Realtime transcriptie en vertaling uitgelegd: hoe live spraak-naar-tekst werkt, hoe ver het achterloopt, wat de nauwkeurigheid bepaalt en wat het kost.
Realtime transcriptie zet spraak om in tekst terwijl de persoon nog praat. Woorden verschijnen kort nadat ze zijn gezegd op het scherm, zetten zich vast tot definitieve regels en kunnen worden gelezen door iedereen die meevolgt. Voeg realtime vertaling toe en elke lezer kan dezelfde toespraak in zijn eigen taal volgen, als tekst of hardop voorgelezen.
Deze gids behandelt realtime transcriptie en vertaling van beide kanten: wat een luisteraar ziet, waar de audio vandaan kan komen, wat de nauwkeurigheid bepaalt, wat ontwikkelaars uit een API halen en wat het kost.
Realtime transcriptie, ook wel livetranscriptie of live spraak-naar-tekst genoemd, is spraakherkenning die draait terwijl de audio nog binnenkomt. Een opgenomen bestand kan worden getranscribeerd met de hele opname bij de hand. Een livetranscriptie moet zich vastleggen op woorden met alleen de laatste paar seconden om op af te gaan, en de spreker bijhouden zolang die praat.
Live ondertitels zijn hetzelfde, getoond als korte regels over een video of op een scherm.
Bij VocalStack kan een livetranscriptie in 100 talen luisteren. Hij herkent zelf de gesproken taal en volgt de spreker als die wisselt, wat hoe automatische taalherkenning werkt uitlegt, samen met wanneer je de taal beter vooraf kunt opgeven.
Tekst komt in twee fasen aan. De nieuwste woorden verschijnen eerst als concept, dat nog kan veranderen als er meer audio binnenkomt. Even later zet het concept zich vast tot een definitieve regel die niet meer verandert.
Het concept bestaat omdat een herkenner een woord deels bepaalt aan de hand van wat erop volgt. "Ice cream" en "I scream" klinken hetzelfde tot het volgende woord binnenkomt. De gok vroeg tonen is wat een transcript live laat aanvoelen.
Hoe ver de tekst achterloopt op de spreker, hangt af van de fase:
Twee vertragingen vallen buiten die keten. Wanneer de bron een openbare stream is in plaats van een microfoon, loopt de stream zelf al achter op zijn live rand: een tot drie seconden voor een gewone internetradiostream, en van enkele seconden tot een halve minuut voor HLS. En bij Pay as you go kan het tot 15 seconden duren voordat een livetranscriptie start. De volledige uitsplitsing, inclusief de latentiemodi Auto, Fast en Accuracy, staat in latentie van live vertaling, uitgelegd.
Vertaling draait bovenop het transcript. Een livetranscriptie kan tegelijk naar maximaal 10 talen worden vertaald, gekozen uit 100. Elke luisteraar kiest er op zijn eigen apparaat een en kan op elk moment wisselen; het transcript tot dan toe wordt opnieuw getoond in de nieuwe taal.
Elke taal wordt vertaald uit hetzelfde transcript, dus elke luisteraar krijgt dezelfde woorden, en een correctie bereikt ze allemaal.
Een luisteraar die liever luistert dan leest, kan elke vertaalde regel hardop laten voorlezen. Standaard krijgt elke spreker een aparte standaardstem van passend geslacht, zodat een paneel nog steeds als meerdere mensen klinkt. Met toestemming van een spreker kan een host de stem van die spreker kloneren uit ongeveer 30 seconden waarin hij alleen praat, en de vertaling wordt dan in zijn eigen stem voorgelezen.
De regel voor stemmen is met opzet smal. Een stem leest altijd alleen voor wat diezelfde persoon heeft gezegd, vertaald naar een taal die de luisteraar koos. Hij leest nooit tekst die iemand intypt voor, en nooit de woorden van de ene spreker in de stem van een andere.
Hoe dit voor een hele zaal werkt, van de opzet van de host tot een laatkomer, staat in één link, elke taal.
Een livetranscriptie heeft een audiobron nodig. Dit zijn de bronnen die VocalStack nu aanneemt:
Ondertitels in de eigen speler van YouTube, via de CC-knop, komen binnenkort. Tot die tijd volgen kijkers van een YouTube-stream de ondertitels via de uitzendingslink.
Heb je vandaag livetranscriptie op Windows nodig, dan werken de Chrome- of Edge-extensie, de OBS-plug-in en het Dashboard in een browser daar.
Een uitzending is hoe anderen een livetranscriptie volgen. Het is een link en een QR-code. Luisteraars openen hem in een browser, kiezen een taal en lezen mee. Ze hebben geen account nodig, installeren niets en kosten niets: de rekening verandert niet met het aantal luisteraars of talen.
