Hoe lang duurt het om een uur audio te transcriberen?

De doorlooptijd hangt vooral af van de vraag of een mens of een AI het werk doet – en van de grootte van het model.

AI-transcriptie: een audiobestand van 60 minuten wordt op moderne GPU-infrastructuur in 1-3 minuten verwerkt. Grotere modellen (Whisper Large v3 of premium-modellen die op nauwkeurigheid zijn afgestemd) duren iets langer – ongeveer 3-5 minuten per uur audio. Als de aanbieder een drukke wachtrij heeft, kan je wachttijd oplopen. Aanbieders zoals DeepScript draaien een prioriteitswachtrij voor premium-opdrachten, zodat die vóór standaardopdrachten gaan.

Menselijke transcriptie: een ervaren transcribent verwerkt ongeveer 15 minuten audio per uur typen. Een uur audio kost dus 3-5 uur menselijke tijd bij schoon materiaal – en 6-8 uur als het lastig is (meerdere sprekers, dialect, jargon, slechte audio). Tel daar 24-48 uur wachtrij-/boekingstijd bovenop, omdat het werk in een wachtlijst staat.

Hybride aanpak: veel professionele diensten gebruiken AI als eerste ronde en laten een mens het bewerken. Dat brengt de menselijke tijd terug tot 1-2 uur per uur audio, met bijna-menselijke nauwkeurigheid. Typische doorlooptijden: 24 uur standaard, 4-6 uur met spoedtoeslag.

Wat het vertraagt: lange stiltes worden toch verwerkt (geen tijdwinst); slechte audiokwaliteit dwingt langere modelronden af; veel kleine bestanden zijn vaak trager dan een paar grote, door de overhead per opdracht. Voor live streaming-transcriptie via WebSocket is latentie een andere maatstaf: goede systemen geven tussenresultaten in 300-800 ms en definitieve tekst in 1-2 seconden.

Vuistregel: reken op een halve tot een hele dag per uur audio zodra een mens in de lus zit. Voor pure AI-transcriptie: voordat je koffie hebt gezet, is het klaar.