Hoe zet je audio om naar tekst
Een audiobestand omzetten naar tekst gebeurt in drie stappen. Het hele proces is automatisch — geen handmatige transcriptie, geen tijdstempels die je zelf moet zetten en geen software om te installeren.
Upload je audio
Sleep je audiobestand of kies het uit. Ondersteunde formaten: MP3, WAV, FLAC, OGG, M4A, AAC, WMA. Videobestanden (MP4, MKV, AVI, MOV, WebM) werken ook — de audiotrack wordt automatisch geëxtraheerd.
Kies opties
Selecteer je uitvoerformaat (TXT, SRT of VTT), kies de gesproken taal of laat het op Automatische herkenning staan en kies Snel of Beste kwaliteit. Druk daarna op Transcriberen.
Tekst downloaden
Bekijk de transcriptie op het scherm en download daarna het bestand. Je audio en het resultaat worden binnen 2 uur automatisch verwijderd.
Hoe AI audio-naar-tekst werkt
Onze audio-naar-tekst-converter draait op OpenAI Whisper, een van de krachtigste beschikbare spraakherkenningsmodellen. Begrijpen hoe het werkt, verklaart waarom het nauwkeurige transcripties levert in zoveel talen en audio-omstandigheden.
Whisper gebruikt een encoder-decoder-transformerarchitectuur — hetzelfde fundamentele ontwerp als achter moderne grote taalmodellen, speciaal aangepast voor spraak. Dit gebeurt er wanneer je een audiobestand uploadt:
- Audio-voorbewerking. De ruwe audiogolfvorm wordt omgezet in een log-mel-spectrogram — een visuele weergave van de frequentie-inhoud van de audio over de tijd. Hierdoor wordt het eendimensionale audiosignaal omgezet in een tweedimensionale, beeldachtige input die het neurale netwerk kan verwerken. Het spectrogram wordt opgedeeld in stukjes van 30 seconden voor verwerking.
- Encoder. Het spectrogram gaat door de encoder — een stapel transformerlagen die de frequentiepatronen analyseert en een rijke interne representatie opbouwt van wat er is gezegd. De encoder leert fonemen, woordgrenzen, intonatie en taalspecifieke patronen te herkennen. Elke laag verfijnt de representatie en vangt alles op van individuele klanken tot langere prosodische structuren.
- Decoder. De decoder neemt de representatie van de encoder en genereert tekst token per token, waarbij het volgende woord wordt voorspeld op basis van zowel de audiocontext als de tot dan toe gegenereerde tekst. Dit autoregressieve proces maakt het mogelijk dat Whisper samenhangende, correct geïnterpungeerde zinnen produceert in plaats van enkel losse woordvoorspellingen. De decoder zorgt automatisch voor hoofdlettergebruik, interpunctie en opmaak.
- Multitask-training. Whisper werd niet alleen getraind op transcriptie. Het werd gelijktijdig getraind op meerdere taken: transcriptie, vertaling, taalidentificatie en tijdstempelvoorspelling. Deze multitask-aanpak op 680.000 uur meertalige audiodata verzameld op internet geeft het model een robuuste generalisatie — het gaat beter om met accenten, achtergrondgeluid, wisselende opnamekwaliteit en vakjargon dan modellen die enkel op schone studio-opnamen zijn getraind.
Het resultaat is een model dat zich minder als een smalle speech-to-text-engine gedraagt en meer als een systeem dat gesproken taal daadwerkelijk begrijpt. Het weet wanneer een pauze een komma of een punt is, wanneer een spreker een vraag stelt en hoe je vakspecifieke termen spelt die het tijdens de training is tegengekomen.
Waarom 680K uur ertoe doen: de meeste eerdere spraakherkenningsmodellen werden getraind op 1.000–10.000 uur zorgvuldig gelabelde audio. De trainingsset van Whisper is 70–700x groter en bevat audio uit de echte wereld met achtergrondgeluid, meerdere sprekers en uiteenlopende opnameomstandigheden. Die schaal is de reden waarom het rommelige, real-world audio zo goed aankan.
Uitvoerformaten
De audio-naar-tekst-converter produceert drie uitvoerformaten. Elk dient een ander doel, dus het juiste formaat kiezen hangt af van wat je met de transcriptie van plan bent.
Platte tekst
Pure tekst zonder tijdstempels of opmaakcodes. Alleen de gesproken woorden, gerangschikt in paragrafen.
Het beste voor:
- Vergadernotities en notulen
- Interviewtranscripties
- Collegenotities om mee te studeren
- Blogposts uit spraakopnamen
- Doorzoekbare tekstarchieven
SubRip-ondertitels
Genummerde segmenten met start-/eindtijdstempels. Het meest breed ondersteunde ondertitelformaat op alle platforms.
Het beste voor:
- Videobewerking (Premiere, DaVinci, Final Cut)
- YouTube- en Vimeo-uploads
- Mediaspelers (VLC, MPC-HC)
- Video-ondertitels op social media
- Dvd- en Blu-ray-authoring
WebVTT
Native web-ondertitelformaat met tijdstempels. Ontworpen voor de HTML5-elementen <video> en <track>.
