Wat is automatische transcriptie?

Automatische transcriptie is het proces waarbij software gesproken audio (van een opname of livestream) omzet naar geschreven tekst. In plaats van dat een mens luistert en typt, doet een AI-model – meestal een neuraal netwerk zoals Whisper, Wav2Vec of een Conformer-architectuur – het werk in seconden tot minuten.

Achter de schermen vinden meerdere stappen parallel plaats. De audio wordt opgedeeld in korte tijdvensters, omgezet in een spectrogram en door een akoestisch model gehaald dat fonemen en subwoord-eenheden herkent. Een taalmodel zet die fonemen vervolgens samen tot de meest waarschijnlijke woorden en zinnen, met context, grammatica en woordenschat als leidraad. Moderne end-to-end-modellen voegen de akoestische en taalfase samen in één neuraal netwerk en leveren vaak rechtstreeks tijdstempels per woord en sprekerlabels (diarisatie).

Vergeleken met menselijke transcriptie is de automatische variant veel sneller (een bestand van een uur wordt meestal in 1-3 minuten verwerkt) en goedkoper – goede aanbieders rekenen ongeveer € 0,18-0,30 per uur audio, terwijl menselijke transcriptie € 60-120 per uur kost. Bij schone opnames met duidelijke spraak halen de beste systemen vandaag de dag woordfoutpercentages onder de 5%, oftewel een nauwkeurigheid van 95% of hoger.

Waar automatische transcriptie nog moeite mee heeft: zware regionale accenten (Zwitserduits, breed Schots), overlappende sprekers, jargon zonder ondersteuning voor aangepaste woordenschat, slechte audiokwaliteit en zeer zachte stemmen. Voor de meest kritische toepassingen – rechtbankverslagen, klinische documentatie, ondertiteling voor uitzendingen – gebruiken teams automatische transcriptie meestal als eerste ronde en laten ze het resultaat door een mens bewerken.

DeepScript gebruikt een Whisper-compatibele engine, maar draait die volledig op eigen servers in Duitsland – zonder uitbesteding aan Amerikaanse cloud-API's.