Wat is spraakherkenning?

Definitie: Spraakherkenning is technologie die gesproken taal automatisch omzet in geschreven tekst, ook wel speech-to-text of automatic speech recognition (ASR) genoemd. Moderne spraakherkenning werkt met deep learning-modellen die getraind zijn op grote hoeveelheden audio en bijbehorende tekst.

In het kort

• Spraakherkenning bepaalt wat er wordt gezegd. Stemherkenning bepaalt wie er spreekt. Het zijn verschillende technieken.
• De eerste systemen konden in 1952 alleen losse cijfers herkennen. Sinds 2022 is er met Whisper van OpenAI een open model dat bijna honderd talen ondersteunt.
• De nauwkeurigheid hangt sterk af van geluidskwaliteit, accent, vakjargon en door elkaar pratende sprekers.
• Toepassingen zijn onder meer dicteren, ondertiteling, het uitwerken van gesprekken en spraakbediening.

Wat is spraakherkenning?

Spraakherkenning is software die luistert en opschrijft. Je spreekt een bericht in, en de software maakt er tekst van. Dat kan live, zoals bij dicteren op je telefoon, of achteraf, zoals bij het uitwerken van een opgenomen vergadering of interview.

Subanana omschrijft spraakherkenning als het omzetten van gesproken audio in tekst, en onderscheidt het van twee verwante technieken. Bij spraakbesturing voert een apparaat een opdracht uit, zoals het aanzetten van de verlichting. Bij tekst-naar-spraak werkt het precies andersom: de computer leest tekst voor.

In het Engels heet spraakherkenning speech recognition, speech-to-text of automatic speech recognition, afgekort ASR. Die termen worden door elkaar gebruikt.

Wat is het verschil tussen spraakherkenning en stemherkenning?

ClickUp legt uit dat stemherkenning in twee fasen werkt: eerst wordt een stemafdruk vastgelegd, daarna wordt live spraak daarmee vergeleken. Beide technieken worden vaak gecombineerd, bijvoorbeeld in slimme speakers die eerst bepalen wie er spreekt en daarna wat er gevraagd wordt.

Een verwante techniek is sprekerdiarisatie: het herkennen van verschillende sprekers in één opname, zodat in een transcript staat wie wat zei. Yaps benadrukt dat diarisatie spraak groepeert per spreker, maar niet vaststelt wie die spreker werkelijk is.

Hoe werkt spraakherkenning?

Een spraakherkenner doorloopt een vast traject. Yaps beschrijft de functionele stappen:

1. Opname en voorbereiding. Het geluid wordt opgenomen, opgeschoond en in stukjes verdeeld.
2. Akoestische kenmerken. Het geluid wordt omgezet in een weergave die een computer kan analyseren, vaak een soort spectrogram dat laat zien welke frequenties op welk moment klinken.
3. Spraakmodellering. Een model bepaalt welke klanken en woorden bij die kenmerken passen.
4. Decodering. Het systeem zoekt de meest waarschijnlijke reeks woorden, rekening houdend met wat in een taal gebruikelijk is.
5. Opmaak. Leestekens, hoofdletters, getallen en alinea’s worden toegevoegd, zodat de tekst leesbaar is.

Oudere systemen bestonden uit losse onderdelen: een akoestisch model voor klanken, een uitspraakwoordenboek en een taalmodel dat inschat welke woordvolgorde waarschijnlijk is. Moderne systemen zijn vaak end-to-end: één groot neuraal netwerk leert direct van audio naar tekst. Whisper van OpenAI is daar een bekend voorbeeld van.

Hoe is spraakherkenning ontstaan?

Sonix beschrijft de geschiedenis van spraakherkenning uitgebreid. De belangrijkste mijlpalen:

De grote sprong kwam met deep learning. Waar oudere systemen veel handwerk vroegen, leren moderne modellen zelf patronen uit enorme hoeveelheden opgenomen spraak.

Live of achteraf: twee manieren van werken

Spraakherkenning kan op twee momenten gebeuren, en dat maakt verschil voor de techniek en de kwaliteit.

Bij live herkenning past het systeem de tekst soms nog aan terwijl de zin verder gaat. Bij achteraf verwerken heeft het model de hele opname en kan het beter inschatten wat bedoeld werd.

Spraakherkenning in het Nederlands

Veel spraakherkenning is ontwikkeld en getest met Engelse spraak. Moderne modellen ondersteunen ook Nederlands, maar de kwaliteit kan per dienst verschillen. Let daarbij op:

• Vlaams en Nederlands. Uitspraak en woordkeuze verschillen, wat de herkenning kan beïnvloeden.
• Dialecten en regionale accenten. Die komen minder voor in trainingsdata.
• Engelse woorden in Nederlandse zinnen. In zakelijke gesprekken komen veel Engelse termen voor, die soms verkeerd worden geschreven.
• Samengestelde woorden. Nederlands plakt woorden aan elkaar, en een spraakherkenner schrijft ze soms los.

