Myna ascolta in locale. Ma dove finisce il testo?

Il microfono resta sul computer. Il modello riconosce la voce senza inviare l’audio a un servizio esterno. Il testo compare nel programma in cui stiamo scrivendo. Fine della storia, privacy risolta? Non proprio. Perché l’ultima applicazione della catena potrebbe sincronizzare quel testo, conservarlo su un server o usarlo in un flusso che non controlliamo. La dettatura locale elimina un passaggio importante, non tutti quelli successivi.

È questa la parte interessante di Myna, la technology preview annunciata da Canonical il 12 ottobre 2026. Non l’ennesima dimostrazione di AI capace di fare qualsiasi cosa, ma una funzione molto precisa: premi una scorciatoia, parli e le parole vengono inserite nel campo di testo attivo. Un caso abbastanza piccolo da permettere una domanda seria: dove passano davvero i dati?

Una funzione delimitata, non un assistente che promette tutto

Myna nasce per la dettatura su Ubuntu Desktop. Canonical lo presenta come componente opzionale di Ubuntu 26.10 e come preview installabile anche su Ubuntu 24.04 LTS e 26.04 LTS. L’ambiente dichiarato è GNOME su Wayland, per architetture amd64 e amd64v3. Il progetto è ancora in sviluppo: disponibilità non significa maturità, e una preview non è una garanzia di compatibilità con ogni programma.

L’esperienza prevista è volutamente ordinaria. Si posiziona il cursore, si attiva la scorciatoia e si detta. Myna offre feedback visivo durante il riconoscimento e inserisce il risultato nell’applicazione focalizzata. Non interpreta richieste, non apre finestre a comando, non governa il desktop. In un mercato in cui ogni software sembra dover diventare un assistente universale, scegliere un perimetro così ristretto è quasi una provocazione.

È anche una decisione architetturale. Un sistema che trascrive deve gestire acquisizione audio, inferenza, tempi di risposta e inserimento del testo. Non deve, per forza, avere accesso al calendario, alla posta e a tutti i documenti. Ridurre il problema rende più chiari i confini di responsabilità, pur senza far sparire i problemi che rimangono dentro quei confini.

La privacy non è una proprietà del modello, ma del percorso

Secondo Canonical, dopo il download iniziale del modello la trascrizione funziona senza connessione Internet: l’audio non viene caricato né conservato. Il repository pubblico di Myna descrive modelli locali distribuiti tramite snap confinati e un’architettura che separa il client dall’inferenza. Sono caratteristiche tecniche rilevanti, non una generica promessa stampata su una pagina commerciale.

Ma bisogna leggere la frase fino in fondo: la trascrizione resta locale. Se dettiamo in un editor che salva soltanto sul disco, il percorso può rimanere interamente sul dispositivo. Se dettiamo dentro una chat aziendale, un documento sincronizzato o un’applicazione web, il testo segue poi le regole di quell’applicazione. La documentazione di sicurezza di Ubuntu 26.10 distingue espressamente il trattamento locale dell’audio dal comportamento successivo del programma che riceve il testo.

Dire “AI locale” descrive dove avviene l’inferenza. Non descrive automaticamente dove finirà il risultato.

Questa distinzione vale ben oltre la dettatura. Un classificatore locale che passa l’esito a un CRM remoto, un modello che riassume documenti prima di caricarli altrove, un agente che elabora dati senza cloud ma scrive su servizi esterni: il punto di osservazione corretto non è il singolo modello. È l’intera filiera, compresi input, output, log, sincronizzazioni e autorizzazioni.

Per valutare la riservatezza servono quindi due verifiche diverse. La prima riguarda Myna: audio catturato, modello utilizzato, eventuale persistenza, connessioni e permessi. La seconda riguarda il destinatario: dove salva il testo, a chi lo trasmette, quali processi lo leggono. Confondere i due piani porta a una rassicurazione tecnicamente incompleta.

Wayland rende interessante anche l’ultimo metro

Il passaggio dal riconoscimento vocale al campo attivo sembra banale finché non si considera il modello di sicurezza del desktop. Wayland non tratta l’iniezione globale di input come un diritto automatico di qualsiasi processo. La dettatura deve quindi integrarsi con meccanismi di input e focus, senza trasformarsi in una scorciatoia per aggirare le protezioni del sistema.

La specifica architetturale pubblica chiarisce l’intenzione di inserire testo nell’applicazione focalizzata, evitare superfici sensibili dove possibile e non garantire compatibilità con ogni toolkit. È un documento progettuale, non una certificazione che tutte le condizioni siano già implementate e verificate nella preview. Proprio questa differenza fra obiettivo e comportamento reale merita attenzione.