Een uitzending is standaard openbaar en kan met een wachtwoord worden beveiligd. Hernoem je de link, dan blijft de oude werken, zodat een QR-code die op een programma is gedrukt niet verouderd raakt. Eén uitzending kan meerdere livetranscripties dragen, zodat twee podia één link kunnen delen.
Een luisteraar die laat binnenkomt, ziet alles wat vóór zijn komst is gezegd en volgt dan live. Daarna toont de weergave Audience wie er luisterde, in welke taal en wanneer die erbij kwam.
Voor evenementen behandelt de checklist voor meertalige conferenties audio, podia en budget, en livetranscriptie voor kerken, collegezalen en raadszalen behandelt de wekelijkse versie van dezelfde opzet.
Alles hierboven kan vanuit code. Voor live audio in je eigen app heeft de API realtimesessies: je server doet één aanroep naar POST /v1/realtime/sessions met een API-sleutel en krijgt een kortlevende streamUrl terug. Je client opent er een WebSocket naar, stuurt ruwe audio terwijl die wordt opgenomen, en leest het transcript terug als JSON-frames.
De frames volgen dezelfde twee fasen die een lezer ziet. Een transcript.draft vervangt de live staart, een transcript.committed voegt een definitieve regel toe, en met vertaling aan komen hele zinnen aan met hun vertalingen erbij. Doeltalen, sprekerlabels en de latentiemodus kunnen midden in de sessie worden gewijzigd met session.update.
Een realtimesessie slaat niets op. Wil je dat de woorden worden bewaard, gecorrigeerd en met een publiek gedeeld, dan publiceer je de audio naar een livetranscriptie en een uitzending. Officiële SDK's voor TypeScript, Python en PHP verpakken beide, en met een MCP-server kan een AI-assistent hetzelfde account gebruiken.
De WebSocket-tutorial bouwt stap voor stap een werkende ondertitelweergave, en de API-referentie heeft elk veld. API-gebruik wordt tegen hetzelfde tarief gefactureerd als het Dashboard.
Nauwkeurigheid wordt vooral bepaald voordat er een herkenner draait, door de audio die hij krijgt. Vier dingen maken het grootste verschil.
De microfoon. Een microfoon dicht bij de spreker, of een feed van het mengpaneel van de locatie, draagt de stem met weinig van de ruimte erin. Een telefoon op een tafel hoort de spreker plus echo, stoelen en gehoest. Dit is de grootste factor, en waarom een telefoon niet genoeg is voor een zaal legt uit waarom.
Geluid en overlap. Achtergrondgeluid veroorzaakt weggevallen en verzonnen woorden, en twee mensen die tegelijk praten, brengen zowel de woorden als wie ze zei in de war. Fouten bij audiotranscriptie noemt zeven veelvoorkomende oorzaken, hoe elk eruitziet en hoe je het verhelpt.
Een referentiescript. Bekende namen en termen worden zoals ze zijn herkend. De productnamen van een bedrijf, een interne afkorting of de ongewone achternaam van een gast kunnen niet van tevoren bekend zijn, dus voeg voor de start een script of dia's toe, en de namen en termen daarin worden precies geschreven zoals jij ze spelde.
Sprekerlabels. Labels kunnen Off, On of When Needed zijn, wat ze aanzet zodra een tweede spreker te horen is. Sprekerdiarisatie versus spraakherkenning legt uit hoe de twee antwoorden, wat er werd gezegd en wie het zei, afzonderlijk zijn en apart worden gecorrigeerd.
De latentiemodus doet er ook toe: Fast brengt tekst eerder naar buiten maar herziet er meer van, Accuracy wacht iets langer.
Eén nauwkeurigheidscijfer zegt minder dan het lijkt. Het woordfoutpercentage telt een verkeerde naam even zwaar als een weggevallen "de", en daarom pleit wat het woordfoutpercentage meet, en wat het mist ervoor een systeem te beoordelen op welke fouten je kunt opvangen en herstellen.
Geen enkel livetranscript is perfect, dus het hostscherm heeft een tabblad Fix. Het kan de woorden markeren waarvan de herkenner niet zeker was, en elke regel kan worden geopend en gecorrigeerd. Een tweede persoon aan het mengpaneel kan ze doorwerken terwijl de spreker doorgaat.
Wanneer de host een woord of regel herschrijft, zelfs een die nog wordt uitgesproken, ziet elke luisteraar de correctie, in elke taal. Een regel die met te weinig zekerheid is gehoord, wordt voor luisteraars verborgen als "Audio unclear" in plaats van fout getoond; de host ziet hem nog steeds.
