Een spraaknotitie lijkt één handeling en bestaat in werkelijkheid uit vier: de microfoon neemt op, het bestand wordt bewaard, een spraakherkenningsmodel maakt van audio tekst, en iets indexeert die tekst zodat je hem later terugvindt. Weten waar de naden zitten verklaart het meeste wat mensen verrast — waarom transcripties struikelen over namen, waarom de nauwkeurigheid in een café instort, en waarom een app die transcribeert niet per se een app is waarin je achteraf iets terugvindt.
Stap één: wat een opname werkelijk vastlegt
Je telefoon meet de luchtdruk bij de microfoon duizenden keren per seconde en bewaart die getallen. Spraakherkenning werkt gewoonlijk op audio dat is teruggebracht tot 16.000 monsters per seconde in één kanaal, omdat vrijwel alle informatie die spraakklanken onderscheidt onder 8 kHz ligt. Muziek wordt opgenomen op 44.100 en hoger; spraak heeft dat niet nodig.
Daarom zijn bestanden van spraaknotities klein, en daarom telt de plaatsing van de microfoon zwaarder dan de kwaliteit ervan. Een telefoon in je broekzak neemt vooral stof op, en geen enkel model verderop haalt terug wat de microfoon nooit heeft binnengekregen.
Stap twee: van audio naar tekst
Moderne spraakherkenning zet audio rechtstreeks om in tekst met een neuraal model dat getraind is op zeer grote hoeveelheden getranscribeerde spraak, in plaats van de oudere keten van losse akoestische, uitspraak- en taalmodellen. Het praktische gevolg is dat het model een plausibele zin gokt en de klanken niet één voor één ontcijfert.
Daarom zien fouten eruit zoals ze eruitzien. Herkenners produceren zelden wartaal; ze produceren vloeiende, verkeerde woorden — de achternaam van een collega wordt een zelfstandig naamwoord dat er ongeveer zo klinkt, een productnaam wordt een gewone uitdrukking. De uitvoer is altijd een zin die compleet oogt, waardoor fouten moeilijker opvallen dan ruis of stilte zou doen.
Hoe nauwkeurigheid wordt gemeten, en wat je mag verwachten
De standaardmaat is het woordfoutpercentage: invoegingen, weglatingen en vervangingen gedeeld door het aantal daadwerkelijk uitgesproken woorden. 5 % betekent dat één op de twintig woorden fout is — meestal acceptabel om te zoeken, af en toe fataal bij een getal of een naam.
Grove verwachtingen, die sterk verschillen per systeem en opstelling:
- Duidelijke spraak, stille ruimte, gangbaar accent: foutpercentages van enkele procenten bij algemene woordenschat.
- Achtergrondgeluid, meerdere sprekers of afstand tot de microfoon: het foutpercentage loopt scherp op, vaak een veelvoud.
- Eigennamen, vaktermen en zinnen met twee talen door elkaar: met afstand het zwakste punt, omdat zeldzame woorden slecht vertegenwoordigd zijn in trainingsdata.
- Getallen, datums en spellingen: worden volgens conventie opgemaakt, dus ‘vijftienhonderd’ kan als 1500 of voluit terugkomen, afhankelijk van het systeem.
Stap drie: een transcript vindbaar maken
Transcriberen en terugvinden zijn twee verschillende problemen, en heel wat apps lossen alleen het eerste op. Ligt het transcript bij de opname en zoek je op exacte trefwoorden, dan vind je het alleen terug door je een woord te herinneren dat je echt hebt gezegd — precies wat je maanden later kwijt bent.
Zoeken op betekenis verandert de eis: een memo waarin je zei ‘de leverancier haalt de deadlines steeds niet’ is bereikbaar vanuit ‘probleem met de betrouwbaarheid van die partij’. Dat is het verschil tussen een recorder en een doorzoekbaar archief, en het is onzichtbaar in functielijstjes, want beide beloven transcriptie.
Waarom spreken het bij vastleggen wint van typen
Het verschil is mechanisch. Spreken gaat in gesprek met ongeveer 130 tot 150 woorden per minuut; typen op een telefoon bij de meeste mensen met ongeveer 35 tot 40. Een wandeling van negentig seconden naar de auto draagt een complete gedachte die het typen met één duim niet had overleefd.
De prijs is precisie. Gesproken notities dwalen af, beginnen opnieuw en laten het onderwerp impliciet — ‘hij zei dat het niet zou werken’ is je ongeveer een dag lang duidelijk. De goedkope oplossing is één afsluitende zin met de persoon, het onderwerp en de reden waarom je überhaupt opneemt.
Wat spraaknotities niet doen
Ze corrigeren zichzelf niet. Een verkeerde naam in een transcript blijft verkeerd tot iets de onzekerheid markeert of jij het opmerkt — en juist de vloeiendheid van de tekst ontmoedigt controleren. De originele audio naast de tekst bewaren is het enige echte middel: de opname is het bewijsstuk, het transcript is een uitleg daarvan.
Ze lossen ook het geval niet op waarin je de context nooit hardop hebt uitgesproken. En is een taal die jij spreekt slecht vertegenwoordigd in de trainingsdata van een model, reken dan in die taal op merkbaar slechtere resultaten dan in het Engels, wat de marketing ook beweert.
Behandel het transcript als doorzoekbare index en de audio als bron van waarheid. Test elke app voor spraaknotities met één rommelige opname — achtergrondgeluid, twee namen, een getal — en zoek hem een week later met woorden die je niet hebt gezegd.