Belangrijkste punten
Voor een opname van twee uur duurt het automatisch transcriberen zelf maar een fractie van die tijd – de software is niet de vertragende factor. Wat je avond echt bepaalt, is de correctieronde daarna: een ruw, doorzoekbaar transcript heeft nauwelijks bijwerking nodig, terwijl een versie die je gaat citeren of publiceren een volledige controle tegen het geluid vraagt, met aandacht voor namen, cijfers en mensen die door elkaar praten. Het handmatig uittypen kost een veelvoud van de opnameduur, en dat wordt erger bij slecht geluid. Reserveer tijd voor de correctie, niet voor de software.
Twee uur gesproken tekst komt, bij het tempo waarin de meeste mensen praten, neer op ongeveer zestien- tot achttienduizend woorden – ongeveer de lengte van een kort boek. Dat getal alleen al zegt iets over de avond die je te wachten staat: niemand wil dat in één keer doorlezen, en bijna niemand wil het helemaal handmatig uittypen als er een andere manier is.
Het eerlijke antwoord op hoelang dit duurt, hangt af van twee zaken die je zelf in de hand hebt en één die je niet in de hand hebt: hoe schoon het geluid is, hoe netjes het uiteindelijke transcript moet zijn, en hoe snel jij daadwerkelijk typt of luistert. Software verandert één deel van die vergelijking. De andere twee blijven onaangeroerd.
Reken het eerst even uit
Bij presentaties en lezingen ligt het spreektempo meestal tussen de 130 en 150 woorden per minuut. Een gesprek gaat sneller en minder gelijkmatig – mensen praten door elkaar, beginnen zinnen opnieuw, laten iets wegvallen halverwege. Bij het tempo van een lezing komt een uur spreken neer op ruwweg acht- tot negenduizend woorden. Verdubbel dat voor een opname van twee uur en je zit op zestien- tot achttienduizend woorden ruwe tekst, meer als het een discussie is in plaats van één spreker.
En dat is nog voordat je hebt besloten hoe je die tekst überhaupt gaat produceren. Wil je snel weten hoeveel woorden je eigen opname ongeveer oplevert voordat je ergens aan begint, dan geeft een spreektijdcalculator je dat in ongeveer een minuut – de moeite waard voordat de avond begint, want een clipje van een kwartier en een vergadering van twee uur voelen ongeveer hetzelfde aan totdat je het daadwerkelijk hebt gemeten. Je kunt die schatting maken met de spreektijdcalculator.
Het zelf uittypen is trager dan het klinkt
Overweeg je om dit vanavond zelf handmatig uit te typen, ken dan eerst de echte factor waarmee je rekening moet houden. Een transcript handmatig uittypen kost een veelvoud van de opnameduur – niet omdat typen zelf traag is, maar omdat je niet op spreektempo kunt meeluisteren en tegelijk foutloos kunt typen. Je stopt het geluid, spoelt een paar seconden terug, typt wat je hoorde, en begint opnieuw. Dat patroon herhaalt zich continu, en het wordt erger bij onbekende terminologie, sneller gesproken tekst of momenten waarop twee mensen tegelijk praten.
Die factor groeit met de moeilijkheidsgraad van het geluid, hij krimpt niet. Een helder interview op een normaal gesprekstempo kan al drie tot vier keer de opnameduur kosten als je alle stop- en terugspoelmomenten meerekent. Een lezing vol vaktermen die je niet kent, kan daar ver overheen gaan, omdat je voortdurend stopt om spelling en woordkeuze uit te zoeken die je anders zonder nadenken zou intikken. Voor twee uur geluid is handmatig uittypen geen klusje voor één avond. Het is werk voor meerdere avonden, en dat weet je liever van tevoren dan een uur nadat je begonnen bent.
Automatische transcriptie wordt niet trager – de kwaliteit wordt slechter
Dit is het onderdeel dat mensen de eerste keer verrast. Automatische transcriptie duurt niet langer als het geluid moeilijker is. De verwerkingstijd is grofweg hetzelfde, of het nu gaat om één heldere stem in een stille ruimte of om drie mensen die ruziën via een slechte telefoonverbinding. Wat verandert bij moeilijker geluid, is de kwaliteit van het resultaat, niet de tijd die nodig is om het te produceren.
Dat is in één zin zowel goed als slecht nieuws. Goed, omdat je niet langer moet wachten bij lastigere omstandigheden – de software rondt af op haar eigen vaste tempo. Slecht, omdat de tijd die je aan de voorkant bespaart niet verdwijnt, maar verschuift naar de achterkant, naar hoeveel correctie het transcript daarna nodig heeft. Iets als het proces achter audio naar tekst omzetten levert je snel een compleet document op voor een bestand van twee uur. Of dat document bijna klaar is of nog een grondige controle nodig heeft, hangt volledig af van wat er in de microfoon terechtkwam, niet van hoe de software het verwerkte.
