Hoe nauwkeurig is lokale spraakherkenning vs cloud?

De vraag achter de vraag: lokaal of cloud?

Wie aan lokaal dicteren denkt, vermoedt vaak een ruil: meer privacy, maar minder nauwkeurigheid. Dat klinkt logisch — de cloud heeft grotere computers, dus zou betere herkenning hebben. Toch is die aanname niet langer vanzelfsprekend. Je kunt nauwkeurigheid niet aflezen aan de vraag of de berekening op je eigen apparaat of op een server gebeurt; het verschil tussen een degelijke lokale tool en een clouddienst is in de praktijk kleiner dan veel mensen denken.

Wat eerlijk is: kies je lokaal bewust voor een klein, snel model, dan lever je iets in ten opzichte van het grootste model. Dat is een knop die je zelf bedient, geen lot dat je ondergaat. Voor de meeste gebruikers valt zo'n verschil weg in de ruis van de échte foutenbronnen — en die liggen ergens anders dan je denkt.

We noemen hier bewust geen percentages. Elk getal dat je online vindt is gemeten op één dataset, in één taal, op één soort spraak. Het zegt weinig over hoe een tool het doet op jouw stem, jouw apparaat en jouw vakgebied. Wil je de brede afweging tussen lokaal en cloud (privacy, offline, kosten, datasoevereiniteit), lees dan lokaal vs cloud dicteren; op deze pagina graven we juist in nauwkeurigheid zelf.

Waar de fouten echt vandaan komen

Vraag een leverancier naar nauwkeurigheid en je krijgt een mooi getal. Vraag een ervaren dicteerder en je krijgt een lijstje variabelen. Dat lijstje is eerlijker, want het is wat je in de praktijk merkt. De grootste hefbomen liggen niet bij het model maar bij de omstandigheden.

Vier factoren bepalen het leeuwendeel: je microfoon (een rustige, dichtbij geplaatste mic doet het doorgaans veel beter dan een laptopmicrofoon op afstand), je spreektempo en articulatie (rustig en duidelijk spreken levert minder fouten dan haastig mompelen), het achtergrondgeluid (een open kantoor of een rinkelende telefoon kost herkenning) en de taal of het accent waarin je dicteert. Geen van deze vier wordt beter of slechter door de keuze cloud-of-lokaal.

Dit is goed nieuws, want het betekent dat je de meeste winst zelf in handen hebt. Een betere microfoon en een iets rustiger tempo doen vaak meer voor je foutpercentage dan welke modelkeuze ook. De vraag is dus niet alleen 'welk model is het beste', maar 'onder welke omstandigheden laat ik dat model zijn werk doen'.

De factor die niemand in een benchmark stopt: jouw jargon

Geen enkel standaardmodel — cloud noch lokaal — kent jouw vaktaal van nature. Een specifieke medicatienaam, een juridisch begrip, een interne afkorting of een productnaam: dat zijn precies de woorden die fout gaan, en het zijn precies de woorden waar het in een dossier op aankomt. Eén verkeerd gespeld preparaat of een verhaspelde verwijzing naar een wetsartikel kost je de gewonnen tijd terug in nakijken.

Daarom telt jargon-nauwkeurigheid vaak zwaarder dan algemene nauwkeurigheid. In Dictum voeg je je eigen woorden toe en rol je die centraal uit naar je team, zodat iedereen dezelfde termen op dezelfde manier gespeld krijgt. Daarnaast zijn er 35 gratis sectorpakketten met vaktermen per vakgebied — meer daarover op jargonpakketten. Dit is de hefboom die een benchmark nooit meet, omdat een benchmark jouw woordenlijst niet kent.

Het effect is concreet: waar een standaardmodel een vakterm telkens net verkeerd opvangt, stuurt jouw woordenlijst de herkenning bij naar de juiste schrijfwijze, in elk programma waar je dicteert. Voor een huisarts, advocaat of accountant is dat het verschil tussen 'leuk speeltje' en 'bruikbaar gereedschap'. Zie bijvoorbeeld hoe dat uitpakt voor de juridische sector of de zorg.

