Kernpunten
Er bestaat geen universeel nauwkeurigheidscijfer, en elk percentage dat je ooit hebt gelezen beschrijft één systeem, gemeten op één opname. Schone audio met één spreker en een rumoerig groepsgesprek liggen zo ver uit elkaar dat geen enkel percentage beide kan dekken. Wat je resultaat bepaalt, is de opname zelf: afstand tot de microfoon, achtergrondgeluid, door elkaar praten, dekking van accenten. Fouten komen ook niet gelijk verspreid voor: het grootste deel van een transcript leest prima, maar namen, vakjargon, cijfers en door elkaar praten gaan vaak mis. Om een fragment terug te vinden is dat geen probleem. Wil je iets citeren, controleer dan elke regel met de opname erbij.
Je hebt waarschijnlijk wel eens een percentage bij een transcriptietool gezien. Dat is een echte meting van iets. Alleen zegt het niets over wat er gebeurt zodra je er jouw eigen opname doorheen haalt, en als je het als een belofte behandelt, val je precies op het verkeerste moment door de mand.
De vraag die je iets opschiet, is niet hoe nauwkeurig automatische transcriptie in het algemeen is. Het is of de tekst die je terugkrijgt goed genoeg is voor waar je hem specifiek voor wilt gebruiken. Dat zijn twee verschillende vragen met verschillende antwoorden, want hetzelfde bestand kan uitstekend werken om een moment terug te vinden en totaal onbruikbaar zijn om te citeren.
Een nauwkeurigheidscijfer meet één opname, geen systeem
Elke claim over nauwkeurigheid is het resultaat van één specifiek systeem dat op één specifieke opname is losgelaten. Verander de audio en het getal verandert mee. Dat is geen tekortkoming van de meting. Het is precies wat de meting is.
Stel je de twee uitersten voor. Één spreker, dicht bij de microfoon, in een stille kamer, met een veelvoorkomend accent, over alledaagse dingen. Dat wordt zeer goed getranscribeerd. Stel je nu vier mensen voor rond een tafel, met een airco op de achtergrond, die door elkaar praten, vaktermen uit hun eigen branche gebruiken, waarbij twee van hen anderhalve meter van de telefoon zitten. Dat wordt veel slechter getranscribeerd. Beide zijn eerlijke metingen van hetzelfde systeem. Één getal kan geen recht doen aan beide, en het verschil is zo groot dat zelfs een gemiddelde geen betekenis heeft.
Zie je dus een cijfer zonder de opname waarop het gemeten is, dan is precies dat de ontbrekende, cruciale informatie. Het enige wat je eigenlijk weet, is dat iemand iets heeft getest. De enige benchmark die voor jou telt, is je eigen materiaal. Neem een paar minuten van een opname die lijkt op wat jij normaal gebruikt, laat die er doorheen lopen en lees de tekst mee met de audio. Dat levert meer op dan elke gepubliceerde claim, en het kost minder tijd dan het lezen van vergelijkingsartikelen.
De opname bepaalt het resultaat meer dan de software
Mensen vergelijken tools op zoek naar nauwkeurigheid. Voor de meeste opnames is dat de verkeerde ingang van het probleem. De omstandigheden waarin is opgenomen, bepalen het resultaat sterker dan de keuze van de engine.
- Afstand tot de microfoon. Elke centimeter extra afstand voegt meer ruimte en minder stem toe. Een telefoon tussen twee mensen op tafel levert een heel andere opname op dan een telefoon vlak voor één persoon.
- Achtergrondgeluid. Verkeer, een café, ventilatoren, een toetsenbord. Geluid zit niet zomaar achter de spraak, het concurreert ermee, en de woorden die het verliezen zijn de zachte woorden aan het einde van een zin.
- Door elkaar praten. Praten twee mensen tegelijk, dan is er geen schoon signaal om te transcriberen. Er komt iets op papier, en dat is vaak een mengeling van beide.
- Dekking van accenten. Sommige accenten zijn veel beter vertegenwoordigd in het materiaal waarop deze systemen getraind zijn dan andere, en accenten die ondervertegenwoordigd zijn, leveren bij dezelfde schone audio slechtere resultaten op.