Het beste voor:
- HTML5-videospelers op websites
- Webapps met videocontent
- Toegankelijkheidsconformiteit (WCAG)
- Online cursusplatformen
- Gestileerde ondertitels met CSS-positionering
Wanneer welk formaat gebruiken: als je alleen de woorden nodig hebt — voor een document, e-mail of notities — kies TXT. Als je ondertitels toevoegt aan een video voor YouTube, social media of een video-editor, kies SRT. Als je ondertitels inbedt in een webpagina met HTML5 <video> en een <track>-element, kies VTT. Bij twijfel is SRT de veiligste keuze — vrijwel elke videotool en elk platform ondersteunt het.
Taalondersteuning
De AI-audio-naar-tekst-converter ondersteunt 99 talen met automatische taalherkenning. Als je de taal op Automatische herkenning zet, identificeert het model de gesproken taal binnen de eerste 30 seconden audio en transcribeert het dienovereenkomstig. Voor maximale nauwkeurigheid kun je de taal ook handmatig selecteren.
Hier zijn de top 15 meest gebruikte talen, allemaal met hoge transcriptienauwkeurigheid:
| Taal | Code | Opmerkingen |
|---|---|---|
| Engels | en | Hoogste nauwkeurigheid. Werkt goed met Amerikaanse, Britse, Australische, Indiase en andere accenten. |
| Spaans | es | Zowel Latijns-Amerikaans als Europees Spaans worden ondersteund. |
| Frans | fr | Hoge nauwkeurigheid, inclusief omgangstaal. |
| Duits | de | Verwerkt samengestelde woorden en formele/informele spraak. |
| Portugees | pt | Braziliaans en Europees Portugees. |
| Italiaans | it | Nauwkeurig bij standaard-Italiaans en regionale varianten. |
| Nederlands | nl | Nederlands uit Nederland en België. |
| Russisch | ru | Volledige Cyrillische output met juiste interpunctie. |
| Japans | ja | Gemengde output in kanji, hiragana en katakana. |
| Koreaans | ko | Hangul-output met natuurlijke spatiëring. |
| Chinees (Mandarijn) | zh | Vereenvoudigde Chinese karakters. Verwerkt tonale verschillen. |
| Arabisch | ar | Rechts-naar-links-tekstoutput. Modern Standaardarabisch en regionale dialecten. |
| Hindi | hi | Output in devanagari-schrift. |
| Turks | tr | Nauwkeurige verwerking van agglutinerende woorden. |
| Pools | pl | Verwerkt verbuigingen en complexe medeklinkerclusters. |
Naast deze top 15 ondersteunt de tool 84 aanvullende talen, waaronder Oekraïens, Vietnamees, Thai, Indonesisch, Tsjechisch, Roemeens, Hongaars, Grieks, Hebreeuws, Zweeds, Deens, Noors, Fins en nog veel meer. Automatische herkenning werkt betrouwbaar voor alle ondersteunde talen — het model identificeert de taal aan de hand van de spraakpatronen zelf, niet op basis van metadata in het audiobestand.
Audio naar Tekst vs handmatige transcriptie
Voordat er AI-transcriptietools bestonden, betekende audio omzetten naar tekst ofwel zelf uittypen ofwel een professionele transcribent inhuren. Zo vergelijken de twee benaderingen:
| Factor | AI Audio naar Tekst | Handmatige transcriptie |
|---|---|---|
| Snelheid | 1–5 minuten voor een opname van 30 minuten | 2–4 uur voor een opname van 30 minuten (6–8x realtime) |
| Kosten | Gratis (onze tool) of $0,006/min (API-prijs) | $1–3 per audiominuut ($30–90 voor 30 min) |
| Nauwkeurigheid (heldere audio) | 95–99 % woordnauwkeurigheid | 98–99,5 % woordnauwkeurigheid |
| Nauwkeurigheid (ruiserige audio) | 85–95 % afhankelijk van ruisniveau | 90–97 % (mensen gaan beter om met ruis) |
| Inspanning | Bestand uploaden, klikken, resultaat downloaden | Vereist gericht luisteren, typen en corrigeren |
| Talen | 99 talen, automatische herkenning | Vereist een transcribent die elke taal vloeiend beheerst |
| Doorlooptijd | Minuten | Uren tot dagen, afhankelijk van duur en beschikbaarheid |
| Schaalbaarheid | Onbeperkt aantal bestanden tegelijk | Beperkt door menselijke beschikbaarheid |
Voor de meeste gebruikssituaties — vergadernotities, collegetranscripties, podcast-shownotes, voicememo-archieven — is AI-transcriptie duidelijk de winnaar. Het levert bijna-menselijke nauwkeurigheid in een fractie van de tijd en tegen nul kosten. Handmatige transcriptie heeft nog altijd een voordeel bij juridische verhoren, medische dossiers en situaties waarin 100 % nauwkeurigheid wettelijk vereist is, omdat een mens context en vakkennis kan gebruiken om dubbelzinnigheden op te lossen die de AI mogelijk mist.
De praktische aanpak voor veeleisende gebruikssituaties: gebruik AI om binnen enkele minuten een eerste versie te genereren, en laat een mens vervolgens de handvol fouten nakijken en corrigeren. Deze hybride workflow is 5–10x sneller dan volledig handmatig transcriberen en evenaart qua nauwkeurigheid.