Test daarom altijd met opnames uit je eigen praktijk, met de sprekers, onderwerpen en omstandigheden waarin het systeem gebruikt gaat worden.

Hoe nauwkeurig is spraakherkenning?

Nauwkeurigheid wordt meestal uitgedrukt in het woordfoutpercentage, de word error rate (WER). Yaps legt uit hoe dat werkt: je telt het aantal vervangen, weggelaten en toegevoegde woorden en deelt dat door het aantal woorden in de juiste tekst. Hoe lager, hoe beter.

Lenovo noemt dat moderne systemen onder ideale omstandigheden 90% nauwkeurigheid of meer kunnen halen. Die ideale omstandigheden zijn wel belangrijk. Subanana noemt de factoren die de kwaliteit verlagen:

• Geluidskwaliteit. Achtergrondgeluid, galm en een slechte microfoon maken herkenning lastiger.
• Accent en dialect. Een studie uit 2024 naar Whisper liet volgens Subanana zien dat Amerikaans Engels beter werd herkend dan Brits en Australisch Engels, en moedertaalsprekers beter dan niet-moedertaalsprekers.
• Spontane spraak. Voorgelezen tekst wordt beter herkend dan een vrij gesprek met haperingen en halve zinnen.
• Door elkaar praten. Overlappende sprekers zijn moeilijk te scheiden.
• Namen en jargon. Productnamen, plaatsnamen en vaktermen worden vaak verkeerd geschreven.

Yaps wijst erop dat een gemiddeld foutpercentage niet alles zegt. Een fout in een naam, een getal of een ontkenning kan de betekenis van een zin volledig veranderen. Controleer zulke onderdelen daarom altijd apart.

Voorbeelden van spraakherkenning

• Dicteren. Teksten inspreken in plaats van typen, bijvoorbeeld in Word of Google Docs.
• Vergaderingen en interviews uitwerken. Een opname wordt automatisch een transcript, eventueel met sprekers.
• Ondertiteling. Video’s krijgen automatisch ondertitels, wat ook helpt voor toegankelijkheid.
• Zorg. Artsen en verpleegkundigen spreken verslagen in, die direct in het dossier komen.
• Klantenservice. Gesprekken worden uitgeschreven en geanalyseerd, of een telefonisch keuzemenu herkent wat een beller zegt.
• Spraakassistenten. Siri, Google Assistant en Alexa beginnen met het herkennen van wat je zegt.
• Spraakberichten. WhatsApp kan spraakberichten omzetten in tekst.
• Werk op locatie. Monteurs of inspecteurs spreken bevindingen in, zodat ze hun handen vrij houden.

Spraakherkenning in een bedrijfsproces

Spraakherkenning wordt pas echt nuttig als de tekst ergens naartoe gaat. Een transcript dat in een map blijft staan, levert weinig op. In een proces ziet het er vaak zo uit:

1. Opnemen. Een gesprek, inspraak of bericht wordt opgenomen in een app of systeem.
2. Uitschrijven. Een spraakherkenner maakt er tekst van.
3. Verwerken. Een taalmodel vat samen, haalt actiepunten eruit of vult vaste velden in, zoals naam, datum en afspraak.
4. Controleren. Een medewerker kijkt de belangrijke onderdelen na, vooral namen, getallen en afspraken.
5. Vastleggen. Het resultaat komt in het juiste dossier, CRM of planningssysteem.

De combinatie van spraakherkenning en een taalmodel maakt het mogelijk om van een gesproken verslag direct een gestructureerde notitie te maken. De controlestap blijft daarbij nodig.

Uitgewerkt voorbeeld: inspreken op locatie

Stel dat een installatiebedrijf monteurs heeft die na elk bezoek een werkbon maken. Typen op een telefoon met vuile handen kost tijd, en notities blijven vaak kort. Daardoor mist de planner of de administratie later informatie en moet er worden nagebeld. Met spraakherkenning kan het anders:

1. De monteur spreekt na het bezoek in wat hij heeft gedaan, welke onderdelen zijn gebruikt en wat er nog moet gebeuren.
2. De spraakherkenner maakt er tekst van, bij voorkeur met een woordenlijst van onderdelen en producten.
3. Een taalmodel zet de tekst om naar vaste velden: uitgevoerde werkzaamheden, gebruikte materialen, vervolgactie.
4. De monteur controleert de werkbon op zijn telefoon en past waar nodig iets aan.
5. De werkbon komt in het systeem, zodat de planner de vervolgactie ziet en de administratie kan factureren.

Het voordeel zit niet alleen in snelheid. De informatie is vollediger en staat direct op de plek waar collega’s ermee verder moeten. De controlestap door de monteur blijft belangrijk, omdat een verkeerd onderdeelnummer of aantal gevolgen heeft voor de factuur en de voorraad.

Welke tools en diensten zijn er?

