La maggior parte degli africani parla almeno due lingue e spesso le mescola nella stessa frase, ad esempio “My loan imekataliwa, but I paid yesterday.” In molti sistemi di riconoscimento vocale, l’inglese viene trascritto mentre lo swahili viene ignorato, lasciando fuori parte del significato per qualsiasi azienda che si affidi alla trascrizione.

Intron, azienda di tecnologia vocale focalizzata sull’Africa e fondata a Lagos, ha rilasciato Sahara v2.5, un insieme di modelli costruiti per questo caso d’uso. Il rilascio aggiunge il supporto al code-switching — la capacità di seguire un parlante che passa da una lingua all’altra all’interno della stessa frase — in 12 lingue africane, tra cui Zulu, Hausa, Swahili e Luganda.

Il rilascio include anche quello che Intron descrive come il primo modello africano trilingue di riconoscimento vocale al mondo, progettato per gestire conversazioni che passano tra tre lingue. Il modello è costruito per il Ruanda, dove il kinyarwanda, lingua nazionale parlata da quasi tutta la popolazione, convive con l’inglese e il francese nella vita professionale quotidiana. L’azienda afferma di aver depositato brevetti negli Stati Uniti sugli algoritmi alla base del sistema.

Intron sostiene che il code-switching sia una sfida tecnica distinta che i laboratori globali hanno spesso trattato come un problema marginale. Un modello può funzionare bene in inglese, essere competente in swahili e fallire comunque quando le due lingue compaiono nella stessa frase. L’azienda afferma che risolvere il problema richiede dati dedicati, addestramento dedicato e valutazione dedicata, e che una società più piccola, focalizzata su un problema ristretto, può superare operatori più grandi che usano medie globali.

Sui benchmark interni di Intron, Sahara v2.5 ha registrato un word error rate medio del 34,3% su 12 lingue di parlato africano con code-switching, contro il 53,8% di Gemini 3.6, un modello AI di Google. In termini pratici, ciò significa che Sahara sbaglia circa una parola su tre, mentre Gemini sbaglia più di una su due.

L’azienda afferma che Sahara ha superato Gemini, ElevenLabs e Meta in tutte le 12 lingue testate. Anche così, il sistema identifica erroneamente ancora circa una parola su tre, a dimostrazione di quanto i sistemi vocali debbano ancora migliorare prima di poter servire in modo affidabile conversazioni multilingue comuni nel customer support, nella finanza, nella sanità e in altri servizi quotidiani.

Fondata nel 2020 da Tobi Olatunji, medico formatosi in Nigeria, e Kunle Asekun, Intron ha raccolto 1,6 milioni di dollari in finanziamento pre-seed nel luglio 2024, guidato da Microtraction, per affrontare i problemi di documentazione negli ospedali. Ora sta lavorando a prodotti di voice AI destinati all’uso in tutto il continente.

Perché il code-switching è difficile

Il parlato è più difficile del testo in questo contesto perché una frase scritta mostra chiaramente dove inizia e finisce ogni parola. Un modello audio riceve solo suono. Deve identificare simultaneamente suoni, parole, accento, contesto e lingua, senza un confine visibile che mostri dove finisce lo yoruba e inizia l’inglese. Il passaggio può avvenire tra frasi, בתוך una frase o attorno a una singola parola.

Molti sistemi gestiscono questo prima identificando la lingua e poi instradando ciascun segmento verso un riconoscitore monolingue, un modello addestrato a trascrivere una sola lingua. Quel metodo può funzionare con segmenti lunghi e puliti, ma spesso fallisce quando il cambio dura una o due parole. Intron afferma che Sahara è addestrato direttamente su parlato multilingue, consentendo al modello di trattare il cambio di lingua come qualcosa di normale, apprendere quali transizioni sono possibili in ciascuna coppia linguistica e risolverle usando evidenze acustiche e contesto lungo l’intera frase.