De correctieronde bepaalt eigenlijk je hele avond
Dit is het getal waarmee bijna niemand rekening houdt, en het is het getal dat het meest telt. Een transcript dat je maakt om later te kunnen doorzoeken – om terug te vinden waar iemand een datum noemde, of om te scannen naar een genomen besluit – heeft bijna geen correctie nodig. Je leest over de kleine foutjes heen omdat je ongeveer al weet wat er zou moeten staan. Voor een opname van twee uur kan zo’n controle in twintig minuten scanwerk klaar zijn en bruikbaar blijken.
Een transcript dat je wilt citeren, publiceren of doorgeven aan iemand die er niet bij was, is een heel ander verhaal. Dat vraagt om een volledige controle tegen het geluid, zin voor zin, want een fout in een citaat is een ander soort probleem dan een fout in een privé-aantekening voor jezelf. Voor twee uur bronmateriaal loopt zo’n zorgvuldige controle bijna op tot twee uur van je eigen tijd, soms meer als het onderwerp dicht of technisch is.
De fouten zitten niet gelijk verdeeld over de opname, en dat is hier het enige echt goede nieuws. Namen, vaktermen, cijfers en mensen die door elkaar praten – dat zijn de plekken waar automatische output daadwerkelijk misgaat. Het grootste deel van een opname van twee uur komt er in essentie correct uit, en slechts een handvol minuten – meestal waar twee mensen elkaar onderbreken, of waar iemand snel een cijfer noemt – vraagt echt aandacht. Weet je ongeveer waar die minuten liggen, dan kun je daar direct naartoe gaan in plaats van het hele document van begin tot eind opnieuw te lezen. Reken je eigen situatie eerst uit, op basis van de lengte van de opname en waarvoor je het transcript daadwerkelijk nodig hebt, via een transcriptietijdcalculator, dan krijg je een plan dat dichter bij de realiteit staat dan een schatting vooraf zonder enige basis.
Het bestand opsplitsen bespaart geen tijd, maar redt wel je avond
Een opname van twee uur in vier stukken van dertig minuten knippen voordat je begint met transcriberen, maakt de totale klus niet sneller. De rekensom uit de vorige onderdelen verandert niet – je transcribeert nog steeds twee uur spraak en corrigeert nog steeds wat gecorrigeerd moet worden, hoe je het bestand ook opdeelt. Wat wel verandert, is of het werk onderbroken kan worden.
Eén bestand van twee uur is in de praktijk één zitting, want als je het later weer opent, moet je je plek weer terugzoeken in een muur van tekst zonder natuurlijke pauzes. Vier losse bestanden zijn vier zittingen, en je kunt er vanavond één afronden, morgen nog één, en de rest volgende week, zonder de draad te verliezen. Voor een opname van deze lengte – lang genoeg dat het geheel in één keer afronden voor de meeste mensen niet realistisch is – telt die onderbreekbaarheid zwaarder dan enige tijdwinst die je zou kunnen boeken door stukken parallel te verwerken. Ga je de correctieronde serieus aanpakken, plan dan om het op te delen in plaats van te verwachten dat je in één keer klaar bent.
Een app die het hele bestand meteen als geheel afhandelt, in plaats van jou zelf te laten opsplitsen, is hier een optie die de moeite waard is om te kennen. De transcriptie-app is beschikbaar via de downloadpagina voor iOS, Android en macOS, en zet audio, video, opnames of een YouTube-link om naar tekst met sprekerlabels, een samenvatting en vertaling naar een breed scala aan talen – één route tussen de verschillende hierboven beschreven mogelijkheden, geen manier om de correctieronde zelf te omzeilen.
Wat er realistisch gezien niet automatisch meekomt
Automatische transcriptie kent je sprekers niet bij naam, tenzij je dat zelf aangeeft. Ze krijgt een label toegewezen in plaats van een naam die het systeem niet kan raden, en dat blijft zo totdat iemand het corrigeert. Ook vangt het niet altijd een naam op die het nooit eerder gespeld heeft gezien, een term specifiek voor jouw vakgebied, of een getal dat snel wordt genoemd midden in een vlotte zin. Precies dat zijn de plekken waar correctie altijd om draait, en geen hoeveelheid rekenkracht komt daar onderuit.
Door elkaar praten is bij vrijwel elke aanpak nauwelijks te herstellen. Als twee mensen tegelijk praten, verliest zowel automatische transcriptie als iemand die het handmatig uittypt een deel ervan – de software kiest voor één spoor en laat het andere vallen, en iemand die het handmatig uittypt heeft precies hetzelfde probleem, alleen trager. Heeft een opname van twee uur lange stukken met overlappende gesprekken, reserveer dan extra correctietijd specifiek voor die stukken en verwacht van geen van beide methoden een heldere weergave van beide stemmen tegelijk.
De schatting van twee uur zelf is een startpunt, geen garantie. Een opname met een gelijkmatig tempo, één spreker en bekende terminologie doorloopt elke stap hierboven sneller dan een opname met drie sprekers, een slechte microfoon en een onderwerp dat je nog niet goed kent. De rekensom hierboven geeft je een plan voor de avond. Ze garandeert niet dat je het in één avond afrondt.