Tools verschillen echt van elkaar, en als jouw materiaal steevast op een bepaalde manier lastig is, is het testen van een paar tools een middagje waard. Maar het verschil tussen twee redelijke tools op dezelfde opname is meestal kleiner dan het verschil tussen goede en slechte audio bij één en dezelfde tool. De microfoon dichterbij zetten levert meer op dan overstappen naar een ander product. Wil je begrijpen wat de software precies doet met wat je aanlevert, dan legt hoe AI-transcriptie werkt uit waarom deze specifieke omstandigheden zo bepalend zijn.
Fouten zitten niet gelijk verspreid door het bestand
Dit is het punt waar mensen op vastlopen, en het is belangrijker dan het cijfer op de verpakking. Fouten hopen zich op. Het grootste deel van een transcript komt schoon uit de bus, en de misstappen concentreren zich op een paar voorspelbare plekken: eigennamen, technische termen, cijfers en elk moment waarop mensen door elkaar praten.
Bedenk wat dat betekent voor het lezen ervan. Een pagina gewoon gesprek wordt goed getranscribeerd en leest vloeiend weg. Dan komt er een achternaam, een productnaam of een getal, en dat gaat mis. Niets op de pagina markeert het verschil. Het foute woord staat in hetzelfde vertrouwde lettertype als de rest, omringd door correcte zinnen, en precies die context maakt dat een fout geloofwaardig overkomt. Een transcript kan prachtig lopen en toch fout zijn, precies op de plekken waar je het voor wilde gebruiken.
Er is een reden waarom deze categorieën samen falen. Gewone woorden worden begrensd door alles ernaartoe en erna, dus een systeem dat er eentje verhoort, kan zich herstellen via de context. Een naam kent die begrenzing niet; bijna elk geluid zou iemands naam kunnen zijn, en er is niets in de grammatica dat een foute gok uitsluit. Vakjargon heeft hetzelfde probleem, met als extra complicatie dat een alledaags woord vaak akoestisch dicht genoeg bij de vakterm ligt om er per ongeluk voor in de plaats te komen. Cijfers zijn het scherpste voorbeeld, want een klein akoestisch verschil levert een totaal andere waarde op en de zin blijft in beide gevallen grammaticaal correct.
Interpunctie is een gok over waar zinnen eindigen
Automatische interpunctie is geen transcriptie. Het is een afgeleide inschatting, gebaseerd op pauzes, intonatie en ritme, van waar de ene gedachte stopt en de volgende begint. Meestal klopt die gok, of klopt hij goed genoeg dat niemand het merkt.
Waar het misgaat, verschuift de betekenis. Een punt die midden in een bijzin valt, kan een nuancering losmaken van waar die bij hoorde, waardoor een voorzichtige uitspraak plots hard klinkt en een voorwaarde een stellige claim wordt. Elk afzonderlijk woord kan correct zijn en de zin kan toch iets zeggen wat de spreker niet bedoelde. Dat soort fout is onzichtbaar op papier, want er is niets om op te merken. Je kunt het niet wegcorrigeren door het transcript zelf te lezen. Alleen de opname geeft uitsluitsel.
Sprekerslabels hebben een vergelijkbare zwakte. Ze kloppen meestal gedurende een langer stuk waarin één persoon praat, en zijn het minst betrouwbaar op het moment dat het woord wisselt, precies waar een korte tussenwerping bij de verkeerde spreker terecht kan komen. Wil je een citaat gebruiken vlak bij een wisseling van spreker, luister dan die regel terug.
Bepaal de norm op basis van waarvoor het transcript dient
De vraag is niet of een transcript nauwkeurig is. De vraag is of het nauwkeurig genoeg is voor de taak, en die taak verschilt meer dan mensen denken.
Gebruik je het transcript om iets terug te vinden, dan maken losse fouten niet uit. Je zoekt op een woord, komt bij de juiste minuut uit, speelt de audio af. Het transcript heeft zijn werk gedaan, ook als er drie regels hoger een naam verhaspeld is. Dat geldt evengoed als je een uur opname doorbladert om te bepalen welke twintig minuten je aandacht waard zijn, of als je opgenomen audio omzet naar tekst zodat je het sneller kunt lezen dan beluisteren.
