Deepgram of GPT Transcribe: snelheid versus woordfouten

Voor grote hoeveelheden opgenomen audio heeft Deepgram Nova-3 in de batchmeting van Artificial Analysis de snelheidsvoorsprong: de mediane snelheidsfactor is 621,8 tegenover 44,2 voor GPT Transcribe. Voor woordherkenning draait de uitslag om: GPT Transcribe komt uit op 3,3% woordfouten en Nova-3 op 5,2%. Welke dienst beter past, hangt dus af van de vraag of doorlooptijd of correctiewerk zwaarder weegt.

Voor een Nederlandse of Vlaamse transcriptie-API komt daar een grens bij: de gepubliceerde foutpercentages zijn geen afzonderlijke meting van uw eigen sprekers en opnames. Ook de verwerking van een audiobestand zegt weinig over de wachttijd tijdens een lopend gesprek. Vergelijk daarom nauwkeurigheid, livegedrag en het tarief van de benodigde taalinstelling als verschillende onderdelen van dezelfde keuze.

Woordfouten veranderen met het soort audio

WER, het woordfoutpercentage, telt vervangingen, toevoegingen en weglatingen ten opzichte van een gecontroleerd transcript. De batchranglijst combineert gesproken interacties, parlementaire toespraken en financiële gesprekken tot één gemiddelde. Dat is nuttig om modellen op dezelfde meetlat te zetten, maar een gemiddeld cijfer verbergt waar de fouten vallen: een verkeerd herkende productnaam in een archief en een gemiste ontkenning in een klantgesprek hebben een ander gevolg.

Een afzonderlijke WER-proef met gedeelde audiobestanden toont hoe de rangorde met het materiaal verschuift. Op helder voorgelezen LibriSpeech scoort GPT-4o Transcribe 1,47% en Nova-3 2,50%; op financiële Earnings-22-gesprekken zijn het respectievelijk 18,55% en 16,13%. Deze proef gebruikt GPT-4o Transcribe, niet GPT Transcribe uit de actuele batchranglijst. De metingen kunnen daarom niet tot één nieuwe totaalscore worden samengevoegd, maar maken wel concreet waarom domeintaal en opnameomstandigheden de keuze kunnen keren.

Ook een lage WER vertelt niet of uitspraken aan de juiste spreker worden toegeschreven. Bij een interview of vergadering kan een verwisseld sprekerlabel het transcript minder bruikbaar maken zonder dat de woordherkenning sterk verslechtert. Voor een doorzoekbaar archief zijn namen en vaktermen vaak een zinvollere aanvullende telling dan nog een algemeen gemiddelde.

Batchsnelheid is iets anders dan wachten op live tekst

Een snelheidsfactor voor bestanden drukt uit hoeveel seconden audio in één seconde verwerking worden afgehandeld. De gepubliceerde factor berust op opnames van tien minuten en kan bij zeer korte clips anders uitvallen. Voor een groot archief bepaalt hij mede hoe snel de wachtrij verdwijnt; voor live ondertiteling is vooral de tijd tussen uitgesproken woorden en bruikbare tekst zichtbaar.

Bij een gesprek zijn bovendien twee momenten relevant: het eerste voorlopige transcript en de definitieve versie na een spreekbeurt. Voorlopige woorden kunnen nog veranderen. Een toepassing die direct ondertitels toont, heeft daarom zowel een grens voor vertraging als een grens voor de stabiliteit van die voorlopige tekst nodig. Een dienst die bestanden razendsnel afhandelt, wint op die criteria niet automatisch.

GPT Transcribe verwerkt afgeronde spreekbeurten in Realtime via WebSocket. Gestreamde uitvoer van een voltooid audiobestand is een andere modus: de tekst komt in delen binnen, maar de opname zelf is al afgelopen. Wie een telefonische assistent of live ondertiteling bouwt, moet die gebruiksvormen uit elkaar houden voordat een snelheidsclaim betekenis krijgt.

