ampie. Un sistema di riconoscimento vocale funzionante per persone con disartria può consentire un accesso più autonomo allo smartphone, la gestione di dispositivi domestici intelligenti, l’interazione con applicazioni di telemedicina, la compilazione di moduli digitali. In ambito logopedico, uno strumento del genere potrebbe affiancare la terapia, offrendo al clinico dati oggettivi sull’intelligibilità del parlato nel tempo e consentendo esercizi domiciliari con feedback immediato.
→ Leggi anche: Google Health amplia i servizi: pressione e gravidanza sotto controllo, ma l'allenatore AI rimane esclusiva Premium
Va detto con onestà che le applicazioni cliniche specifiche di CapisciAMe in contesti logopedici e sanitari strutturati restano ancora da esplorare sistematicamente. Il progetto è giovane, la ricerca è in corso, e la distanza tra un prototipo accademicamente validato e un’integrazione stabile nei protocolli riabilitativi è sempre significativa. Ma il punto di partenza è solido, e la direzione è quella giusta.
Accessibilità digitale e intelligenza artificiale: una questione di design etico
La storia di CapisciAMe si inserisce in un dibattito più ampio che riguarda il modo in cui i sistemi di intelligenza artificiale vengono progettati e per chi. I modelli linguistici e vocali di ultima generazione sono strumenti straordinari, ma riproducono — e a volte amplificano — le disuguaglianze presenti nei dati con cui vengono costruiti. Se i dataset di addestramento non includono voci con disartria, voci anziane, voci con accenti regionali marcati o con patologie fonatorie, quei modelli saranno inevitabilmente escludenti.
Il principio del universal design applicato all’AI impone di pensare all’accessibilità non come a un’aggiunta successiva, ma come a un requisito di progettazione ab origine. CapisciAMe non risolve il problema a livello sistemico — non può farlo da sola — ma dimostra che soluzioni tecnicamente valide sono possibili quando si sceglie di mettere al centro gli utenti che i sistemi dominanti ignorano.
Per approfondire il progetto e le sue basi di ricerca, il portale Egalite offre una documentazione aggiornata sull’applicazione e sul suo sviluppo.
Che CapisciAMe riesca a scalare oltre la dimensione del progetto di ricerca e a diventare uno strumento di uso quotidiano per un numero significativo di persone dipenderà da molti fattori: risorse, partnership con strutture sanitarie e riabilitative, aggiornamenti continui dei modelli, e una comunità di utenti disposta a contribuire con i propri dati vocali. Il percorso è aperto, e la tecnologia — per una volta — sembra stare dalla parte di chi ne ha più bisogno.
Questo articolo è stato realizzato con il supporto dell'AI e sottoposto a revisione editoriale.
