Hoe nauwkeurig is Whisper echt

Wat 'nauwkeurigheid' echt betekent: woordfoutpercentage

Als mensen zeggen dat een transcriptiesysteem '95% nauwkeurig' is, bedoelen ze bijna altijd het woordfoutpercentage, ofwel WER. Het is de simpelste eerlijke maatstaf die er is: neem een bekende passage, laat het systeem die transcriberen, en tel de fout gegane woorden. Een WER van 5% betekent dat 5 op de 100 woorden niet kloppen — een vervangwoord, een weglating, of een ingevoegd woord dat niet gezegd is. Lager is beter. Nul zou perfect zijn, en niets in de praktijk haalt nul.

Dat laatste punt is belangrijk, dus ik zeg het ronduit. Geen enkel spraaksysteem is perfect, en elk product dat dat beweert, rondt de hoeken af voor een presentatiedia. Professionele menselijke transcribenten zijn evenmin perfect — zij scoren bij schone audio ergens rond de 4% WER, en slechter bij moeilijke opnames. Dus als je leest dat Whisper '3% WER' haalt, betekent dat ruwweg menselijk niveau op dat soort audio, niet magie. Het is een gereedschap dat het meestal goed doet en soms fout, net als elk ander gereedschap.

Nog een nuance die dertig seconden waard is. WER telt elk woord gelijk, maar dat komt niet overeen met hoe je fouten echt ervaart. Dat Whisper 'hun' als 'hen' transcribeert, is een eenwoordfout die nauwelijks opvalt. Dat het de naam van een klant of een medicijndosering verkeerd heeft, is ook een eenwoordfout maar verpest de zin volledig. Het kopgetal geeft je dus de grote lijn; het vertelt niet of het ene woord dat ertoe doet, het heeft overleefd. Dat is waarom een laatste leesronde nooit uit de mode raakt, hoe laag de WER ook is.

Hoe nauwkeurig is Whisper in de praktijk

Bij helder uitgesproken Engels is Whisper werkelijk sterk. De openbaar gedocumenteerde benchmarks plaatsen het medium-model op ongeveer 3% woordfoutpercentage op een standaard testset voor schone spraak, en het kleinere model op ongeveer 5%. In gewone taal: bij een fatsoenlijke opname van iemand die duidelijk spreekt, heb je het over één of twee foutieve woorden per paar zinnen — doorgaans een homofoon of een weggelopen komma, niet een verminkte betekenis. Voor het dicteren van e-mails, notities en concepten is dat ruimschoots boven de drempel waarbij het je tijd bespaart in plaats van kost.

De werking in de app is gelijk, ongeacht hoe nauwkeurig de run uitvalt. Je drukt een sneltoets in, spreekt, laat los, en de transcriptie wordt ingeplakt op je cursor in elke app die focus heeft. Terwijl je praat verschijnt een kleine capsule zodat je weet dat er geluisterd wordt. Wat je in die capsule ziet, is de live opname — de nauwkeurigheidsvraag wordt beslist in de halve seconde nadat je loslaat, wanneer het model die audio omzet in tekst.

De eerlijke kanttekening staat pal naast het goede getal. Die benchmarkcijfers zijn schone uitgesproken spraak in een lab. Jouw keuken, jouw accent, jouw gewoonte om halverwege een zin af te haken — dat zit allemaal niet in de testset. De benchmark geeft het plafond aan. De rest van deze gids gaat over hoe dichtbij dat plafond je in de praktijk komt, en de knoppen die dat bepalen. Spoiler: de grootste is niet het model.

Wat het getal echt omhoog of omlaag trekt

Drie dingen bepalen jouw praktijknauwkeurigheid veel meer dan de modelnaam: de audio, de taal en de woorden zelf. Geluidskwaliteit staat op ruime afstand op de eerste plek. Een ingebouwde laptopmic die kamerechо opvangt, een ventilator, en een kind dat vraagt waarom de maan er soms niet is, geeft elk model een zwaarder probleem dan een podcastmicrofoon in een stille kamer. Hetzelfde model, dezelfde zin, kan van bijna perfect naar merkbaar fout gaan puur door de opname. Dit is de knop die bijna niemand aanpast en die het meest oplevert.

Taal is de tweede knop. Whisper's meertalige versies ondersteunen 99 talen, maar die dekking is niet vlak. Engels is het best ondersteund, de grote Europese en Aziatische talen zijn sterk, en laagdrempelige talen — met minder trainingsdata op het internet — zijn zwakker en foutgevoeliger. Vertalen naar het Engels is alleen mogelijk met de meertalige Whisper-versies; de Engelstalige builds doen dat niet, en Parakeet's 25 talen ook niet. Dus '99 talen ondersteunen' is waar, maar betekent niet dat alle 99 even nauwkeurig zijn. Test je specifieke taal op je eigen audio voordat je het vertrouwt voor iets belangrijks.