De opname wordt bewaard met zijn transcript, correcties en vertalingen. Daarna kun je:
Hoe lang audio en transcripten worden bewaard, hangt af van het abonnement, en de prijspagina vermeldt het.
De meeste livetranscriptietools lijken in een demo op elkaar; de verschillen komen naar voren bij onderstaande vragen. De rechterkolom beschrijft VocalStack zoals het nu is.
| Vraag | Waarom het ertoe doet | VocalStack |
|---|---|---|
| Welke talen kan het horen? | Een tool die de taal van de spreker niet kan transcriberen, kan niet helpen, hoe goed de vertaling ook is. | 100 talen, automatisch herkend, met wisselen midden in een lezing |
| Hoe ver loopt de tekst achter op de spreker? | Lezers merken een groeiende kloof meer op dan af en toe een verkeerd woord. | Brontekst een fractie van een seconde achter, vertaling een of twee seconden later; drie latentiemodi |
| Vertaalt het, en wie kiest de taal? | Eén ondertiteltaal op één scherm laat iedereen anders buiten. | Maximaal 10 talen per transcriptie, elke luisteraar kiest de zijne |
| Kan het de vertaling uitspreken? | Sommige luisteraars kunnen niet meelezen, of willen dat liever niet. | Standaardstemmen als standaard; de gekloonde stem van een spreker met zijn toestemming |
| Hoe bereikt het publiek het? | Apps en accounts verliezen mensen bij de deur. | Eén link en QR-code, geen account, optioneel wachtwoord |
| Kun je fouten live herstellen? | Een verkeerd verstane naam die een uur lang wordt herhaald, doet echt schade. | Live correcties naar elke luisteraar gestuurd |
| Waar kan de audio vandaan komen? | Je opzet hoort niet te veranderen om bij de tool te passen. | Microfoon, browserextensies, desktop-app, OBS, RTMP, streamlinks |
| Is er een API? | Misschien wil je ondertitels in je eigen product. | REST- en WebSocket-API, SDK's, MCP-server, hetzelfde tarief als het Dashboard |
| Hoe is de prijs opgebouwd? | Prijzen per luisteraar of per plek groeien met je publiek. | Per seconde audio; luisteraars en talen gratis |
Bij VocalStack betaal je per seconde getranscribeerde audio. Op het moment van schrijven kost livetranscriptie $0.60 per uur en bestanden $0.20 per uur, op elk abonnement, in het Dashboard en via de API. Vertaling, stemmen, samenvattingen, uitzenden en luisteraars voegen nooit iets toe aan de rekening, dus een lezing van een uur die door 200 mensen in vijf talen wordt gelezen, kost dezelfde $0.60 als een die door niemand wordt gelezen.
De abonnementen verschillen op een paar punten:
Hoeft niemand mee te lezen terwijl het gebeurt, upload de opname dan achteraf tegen het bestandstarief. Actuele prijzen, bewaartermijnen en limieten per abonnement staan op de prijspagina.
Een nieuw VocalStack-account komt met $5 registratietegoed en heeft geen creditcard nodig. Tegen $0.60 per uur is dat ongeveer acht uur livetranscriptie, met vertaling en uitzenden erbij. Daarna betaal je per seconde. Luisteraars zijn altijd gratis.
Ja. Een livetranscriptie kan tegelijk naar maximaal 10 talen worden vertaald terwijl de persoon praat. De vertaling verschijnt een of twee seconden na de oorspronkelijke tekst, en elke luisteraar kiest zijn eigen taal.
Het hangt vooral af van de audio. Een microfoon dichtbij of een feed van het mengpaneel, weinig achtergrondgeluid, steeds één persoon die praat en een referentiescript met de namen erin geven de beste resultaten. Met live correcties kan een host herstellen wat nog fout is terwijl de lezing doorgaat.
De tekst in de oorspronkelijke taal loopt een fractie van een seconde achter op de spreker, en vertalingen volgen een of twee seconden later. Een openbare stream voegt zijn eigen vertraging toe voordat de audio VocalStack bereikt.
Ja, via de Chrome- of Edge-extensie, de OBS Studio-plug-in of het Dashboard in een browser. De desktop-app draait nu op macOS, met Windows binnenkort.
Nee. Luisteraars openen de uitzendingslink of scannen de QR-code in een browser, kiezen een taal en lezen. Er is niets te installeren.
Open het Dashboard, start een livetranscriptie vanaf je microfoon en open de uitzendingslink op je telefoon. Het registratietegoed dekt je eerste uren, en je kunt zelf zien hoe de concepten zich vastzetten en de vertaling volgt.