La seconda sfida è la tokenizzazione. Prima che un modello possa elaborare il parlato, scompone il suono in piccole unità chiamate token, ciascuna associata a una parte di lingua già vista in precedenza. Se le forme delle lingue africane rappresentano solo una piccola quota dei dati di addestramento, il modello dispone di troppo pochi token africani con cui confrontarsi e può forzare un suono africano non familiare nel token inglese o francese più vicino che conosce. Questo può produrre un’allucinazione — una parola che il parlante non ha mai detto — oppure far sparire dal testo una parte del parlato.

Anche i dati di addestramento sono limitati. Le registrazioni di parlato naturale con code-switching sono difficili da raccogliere e l’audio mescolato artificialmente non riflette il modo in cui le persone cambiano davvero lingua.

“Il code-switching è stato uno dei problemi più grandi che emergevano costantemente per i clienti che distribuivano voice AI nel mondo reale”, ha detto Tobi Olatunji, CEO di Intron, in un’intervista a TechCabal. “L’Africa ha bisogno di AI costruita per il modo in cui gli africani parlano davvero. Le persone non dovrebbero dover tradurre sé stesse per una macchina, appiattire il proprio accento, evitare le espressioni locali o ripetere solo la parte inglese di ciò che hanno detto.”

Chi utilizza Sahara?

Intron afferma che il suo modello supporta ora implementazioni di produzione e di ricerca presso oltre 40 organizzazioni in sei Paesi: Nigeria, Kenya, Sudafrica, Uganda, Ruanda e Ghana.

Un esempio commerciale condiviso dall’azienda è Branch International, un prestatore fintech, dove agenti di recupero crediti alimentati da Sahara hanno recuperato più di ₦1.2 million ($891) in prestiti in mora in una settimana, con rimborsi serali e nel fine settimana da record e prestazioni migliori rispetto agli agenti umani su prestiti scaduti da più di 356 giorni.

“I clienti interagivano in modo naturale anche dopo l’orario di lavoro e nei weekend”, ha detto Adanne Anene, Head of Product Africa di Branch, in una dichiarazione condivisa con TechCabal.

I sistemi text-to-speech, che trasformano parole scritte in audio parlato, e gli agenti vocali ora gestiscono la commistione di lingue in 13 coppie linguistiche, superando ElevenLabs e Gemini in nove di esse nei test di Intron, ha detto la startup in una nota.

Il nuovo supporto al riconoscimento vocale per Nupe, Kanuri, Nigerian Fulfulde, Tigrinya, Kikuyu, Dholuo e Somali porta la copertura totale a 31 lingue. L’azienda ha inoltre aggiunto il riconoscimento vocale in streaming e il text-to-speech in streaming alla propria application programming interface (API), l’interfaccia che gli sviluppatori usano per integrare i modelli di Intron nei propri prodotti, per sottotitoli live e applicazioni in tempo reale.

Intron ha anche pubblicato un 2026 Africa Voice AI Report, che sostiene che la raccolta di dati sulle lingue africane sia solo una delle barriere a una voice AI affidabile. Capacità di ricerca, possibilità di collegare i sistemi tra loro e competenze di implementazione contano altrettanto.

Un esempio è l’ambient medical scribe — software che ascolta una visita medico-paziente e redige automaticamente gli appunti. È ampiamente usato negli Stati Uniti e in Europa, ma in gran parte impraticabile nelle cliniche africane, dove una singola visita può coinvolgere due o tre lingue.

Una vera scala richiede di andare oltre le integrazioni superficiali verso un’esecuzione solida. Abbiamo eliminato il rumore da Moonshot 2026, ottimizzando la conferenza esclusivamente per connessioni di alto livello tra fondatori di startup, operatori finanziari globali, leader aziendali e persone che stanno riorganizzando i framework tecnici dell’Africa. Ottieni il 20% di sconto sui biglietti Early Bird per un periodo limitato.