Nederlands, Vlaams en taalwisseling

Voor Nova-3 noemt Deepgrams talenoverzicht Nederlands als nl, Vlaams als nl-BE en een meertalige instelling als multi; zonder taalkeuze is Engels de standaard. Een beschikbare taalcode is geen gemeten foutscore voor een Belgisch accent, een rumoerige opname of een gesprek met Engelse productnamen. De monolinguale en meertalige configuratie kunnen daardoor zowel de herkenning als de rekening veranderen.

De modelinformatie van OpenAI beschrijft voor GPT Transcribe bestandstranscriptie en afgeronde spreekbeurten in Realtime, plus trefwoordhints, taalhints, ondersteuning voor taalwisseling en een tarief van $0,0045 per audiominuut. Een eerlijke vergelijking geeft beide diensten dezelfde fragmenten en legt vast welke hints en taalinstellingen actief zijn. Een gemengd Nederlands-Engels gesprek met vaktermen vraagt iets anders dan een eentalige opname met één spreker.

Wat 100 en 1.000 uur kosten

De Pay As You Go-tarieven van Deepgram zijn voor vooraf opgenomen audio $0,0043 per minuut met Nova-3 Monolingual en $0,0052 met Nova-3 Multilingual. Voor streaming vermeldt de aanbieder tijdelijke tarieven van $0,0048 en $0,0058 per minuut; trefwoordsturing en sprekerlabels kunnen daar extra kosten. Die liveprijzen horen dus niet in dezelfde berekening als de tarieven voor audiobestanden.

Bij 100 uur, of 6.000 audiominuten, bedraagt de basisrekening voor bestanden $25,80 met Nova-3 Monolingual, $31,20 met Nova-3 Multilingual en $27 met GPT Transcribe. Bij 1.000 uur loopt dat op tot respectievelijk $258, $312 en $270. Dit is uitsluitend de vermenigvuldiging van audiominuten met de genoemde basistarieven; belastingen, bijzondere contracten en eventuele extra functies blijven erbuiten.

Het verschil tussen Nova-3 Monolingual en GPT Transcribe bedraagt zo $1,20 per 100 uur, maar de meertalige Nova-3-route kost in hetzelfde voorbeeld $4,20 meer dan GPT Transcribe. Voor wisselende talen is het laagste monolinguale tarief dus niet vanzelfsprekend de juiste vergelijkingsbasis. Bij een live toepassing tellen ook het streamingtarief en eventuele toeslagen mee; een batchrekening als totale begroting gebruiken zou de kosten onderschatten.

Eigen fragmenten geven de doorslag

Een testset moet de verdeling van het echte werk weerspiegelen. Wie vooral korte klantvragen verwerkt, moet die niet laten verdrinken in lange, heldere opnames; bij interviews horen ook meerdere sprekers en onderbrekingen in de selectie. Neem Nederlandse en Vlaamse stemmen op, met de accenten, vaktermen en achtergrondgeluiden die in de toepassing voorkomen.

Maak per fragment een gecontroleerd referentietranscript en laat hetzelfde audiobestand met de gekozen instellingen door beide diensten verwerken. Bereken WER per soort opname en tel daarnaast fouten in namen, bedragen, ontkenningen en sprekerlabels. Test een live route afzonderlijk: meet de tijd tot voorlopige en definitieve tekst, en kijk hoe vaak voorlopige woorden nog veranderen.

Pas daarna zijn de kosten vergelijkbaar met de uitkomst. Een lagere basisprijs helpt weinig als een meertalige instelling of betaalde trefwoordsturing nodig is, terwijl een kleine winst in woordherkenning bij gemakkelijk audio mogelijk weinig correctiewerk bespaart. De keuze wordt concreet wanneer prijs, wachttijd en fouten allemaal op dezelfde Nederlandse en Vlaamse opnames zijn gemeten.