Googles transcriber schrijft op wat je bedoelde, niet wat je zei

Google heeft een nieuw model uitgebracht dat gesproken audio omzet in tekst. Het heet Gemini 3.5 Transcribe, en het haalt op vooraf opgenomen audio een foutmarge van 2,6 procent. Dat is ongeveer één verkeerd woord op de veertig.

Voor live audio, terwijl iemand nog praat, ligt het op 4,0 procent. Het model verstaat 85-plus talen, houdt tot drie sprekers uit elkaar en kan midden in een gesprek van taal wisselen zonder de draad kwijt te raken.

Zo ver de cijfers. Nu de zin die je twee keer moet lezen.

"Our most precise speech-to-text model yet, designed for intelligent voice interactions."

Het schrijft niet op wat je zei

"Intelligent" betekent hier iets specifieks. Het model schrijft niet letterlijk op wat er door de microfoon komt. Het poetst het onderweg bij.

Stopwoorden gaan eruit: elke "uhm" en "ah" verdwijnt. Zeg je "we spreken af op dinsdag, nee, woensdag", dan noteert het model "woensdag" en laat je correctie weg. Het formatteert de tekst netjes op en herkent vakjargon dat je vooraf meegeeft. Het resultaat leest als een schoon verslag in plaats van een ruw transcript.

Voor de meeste dagelijkse klussen is dat precies wat je wilt. Een gespreksverslag, een samenvatting van een teamoverleg, ondertiteling: daar zit niemand op "uhm" te wachten.

Maar merk op wat er gebeurt. Het model neemt een redactionele beslissing over wat je zei. Het kiest welke van je twee formuleringen de echte was. En dat doet het zonder dat je het ziet, want in het schone transcript staat niet meer wat je oorspronkelijk uitsprak.

Waar dat gaat wringen

Bij een podcast of een vergaderverslag maakt dat niets uit. Bij een verbatim-verslag wel.

Denk aan een juridisch verhoor, een medische intake, een klachtgesprek bij HR, een journalistiek interview. Daar is de verspreking soms het bewijs. De aarzeling, de correctie, het exacte woord dat iemand koos en toen introk: dat is waar het om draait. Een model dat "schoon" aflevert, gooit precies dat weg. Je krijgt een net verslag van een gesprek dat net iets anders liep.

Dit is geen reden om het model niet te gebruiken. Het is een reden om te weten welke knop je omzet. Voor het dagelijkse werk is de opgepoetste versie een cadeau. Voor alles wat later als bron of bewijs dient, wil je het ruwe transcript, of op zijn minst allebei.

En er is een tweede laag. Als je vergaderaudio door de API van Google haalt, gaat het gesprek de deur uit. De aankondiging verwijst voor dataverwerking naar het privacybeleid en zegt dat je kunt opt-outen, maar noemt geen woord over EU-hosting, de AVG of een verwerkersovereenkomst. De uitrol is bovendien nog beperkt: de functie zit in een public preview, de macOS-app spreekt voorlopig alleen Engels, en over Europese beschikbaarheid staat er niets. Wie transcriptie in een werkproces wil inbouwen, vraagt dat eerst uit voor hij een gevoelig gesprek de leiding in stuurt.

Volgende Stap

Kijk deze week naar de plek waar bij jou spraak in tekst wordt omgezet: notulen, klantgesprekken, interviews, ondertiteling. Zet er twee vragen bij. Eén: wil je hier een schoon verslag of een letterlijk transcript, en weet degene die het gebruikt welke van de twee hij krijgt? Twee: waar staat die audio na verwerking, en heb je dat met je leverancier vastgelegd?

Weet je het antwoord op de tweede vraag niet, dan is dat het antwoord. Wil je die keuze een keer goed maken voor de gesprekken die er bij jou toe doen, neem contact op.

Headerbeeld: Google.