Wordt het transcript geciteerd, gepubliceerd, gearchiveerd of gebruikt door iemand die er niet bij was, dan geldt een andere norm, en die staat niet ter discussie. Elke regel die je wilt gebruiken, controleer je afzonderlijk met de opname erbij. Niet één keer het hele document doorlezen, maar gericht luisteren naar elke geciteerde passage, want precies dat soort fouten valt bij een leesbeurt niet op. Dit geldt met extra nadruk voor alles waarin een cijfer of naam het gewicht van de zin draagt.
Voor een werkdocument is een app de logische keuze. SozAI, beschikbaar voor iOS, Android en macOS, zet opnames, audio- en videobestanden en YouTube-links om in tekst met sprekerslabels, samenvattingen en vertaling in meer dan 99 talen, en ook dan controleer je citaten met de opname erbij, net als bij elke andere automatische output.
Is het transcript zelf het eindproduct, dan is een menselijke transcriptiedienst de juiste keuze. Die kost meer omdat er iemand zit te luisteren, en dat is precies waarvoor je betaalt: iemand die de naam correct hoort en opschrijft, die weet waar de zin eindigt, die de passage markeert die echt onverstaanbaar was in plaats van te gokken. Krijgt een klant, een rechtbank, een archief of een uitgever het document, dan koop je met die extra kosten iets waardevols. Gebruik je het transcript alleen privé om sneller bij de audio te komen, dan betaal je voor iets wat je niet nodig hebt.
Een tweede opname is beter dan een uur corrigeren
Het opnameproces verbeteren is vrijwel altijd goedkoper dan de tekst achteraf verbeteren. Tien minuten besteden aan de microfoon verplaatsen, een raam dichtdoen, de ventilator uitzetten en vragen om niet door elkaar te praten, bespaart meer werk dan een uur tekst corrigeren achteraf, en het levert ook een beter resultaat op, want een gecorrigeerd transcript is uiteindelijk zo goed als je geduld op dat moment.
Dit is het makkelijkst toe te passen bij alles wat zich herhaalt. Neem je regelmatig hetzelfde soort gesprek op, dan verbetert één keer goed nadenken over de opstelling alles wat je daarna opneemt. Het weegt het zwaarst bij interviews, waar het materiaal vaak niet te herhalen is en de citaten het hele punt zijn; de praktische kant van interviews transcriberen komt grotendeels neer op de praktische kant van ze opnemen.
Soms is er geen tweede kans. Het gesprek vond één keer plaats, de telefoon zat in een broekzak, en dat is de opname die je hebt. Dan is de eerlijke aanpak om niet te verwachten dat de software het alsnog redt, maar tijd voor correctie in te plannen, of het uit handen te geven aan een persoon. Moeilijke audio wordt niet makkelijk omdat je dat graag zou willen.
Wat je kunt verwachten als je het bestand opent
Verwacht vloeiende, leesbare tekst met een handvol foute zelfstandige naamwoorden erin. Verwacht dat passages waarin mensen door elkaar praatten dun, verhaspeld of stilletjes weggevallen zijn. Verwacht interpunctiekeuzes die je zelf niet zo gemaakt zou hebben, en sprekerslabels die grotendeels klopen maar onbetrouwbaar zijn bij een wisseling. Verwacht geen markeringen, geen highlights, geen tekens van onzekerheid. Het document ziet er overal even zelfverzekerd uit, en het is niet overal even correct.
Verwacht dat namen en vaktermen altijd een controleronde nodig hebben, hoe schoon de opname ook was. Ook bij goede audio gaan die vaker mis, alleen minder vaak.
En bewaar de opname. Een automatisch transcript kan zichzelf niet verifiëren, en elke controle die telt, draait om luisteren. Een transcript met de opname erbij is een betrouwbaar werkinstrument. Een transcript zonder de opname is een document dat niemand kan controleren, jij ook niet.