Verbatim: voor een dossier telt elk woord

Er is een tweede dimensie van nauwkeurigheid die los staat van het foutpercentage: doet de tool wat je zegt, of wat hij denkt dat je bedoelt? Sommige AI-dicteertools 'verbeteren' je tekst — ze herschrijven, vatten samen, gladden af. Voor een losse notitie is dat handig. Voor een patiëntdossier, een proces-verbaal of een advies is het een risico, want je weet niet meer zeker of er staat wat jij gezegd hebt.

Dictum typt verbatim: letterlijk wat je zegt, geen AI die ongevraagd je tekst herschrijft. Wil je wél hulp met toon en stijl, dan zet je daarvoor de aparte tone-of-voice-module aan — die je zelf inschakelt en die net als de rest volledig lokaal draait. De standaard is bewust 'letterlijk', omdat dat de veilige standaard is voor wie verantwoording moet kunnen afleggen over wat er staat.

Voor gereguleerde sectoren is dit een onderschat punt. Nauwkeurigheid betekent daar niet alleen 'weinig spelfouten', maar 'controleerbaar terug te voeren op wat er werkelijk is gezegd'. Een verbatim-transcript kun je naderhand corrigeren tegen je eigen woorden; een stilletjes herschreven tekst niet.

Hoe je het eerlijk test (en wat wij niet beloven)

De enige nauwkeurigheidstest die telt, is die op je eigen werk. Geen brochure-percentage vervangt twintig minuten dicteren met jouw microfoon, jouw tempo en jouw tien meest gebruikte vaktermen. Daarom verzinnen we geen cijfers: we laten je liever zelf meten dan dat we een getal claimen dat op jouw situatie misschien niet klopt.

Een eerlijke test ziet er zo uit: dicteer een typisch stuk tekst, laat je vakjargon erin terugkomen, en tel waar de fouten zitten. Voeg dan je eigen woorden toe aan de woordenlijst en doe het opnieuw. Het verschil dat je dan ziet, is het verschil dat je dagelijks zou merken — en het zegt meer dan welk extern benchmarkcijfer ook. Vergelijk je meerdere tools, doe dat dan steeds met dezelfde tekst en mic; meer daarover op beste dicteerapp.

Wil je dat doen op je eigen taal en jargon, dan plannen we een gratis proefperiode van twintig minuten waarin je het zelf beoordeelt. Niet onze cijfers, maar jouw resultaat. Bekijk het aanbod of plan direct een gratis proefperiode.

Veelgestelde vragen

Is lokale spraakherkenning minder nauwkeurig dan cloud?

Niet noodzakelijk. De aanname dat cloud automatisch nauwkeuriger is, is niet langer vanzelfsprekend; in de praktijk is het verschil tussen een degelijke lokale tool en een clouddienst kleiner dan veel mensen denken. Je nauwkeurigheid wordt veel sterker bepaald door je microfoon, spreektempo, achtergrondgeluid, taal en vakjargon dan door de keuze cloud-of-lokaal. Kies je lokaal bewust een klein, snel model, dan lever je iets in ten opzichte van het grootste model — maar dat is een knop die je zelf bedient.

Hoe verhoog ik de nauwkeurigheid op mijn eigen vaktermen?

Door je eigen woorden toe te voegen aan de woordenlijst. Geen enkel standaardmodel kent jouw specifieke medicatienamen, juridische begrippen of interne afkortingen van nature — dat zijn precies de woorden die fout gaan. In Dictum voeg je die woorden toe en rol je ze centraal uit naar je team, en er zijn 35 gratis sectorpakketten met vaktermen per vakgebied.

Schrijft Dictum letterlijk op wat ik zeg?

Ja. Dictum typt verbatim: letterlijk wat je zegt, zonder AI die ongevraagd je tekst herschrijft of samenvat. Dat is de veilige standaard voor dossiers, waar je moet kunnen terugvoeren wat er werkelijk is gezegd. Wil je wél hulp met toon en stijl, dan zet je daarvoor de aparte tone-of-voice-module aan, die je zelf inschakelt en die net als de rest volledig lokaal op je apparaat draait.