De derde knop is de inhoud. Accenten verschuiven het getal — Whisper verwerkt een brede reeks accenten zonder enige 'training', maar een zwaar accent op technisch jargon is het slechtste geval voor elk systeem. Domeinvocabulaire speelt ook op: ongewone productnamen, medische of juridische termen, achternamen die het nooit heeft gezien. En overlappende sprekers zijn de echte harde muur — Whisper is gebouwd voor één stem tegelijk, dus twee mensen die door elkaar praten levert een chaos op. Bij lokale Whisper kun je tegenwicht bieden met een aangepast woordenboek en hotwords, waarmee je het kunt sturen richting de namen en termen die je daadwerkelijk gebruikt. Parakeet biedt geen hotwords, en dat is een valide reden om Whisper te kiezen als je werk vol eigennamen zit.

Groter model, meer nauwkeurigheid, minder snelheid

Er is een echte afweging tussen nauwkeurigheid en snelheid, en de app laat je die zien in plaats van haar te verbergen. Als vuistregel geldt: hoe groter het Whisper-model, hoe nauwkeuriger het is en hoe langzamer het draait. Het Engelstalige Small-model is ongeveer 480 MB en snel; Medium is circa 1,5 GB en nauwkeuriger; het meertalige Large v3 is ruwweg 3 GB en de beste nauwkeurigheid die er is, maar het wil 16 GB RAM en een recente machine om vlot aan te voelen. Kies het grootste model dat jouw hardware comfortabel aankan, niet het grootste dat bestaat.

De interessante uitzondering is Turbo. Whisper's Turbo-versie (distil-large-v3) is gedocumenteerd als ruwweg 6 keer sneller dan Large v3, terwijl het circa 99% van de nauwkeurigheid behoudt. Dat is het zoete midden waar veel mensen op uitkomen: bijna de kwaliteit van het grootste model zonder het wachten. Het is ongeveer 1,5 GB. Als je sterke nauwkeurigheid wilt zonder een laadbalk te hoeven aanstaren, is Turbo de pragmatische middenweg.

Dit herschikt de hele afweging. Het nauwkeurigheidsverschil tussen een klein model en het grootste is echt, maar kleiner dan je zou verwachten — een paar procentpunten WER op schone audio. Het nauwkeurigheidsverschil tussen een laptopmic en een fatsoenlijke USB-mic op hetzelfde model is groter. Dus voordat je 3 GB downloadt op jacht naar het laatste nauwkeurigheidspuntje: sluit een betere mic aan en neem op in een stille ruimte. De saaie waarheid is dat de meeste 'het model heeft het fout' klachten eigenlijk 'de ruimte heeft het fout' zijn.

Lokaal of cloud: waar de beste nauwkeurigheid zit

De app kiest geen pad voor je. Hij biedt drie opties en laat je kiezen op basis van wat je zoekt — snelheid, taaldekking of topnauwkeurigheid. Wat nauwkeurigheid betreft, hier is hoe ze zich verhouden, want het verschil is echt en de moeite waard om te begrijpen voordat je een opname aan een van hen toevertrouwt.

De drie paden, gerangschikt op nauwkeurigheid:

• Lokale Parakeet — NVIDIA's TDT-engine, circa 600 MB, de snelste lokale optie op 5 tot 10 keer sneller dan Whisper op CPU. Nauwkeurigheid is goed — niet zo goed als Large-v3, maar meer dan genoeg voor dagelijkse Engelstalige dictatie. Ondersteunt Engels plus 24 Europese talen, 25 in totaal. Geen vertaling naar het Engels, geen hotwords. Kies dit als snelheid telt en je voornamelijk Engels spreekt.
• Lokale Whisper — langzamer dan Parakeet op dezelfde machine, maar de meertalige versies bereiken 99 talen, vertalen naar het Engels, en laten je sturen met aangepast woordenboek en hotwords — de nauwkeurigheidscontroles die ertoe doen voor eigennamen en jargon. De grootste versie (Large v3) is de nauwkeurigste lokale optie. Kies dit voor meertalig werk, vertaling of fijnere controle.
• Cloud (OpenAI, BYOK) — toonaangevende nauwkeurigheid en webtoegang met je eigen OpenAI-sleutel, direct gefactureerd door OpenAI. Transcriptie verloopt standaard via gpt-4o-mini-transcribe. Het heeft internet nodig, dus dit is het enige pad waarbij je audio jouw machine verlaat. De cloudfunctie is onderdeel van Whisper Pro.