Er zijn grofweg drie soorten oplossingen:

Whisper heeft volgens Sonix open gewichten. Dat betekent dat je het model ook op eigen servers kunt draaien, zodat opnames de organisatie niet verlaten.

Spraakherkenning en privacy

Opnames bevatten vaak persoonsgegevens: namen, adressen, gezondheidsinformatie of financiële details. Bovendien is een stem zelf een persoonsgegeven. Let daarom op:

• Toestemming. Laat deelnemers weten dat een gesprek wordt opgenomen en waarvoor.
• Verwerkingslocatie. Waar wordt de audio verwerkt en opgeslagen, en hoe lang?
• Training. Gebruikt de aanbieder je opnames om zijn modellen te verbeteren?
• Bewaartermijn. Verwijder opnames als het transcript klaar en gecontroleerd is, tenzij er een reden is om ze te bewaren.
• Lokaal draaien. Voor gevoelige gesprekken kan een model op eigen servers een betere keuze zijn.

Hoe kies je een spraakherkenningsoplossing?

• Taal en accenten. Werkt de dienst goed met de talen en sprekers in jouw organisatie?
• Sprekers. Heb je herkenning van verschillende sprekers nodig, of volstaat platte tekst?
• Vakjargon. Kun je een eigen woordenlijst toevoegen?
• Export en koppeling. Kan de tekst automatisch naar je eigen systemen, of moet je kopiëren en plakken?
• Privacy. Waar wordt audio verwerkt en bewaard, en is er een verwerkersovereenkomst?
• Live of achteraf. Welke manier past bij het moment waarop de tekst nodig is?

Spraakherkenning en toegankelijkheid

Ondertitels en transcripten maken audio en video toegankelijk voor mensen die doof of slechthorend zijn, en voor iedereen die een video zonder geluid bekijkt. Spraakherkenning maakt het eenvoudiger om die ondertitels te maken. Controleer automatisch gemaakte ondertitels wel, vooral bij namen en vaktermen, omdat fouten de betekenis kunnen veranderen.

Veelgemaakte fouten

• Ervan uitgaan dat het transcript klopt. Zonder controle sluipen fouten in namen, getallen en afspraken in verslagen.
• Testen met demo-opnames. Een heldere demo zegt weinig over een rumoerige werkplaats of een telefoongesprek.
• Opnames onbeperkt bewaren. Audio met persoonsgegevens hoort niet langer bewaard te worden dan nodig.
• Geen vervolg regelen. Een transcript zonder eigenaar of bestemming blijft ongebruikt.

Tips voor betere resultaten

• Gebruik een goede microfoon en neem op in een rustige ruimte.
• Laat sprekers om de beurt praten en voorkom dat iedereen door elkaar spreekt.
• Voeg een woordenlijst toe met namen en vaktermen, als de software dat ondersteunt.
• Test met je eigen opnames, niet alleen met demo’s van de aanbieder.
• Controleer cruciale onderdelen, zoals namen, bedragen, data en ontkenningen.

Wat betekent dit voor jouw project?

Bij spraakherkenning kijk ik eerst naar wat er na het uitschrijven moet gebeuren. Wat komt binnen, wie moet ermee verder en welke informatie heeft die persoon nodig? Een transcript is pas nuttig als de juiste informatie op de juiste plek terechtkomt.

Bij een nieuw idee onderzoek ik eerst of een bestaand pakket, een koppeling of maatwerk het beste past. Voor het uitschrijven van vergaderingen is een bestaande dienst vaak genoeg. Maatwerk komt in beeld als het transcript direct in een eigen proces moet landen, zoals een dossier, een rapport of een planning, met een vaste controlestap.

Vraag? Wordt er bij jullie veel ingesproken, gebeld of besproken dat daarna met de hand wordt uitgewerkt? Stuur me hoe het nu gaat en wie de informatie nodig heeft. Dan kijken we in ongeveer twintig minuten waar een logische eerste stap ligt.

Veelgestelde vragen over spraakherkenning

Wat is spraakherkenning?

Spraakherkenning is technologie die gesproken taal automatisch omzet in geschreven tekst. Het wordt ook speech-to-text of automatic speech recognition (ASR) genoemd en werkt tegenwoordig met deep learning-modellen.

Wat is het verschil tussen spraakherkenning en stemherkenning?

Spraakherkenning bepaalt wat er wordt gezegd en zet dat om in tekst. Stemherkenning bepaalt wie er spreekt, op basis van kenmerken van de stem, en wordt bijvoorbeeld gebruikt om iemands identiteit te controleren.

Hoe betrouwbaar is speech to text?

Onder goede omstandigheden halen moderne systemen een hoge nauwkeurigheid. Achtergrondgeluid, accenten, door elkaar pratende sprekers en vaktermen verlagen de kwaliteit, dus namen, getallen en afspraken blijven het controleren waard.

Verwante termen

Deep learning · OCR / documentherkenning · AI-documentverwerking · LLM-API / AI-integratie · Lokale LLM / on-premise AI · Privacy by design