Gratis audio-naar-tekstconverter:
MP3, WAV & M4A naar tekst

Wat de audio-naar-tekstconverter doet

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.

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.

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.

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. Voor de volledige ondertitelworkflow lees je hoe je SRT- en VTT-ondertitels van een video maakt.

Taalondersteuning

Het taalmenu bevat 15 talen plus Automatische herkenning. Met Automatische herkenning bepaalt het model de gesproken taal aan de hand van de eerste 30 seconden audio en transcribeert het het bestand in die taal. Zit het model ernaast, selecteer de taal dan handmatig.

Dit zijn de 15 talen die je kunt selecteren:

Whisper is getraind op audio in 99 talen, dus Automatische herkenning kan ook talen herkennen die niet in het menu staan, zoals Hindi, Vietnamees of Grieks. Die talen staan niet in ons menu, en voor talen met minder trainingsdata zijn de resultaten meestal zwakker. Het model herkent de taal aan de spraak zelf, niet aan de metadata van het bestand.

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:

Voor de meeste gebruikssituaties — vergadernotities, collegetranscripties, podcast-shownotes, voicememo-archieven — is AI-transcriptie duidelijk de winnaar. Het is gratis, binnen enkele minuten klaar, en de resterende fouten zijn snel te corrigeren. 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 bespaart het meeste typwerk, terwijl een mens de nauwkeurigheid blijft controleren. Een uitgewerkt voorbeeld van die controlestap vind je in onze uitleg over hoe je snel een interview transcribeert met AI.

Zo zien de TXT-, SRT- en VTT-bestanden eruit

Hier staan dezelfde twee zinnen in elk uitvoerformaat, opgemaakt zoals de converter ze wegschrijft:

TXT

Welcome to the show.
Today we talk about home recording.

SRT

1
00:00:00,000 --> 00:00:02,480
Welcome to the show.

2
00:00:02,480 --> 00:00:05,120
Today we talk about home recording.

VTT

WEBVTT

00:00:00.000 --> 00:00:02.480
Welcome to the show.

00:00:02.480 --> 00:00:05.120
Today we talk about home recording.

TXT zet elk herkend segment op een eigen regel, zonder tijden. SRT nummert elke cue en zet een komma voor de milliseconden. VTT begint met een WEBVTT-header en gebruikt een punt.