Sia la registrazione a voce sia quella con foto usano l'AI per saltare la noiosa ricerca nel database, ed entrambe sono molto più rapide che digitare ogni ingrediente a mano. Ma non sono lo stesso strumento. Sbagliano in punti diversi, e sapere dove ciascuno cede è la differenza tra numeri di cui puoi fidarti e numeri che, poco alla volta, si allontanano dalla realtà.
Ecco un confronto onesto: come funziona ogni metodo, quale è più veloce, quale è più preciso e quando conviene usare l'uno o l'altro.
Qual è la differenza tra registrare i pasti a voce e con una foto?
La registrazione a voce trasforma una descrizione parlata in dati nutrizionali strutturati; quella con foto trasforma un'immagine del piatto negli stessi dati. Con la voce dici "un burrito di pollo con riso, fagioli, formaggio e guacamole" e l'AI analizza ogni elemento. Con la foto scatti il piatto e l'AI riconosce ciò che riesce a vedere in superficie.
La distinzione fondamentale è l'informazione. Una descrizione porta con sé cose che una fotocamera non cattura mai: l'olio in cui è stato fritto un piatto, il condimento già mescolato in un'insalata, ciò che è nascosto dentro un involtino. Una foto cattura solo la superficie visibile. È questo divario a spiegare quasi tutte le differenze qui sotto.
Cosa è più veloce, la voce o la foto?
Su un pasto intero di solito vince la voce. Nel 2016, uno studio di Stanford (Ruan et al.) ha rilevato che l'inserimento vocale è circa tre volte più veloce della digitazione sul telefono, con 161 parole al minuto contro 53,6. Descrivere un pasto a voce alta è più rapido che cercarlo, e cattura un piatto con più elementi in una sola frase.
Una foto sembra istantanea, e per un singolo alimento chiaro lo è. Ma su un piatto reale la velocità inganna: scatti, poi ritagli, confermi ogni alimento rilevato e correggi le porzioni che la fotocamera ha stimato. Più alimenti ci sono nel piatto, più correzioni devi fare. La voce concentra i dettagli fin dalla descrizione, così resta meno da sistemare dopo.
Cosa è più preciso, la voce o la foto?
Nessuno dei due è perfetto, ma sbagliano in modi diversi. Nel 2023, una revisione sistematica su Annals of Medicine (Shonkoff et al.) di 52 studi ha rilevato che la valutazione dietetica dell'AI basata sulle immagini aveva errori calorici relativi compresi tra circa lo 0,1% e il 38%, con i singoli alimenti stimati in modo molto più preciso rispetto ai piatti affollati e ricchi di ingredienti. La foto è forte su un semplice petto di pollo alla griglia e debole su un curry misto.
La voce aggira i punti ciechi della fotocamera perché racconti ciò che lei non può vedere. Il suo punto debole è l'opposto: dipende dal fatto che la tua descrizione sia onesta e completa. Se salti i due cucchiai di olio d'oliva, la stima li salta a sua volta. Ecco come si confrontano nelle situazioni che contano davvero:
| Situazione | Registrazione a voce | Registrazione con foto |
|---|---|---|
| Velocità per un pasto intero | Veloce, una sola descrizione | Rapida da scattare, più lenta da correggere |
| Singolo alimento semplice | Buona | Ottima |
| Piatti misti o a strati | Buona, descrivi ogni parte | Più debole, l'errore cresce sui piatti affollati |
| Ingredienti nascosti (olio, salsa, ripieni) | Colti se li dici | Persi, la fotocamera non li vede |
| Stima delle porzioni | Indichi la quantità che conosci | Stimata dalla superficie visibile |
| Ideale per | Pasti veri, misti, fatti in casa | Alimenti singoli semplici e ben visibili |
Entrambi i metodi dovrebbero chiudersi con una rapida conferma umana, perché le persone stimano in modo imperfetto in ogni caso. Nel 2019, una revisione su Frontiers in Endocrinology (Burrows et al.) ha rilevato che l'assunzione auto-riferita sottostimava l'energia dell'11-41% rispetto allo standard di riferimento. Un passaggio di conferma tiene onesto qualsiasi metodo tu usi.
Quando usare ciascun metodo?
Abbina il metodo al pasto. Per un singolo alimento semplice e ben separato, una foto è rapida e più che sufficiente: una mela, un petto di pollo al naturale, uno snack confezionato con etichetta. Non c'è nulla di nascosto, e la fotocamera lo legge bene.
Per tutto il resto, la voce è la scelta più sicura. La cucina casalinga, i piatti del ristorante, qualsiasi cosa con salsa, olio o ingredienti misti sono esattamente il terreno in cui le stime da foto si allontanano e una descrizione parlata dà il meglio. La dieta reale della maggior parte delle persone è fatta di pasti misti, non di singoli alimenti fotogenici, ed è per questo che la voce tende a essere il default migliore. Le app che puntano prima sulla foto, come Cal AI, scommettono nel senso opposto, e questo compromesso si vede in CalAlly vs Cal AI.
Perché CalAlly è costruito sulla voce
CalAlly usa la voce perché la maggior parte dei pasti veri è mista, e la voce coglie ciò che una foto perde. Descrivi il pasto come lo racconteresti a un amico, olio nascosto compreso, e l'AI lo trasforma in calorie e macro in pochi secondi, poi ti mostra il risultato da confermare. Resta rapido sui piatti disordinati e pieni di alimenti diversi, dove la registrazione con foto fatica di più.
Questa registrazione rapida e onesta è anche ciò che alimenta il coach nutrizionale AI: migliori sono i tuoi dati, migliori sono i suoi consigli. Per il quadro più ampio su come funziona la registrazione con l'AI, leggi il conteggio calorie con AI spiegato, oppure confronta il panorama nella nostra rassegna delle migliori app per contare le calorie. Il metodo conta, e per il modo in cui le persone mangiano davvero, la voce è quello che mantiene reali i numeri.
Fonti
- Annals of Medicine, "AI-based digital image dietary assessment methods compared to humans and ground truth: a systematic review" (Shonkoff et al., 2023), retrieved 2026-07-21, https://pmc.ncbi.nlm.nih.gov/articles/PMC10836267/
- Stanford News, "Stanford study finds speech recognition faster, more accurate than typing" (Ruan et al., 2016), retrieved 2026-07-21, https://news.stanford.edu/stories/2016/08/stanford-study-speech-recognition-faster-texting
- Frontiers in Endocrinology, "Validity of Dietary Assessment Methods When Compared to the Method of Doubly Labeled Water: A Systematic Review in Adults" (Burrows et al., 2019), retrieved 2026-07-21, https://www.frontiersin.org/journals/endocrinology/articles/10.3389/fendo.2019.00850/full
- Obesity, "Log Often, Lose More: Electronic Dietary Self-Monitoring for Weight Loss" (Harvey et al., 2019), retrieved 2026-07-21, https://pubmed.ncbi.nlm.nih.gov/30801989/
