Wie met een Limburgs, Gronings of buitenlands accent spreekt, wordt niet altijd goed verstaan door AI. Het Nederlandse spraakmodel Murmel wil daar verandering in brengen en scoort in nieuwe tests opvallend goed op inclusieve spraakherkenning.
Veel spraaktechnologie heeft moeite met regionale accenten en niet-standaard uitspraak. Wie anders spreekt dan de “gemiddelde” trainingsdata van een AI-model, loopt sneller tegen verkeerde transcripties aan. Het Nederlandse spraakmodel Murmel wil dat verschil kleiner maken.
Murmel is ontwikkeld door Maarten Sukel van The AI Factory en is specifiek getraind op duizenden uren Nederlandse spraakdata. Daardoor begrijpt het model Nederlandse accenten naar eigen zeggen beter dan veel bestaande systemen die vooral op Engelstalige data zijn gebaseerd.
AI begrijpt regionale accenten nog lang niet altijd goed
Voor het onderzoek analyseerden de ontwikkelaars negen uur aan Tweede Kamer-audio met sprekers uit elf Nederlandse provincies. Daarbij werden zes veelgebruikte open-source spraakmodellen met elkaar vergeleken.
Murmel behaalde volgens de benchmark in alle provincies het laagste foutenpercentage. Vooral bij Groningse accenten viel het verschil op. Daar maakte het model 6,4 procent fouten, tegenover 9,3 procent bij het best scorende alternatief. Ook Limburgse accenten werden nauwkeuriger herkend.
In de praktijk betekent dat dat gesprekken beter worden omgezet naar tekst. Dat is relevant voor alles van vergaderingen en interviews tot automatische ondertiteling en transcripties.
--- Sidenote: Wil je ons vaker zien als je googelt? ---
Voeg TechGirl toe als jouw voorkeursbron en kom ons meer tegen in Google zoekresultaten!
Volgens Sukel draait het daarbij niet alleen om technologie, maar vooral om toegankelijkheid: “Spraaktechnologie is pas echt inclusief als die iedereen verstaat.”
Nederlands vaak bijzaak in internationale AI-modellen
Veel bestaande AI-spraakmodellen worden voornamelijk getraind op Engelstalige data. Nederlands wordt vaak pas later toegevoegd, met aanzienlijk minder trainingsmateriaal. Daardoor herkennen systemen regionale accenten of afwijkende uitspraak minder goed.
Murmel kiest juist voor een Nederlandse focus. Het model is getraind op duizenden uren openbaar beschikbare Nederlandse spraak. Daarbij worden ook natuurlijke spreekpatronen meegenomen, inclusief stopwoorden, dialectinvloeden en spontane zinnen.
Ook sprekers die buiten Nederland zijn geboren werden in de benchmark beter verstaan. Daar behaalde Murmel een foutenpercentage van 12,4 procent, terwijl alternatieven tussen de 16,1 en 20,7 procent scoorden.
Van gemeenteraad tot zorggesprek
Het AI-model wordt inmiddels gebruikt voor uiteenlopende toepassingen. Denk aan het uitschrijven van:
- raadsvergaderingen
- telefoongesprekken
- gesprekken in de zorg
- radio- en televisiearchieven
Volgens de ontwikkelaars gebruiken inmiddels zo’n 200 organisaties en gebruikers het systeem, waaronder overheden, mediabedrijven en zorginstellingen. Ook David Graus van de Universiteit van Amsterdam zet Murmel samen met studenten in om gemeenteraadsvergaderingen automatisch te transcriberen. Dat moet lokale politieke informatie toegankelijker maken voor burgers.
