Speech-to-Text

De prijs is bijna altijd per minuut audio. Flagship-modellen (Whisper Large V3, Deepgram Nova-3, ElevenLabs Scribe) kosten ongeveer €0,005-€0,015 per minuut. Een transcript van een podcast van een uur kost €0,30-€0,90 afhankelijk van de tier. Sommige providers rekenen extra voor premiumfuncties zoals sprekerdiarisatie, timestamps op woordniveau, samenvattingen of vertaling, dus reken het door met de functies die je daadwerkelijk inschakelt.

De afweging is nauwkeurigheid, latency en functieomvang. Whisper Large V3 leidt op ruw word-error-rate in benchmarkevaluaties en is open-weights, dus self-hostbaar. Deepgram Nova-3 en AssemblyAI Universal leiden op streaming-latency (sub-300ms eerste token) en kwaliteit van diarisatie. ElevenLabs Scribe leidt op meertalige dekking en code-switching (wanneer sprekers midden in een zin van taal wisselen). Voor batchtranscriptie wint Whisper meestal op de combinatie kosten-en-nauwkeurigheid. Voor realtime gesprekstranscriptie wint een streaming-first provider.

Pas op met ruisaudio: de word-error-rate verdubbelt ruwweg onder 20 dB SNR op elk model, en overlappende sprekers degraderen diarisatie zelfs bij flagships. Pre-process met een ruisonderdrukkingsmodel (RNNoise, Krisp) als je bron onvoorspelbaar is. Pas ook op met eigennamen: elk model transcribeert nog altijd ongebruikelijke namen, technische termen en merknamen verkeerd. De meeste providers accepteren een `keywords`-hintlijst om de decoder bij te sturen — gebruik die.

De topkeuzes hierboven dekken het nauwkeurigste model, het goedkoopste werkpaard, de optie die de langste audio ondersteunt en de snelste streaming-optie.