De eerlijke rangschikking voor ruwe nauwkeurigheid is ruwweg: cloud bovenaan, lokale Large v3 op een goede tweede plek, Parakeet als capabele derde voor Engels. Maar 'topnauwkeurigheid' wint alleen als je audio schoon genoeg is om er iets mee te kunnen. Een gedempte opname van aan de andere kant van de kamer naar de cloud sturen, verslaat een schone lokale Whisper-opname niet. Voor de meeste dictatie draaien beide lokale engines volledig op jouw machine zonder iets naar een server te sturen, en dat is ruimschoots voldoende. Grijp naar de cloud bij een echt moeilijke opname of als je midden in een zin iets van het web nodig hebt.

Vier manieren om je eigen nauwkeurigheid te verbeteren

Whisper's plafond wordt bepaald door het model. Je vloer wordt bepaald door alles eromheen, en op die vloer verliezen de meeste mensen nauwkeurigheid. Het goede nieuws is dat de oplossingen goedkoop zijn en een paar minuten kosten. Hier zijn de vier die ertoe doen, op volgorde van impact.

Die laatste stap is de moeite waard om te zien, want hij verandert wat 'nauwkeurigheid' voor jouw output überhaupt betekent. De transcriptie kan woordperfect zijn en toch lezen als een aaneengeschakelde zin, omdat dat nu eenmaal is hoe mensen praten. De correctieslag herstelt de leesbaarheid die WER nooit meet. Bij een lokaal model loopt het via Ollama; in de cloudmodus is het standaard gpt-5-mini. Hier is dezelfde zin voor en na de slag:

Merk op dat de correctieslag geen enkele betekenis heeft veranderd; het voegde interpunctie toe en verwijderde de stopwoorden die de ruwe transcriptie met zich meebracht. Dat is het deel dat mensen verwarren met nauwkeurigheid, en dat zou je niet moeten doen. De taak van het model is je correct horen. De taak van de AI-slag is de correcte woorden goed laten lezen. Zorg dat de mic en de ruimte in orde zijn, en beide taken worden makkelijker. Als je de spreek-en-ruim-op-stroom in elke app wilt, doet dezelfde sneltoets schone proza dicteren in elke app, niet alleen in één.

Het eerlijke oordeel over Whisper's nauwkeurigheid

Dus, het rechttoe-rechtaan antwoord. Whisper is nauwkeurig genoeg om op te vertrouwen voor serieus werk — e-mails, notities, concepten, vergadersamenvattingen — bij schone audio in een goed ondersteunde taal. Het is niet perfect en beweert dat ook niet. Accenten, achtergrondgeluiden, zwaar jargon en overlappende sprekers trekken het getal omlaag, en geen enkel modelbadge redt een slechte opname volledig. Als je hoopte op '100% nauwkeurig': het eerlijke antwoord is dat niets dat haalt, en wie dat verkoopt, verkoopt een presentatiedia.

Wanneer hoef je de nauwkeurigheid van Whisper-niveau niet na te jagen? Als je alleen af en toe een zinnetje van dertig woorden dicteert, doet je besturingssysteem dit al gratis. Op Windows: druk op de Windows-toets + H om Spraaktypen te openen waar je cursor ook staat — het interpunctueert zelf, maar verloopt via Microsoft's servers en heeft internet nodig, dus het werkt niet offline. Op Mac: Dicteer in Systeeminstellingen typt in elk veld, en op Apple Silicon kan algemene tekst on-device worden verwerkt. Voor korte flarden zijn die prima, en ik ga je niet aanraden iets te installeren voor een eenregelige herinnering. Een speciale tool verdient zijn plek bij langere notities, meertalig werk, offline privacy en de nauwkeurigheidscontroles — hotwords, modelkeuze, een correctieslag — die de ingebouwde opties niet bieden.

Als je de lokale engines met elkaar vergelijkt, is de afweging nauwkeurigheid-versus-snelheid de kern van de beslissing, en die wordt helder uitgelegd in welk Whisper-model je moet kiezen en de Parakeet-modelanalyse. Voor de meeste mensen is het antwoord weinig glamoureus: een middelgroot model, een fatsoenlijke mic, een stille kamer en een correctieslag. Die combinatie brengt je op een haar na de benchmark, op de audio die je daadwerkelijk opneemt.

Als nauwkeurigheid je zorg is omdat je de cloud volledig wilt vermijden, vind je in offline spraak naar tekst hoe lokale modellen het doen zonder netwerk.

Ik heb vroeg een week lang overtuigd geleefd dat een modelupgrade mijn transcripties zou repareren, 3 GB gedownload, en misschien een punt WER teruggekregen. Toen kocht ik een USB-mic van twintig euro en verhuisde ik van de keukentafel, en diezelfde middag werden de transcripties merkbaar schoner. Het model was nooit het probleem. De ruimte was het. Whisper is erg nauwkeurig; of je dat ook ziet, hangt af van wat je het voert.