Un test utile non consiste soltanto nel dettare una frase dentro un editor e vedere se appare. Bisogna cambiare rapidamente finestra, perdere il focus durante la registrazione, usare campi speciali, provare applicazioni native e web. Un sistema che trascrive bene ma incolla nel posto sbagliato ha fallito il requisito più importante: consegnare il testo alla destinazione prevista.

Tre motori, un’interfaccia: il compromesso torna visibile

Myna dichiara il supporto a Parakeet, Whisper e FunASR. Non sono tre etichette intercambiabili: modelli e backend possono differire per lingue supportate, accuratezza, memoria richiesta, latenza e possibilità di accelerazione. Canonical cita anche un percorso GPU su hardware NVIDIA supportato. Non esiste, nelle fonti considerate, un benchmark indipendente sufficiente per dichiarare quale combinazione sia la migliore in assoluto.

L’aspetto interessante è la separazione tra l’interfaccia utente e il motore di riconoscimento. Quando il componente che acquisisce e inserisce testo non coincide necessariamente con quello che esegue l’inferenza, diventa possibile evolvere i modelli senza riprogettare tutta l’esperienza. È lo stesso principio che rende un sistema meno dipendente da un fornitore o da una singola implementazione, anche se la sostituibilità reale va provata nei test e nella manutenzione.

Il prezzo della scelta locale è altrettanto concreto: bisogna scaricare modelli, conservare file, consumare CPU o GPU e gestire aggiornamenti. Su una macchina potente può essere un compromesso ragionevole; su un portatile con risorse limitate il giudizio cambia. Parlare di privacy senza parlare di requisiti hardware sarebbe raccontare soltanto metà dell’architettura.

Come valutare una preview senza trasformarla in una demo

Canonical chiede esplicitamente feedback su qualità della trascrizione, reattività, lingue e accenti, compatibilità applicativa e procedura iniziale. È il modo giusto di impostare una prova: non basta chiedere se la tecnologia funziona una volta, bisogna capire in quali condizioni smette di essere affidabile.

Cinque prove che contano più dello screenshot

Prima: ripetere lo stesso testo in una stanza silenziosa e in un ambiente rumoroso, annotando errori e tempi, senza inventare percentuali. Seconda: confrontare la lingua principale con termini tecnici, nomi propri e abbreviazioni. Terza: misurare consumo di memoria e impatto sulla macchina durante sessioni reali. Quarta: provare editor, browser, chat e cambi di focus, distinguendo gli errori del modello da quelli di inserimento. Quinta: scollegare la rete dopo l’installazione del modello e verificare la continuità della dettatura, osservando separatamente il traffico dell’applicazione che riceve il testo.

Queste prove non sono risultati attribuibili a Myna: sono un protocollo di valutazione. Senza eseguirle non possiamo dichiarare che una certa lingua sia trascritta meglio di un’altra o che il consumo sia accettabile su ogni notebook. Una preview serve precisamente a trasformare le ipotesi in evidenze.

La parte matura di questa storia non è il modello

Nel dibattito sull’AI locale spesso si passa direttamente da “funziona offline” a “abbiamo ripreso il controllo”. In mezzo ci sono packaging, permessi, interfacce, aggiornamenti, gestione dei modelli e comportamento delle applicazioni a valle. È il tipo di complessità che non compare nella demo di trenta secondi, ma decide se una funzione diventerà affidabile nella giornata di lavoro.

C’è un parallelo con un problema più ampio del software: un componente può essere veloce e corretto, mentre il sistema resta lento o fragile per ciò che lo circonda. Ne ho parlato anche ragionando del collo di bottiglia di Linux che non era dove sembrava. La prestazione, come la riservatezza, si misura sul percorso completo. E la sostenibilità di un progetto aperto richiede poi attenzione a chi mantiene le dipendenze, non soltanto alla licenza esibita.

Myna, oggi, non dimostra che ogni desktop Linux sia pronto per una dettatura perfetta e privata in ogni scenario. Dimostra qualcosa di più circoscritto e utile: una funzione AI può avere un perimetro chiaro, usare inferenza locale e lasciare visibili i compromessi. La domanda giusta non è se il modello gira sul nostro computer. È se sappiamo ricostruire cosa succede ai dati prima e dopo quel modello. Quando possiamo rispondere, la privacy smette di essere uno slogan e torna a essere una proprietà verificabile del sistema.