---
title: "Dicteren met AI: hoe spraakherkenning uw vakjargon leert"
description: "Spraakherkenning, correctie met AI en een correctiegeheugen: hoe moderne dicteersoftware werkt, en waarom ze struikelt over uw technische termen."
url: "https://techvoice.fr/nl/blog/hoe-werkt-spraakherkenning-met-ai"
language: "nl-BE"
published: "2026-11-09"
updated: "2026-11-09"
author: "Het TechVoice-team"
---

# Dicteren met AI: hoe spraakherkenning uw vakjargon leert

> Spraakherkenning, correctie met AI en een correctiegeheugen: hoe moderne dicteersoftware werkt, en waarom ze struikelt over uw technische termen.

U dicteert “correctie van hallux valgus via Scarf-osteotomie”. Op het scherm verschijnt “correctie van Puralux valgus”. Uw microfoon is niet de schuldige, en uw uitspraak evenmin: het ligt aan de manier waarop spraakherkenning haar woorden kiest.

Transcriptiemodellen worden getraind op enorme hoeveelheden alledaagse spraak. De termen uit uw vak komen daarin maar zelden voor. Is de klank dubbelzinnig, dan kiest het model de woordreeks die in *zijn* ervaring het waarschijnlijkst is, niet in de uwe. Professionele dicteersoftware moet dus meer doen dan transcriberen: ze moet uw vakjargon kennen, corrigeren zonder uw woorden geweld aan te doen en onthouden wat u haar aanleert. Zo werkt dat, laag per laag.

1. **Uw stem** — Live gedicteerd of als geïmporteerd bestand
2. **Transcriptie** — Voxtral, van Mistral AI
3. **Correctie** — Met uw vakjargon en uw eerdere correcties
4. **Getrouwheidscontrole** — Te veel wijzigingen: de herkende tekst blijft behouden
5. **Uw tekst** — U leest na; uw aanpassingen voeden het geheugen

*De dicteerketen van TechVoice. Elke stap na de transcriptie kan mislukken zonder dat de tekst verloren gaat.*

## Stap 1: spraak omzetten in tekst

De eerste laag is de spraakherkenning zelf: *speech-to-text*, of spraak naar tekst. TechVoice gebruikt Voxtral, de modellenfamilie van Mistral AI, op twee manieren:

- **live**: de audio wordt in kleine stukjes verstuurd en de tekst verschijnt terwijl u spreekt;
- **bij import**: het model krijgt de volledige opname en kent dus de hele context voor het iets opschrijft.

De tweede manier maakt minder fouten. Op ons testcorpus bevatte de ruwe tekst live 25,2% fouten op vaktermen, tegenover 9,6% bij import, met de nieuwste generatie Voxtral-modellen. Wie tot het einde luistert, kan dubbelzinnigheden beter oplossen.

Bij sommige API’s kunt u het model een lijst met voorkeurstermen influisteren: *context biasing*. De API van Voxtral ondersteunt dat, met beperkingen: hoogstens 100 termen, geen spaties binnen een term, en een werking die Mistral buiten het Engels experimenteel noemt. Bij onze Franstalige dictaten leverde die lijst na de correctie niets op, en live maakte ze het resultaat zelfs slechter. Het vakjargon moet dus elders zijn werk doen.

## Stap 2: corrigeren zonder te herschrijven

Zodra de transcriptie klaar is, leest een taalmodel de ruwe tekst na, met twee extra gegevens: uw vakjargon en uw eerdere correcties. Het weet dat “Phalux valgus” in een verslag over voetchirurgie vrijwel zeker “hallux valgus” moet zijn. In onze testopstelling daalt het foutenpercentage op vaktermen door deze stap van ongeveer 25% naar ongeveer 5% bij live dicteren.

Het risico is bekend: een taalmodel dat de opdracht krijgt om te corrigeren, wil graag *verbeteren*. Het strijkt een zin glad, vult hem aan, gooit hem om. Voor een e-mail is dat een dienst; voor een medisch of juridisch verslag is het een gevaar. Eén verschoven ontkenning volstaat om de betekenis om te keren: “geen longembolie” is iets heel anders dan “longembolie”.

TechVoice bouwt daarom twee vangrails in:

1. **Strikte instructies.** Het model corrigeert alleen herkenningsfouten. Het voegt geen informatie toe, schrapt niets en herformuleert niets, en laat een dubbelzinnige passage liever ongemoeid dan iets te verzinnen.
2. **Een mechanische controle.** Na de correctie vergelijkt een programma de gecorrigeerde tekst met de herkende tekst, woord voor woord en **in volgorde**. Ligt het aandeel gewijzigde woorden boven een drempel, dan wordt de correctie verworpen en krijgt u de ruwe transcriptie. In volgorde vergelijken is essentieel: wie alleen woorden telt, ziet niet dat een ontkenning van plaats is veranderd.

Dat is een bewuste keuze: liever een ruwe tekst dan een vlotte tekst die niet strookt met wat u zei. En elke correctie blijft zichtbaar: één klik toont wat er veranderd is.

## Stap 3: een geheugen dat van u is

Hoe goed de correctie is, hangt af van wat het model over uw vak weet. TechVoice bouwt die kennis op uit drie bronnen, van de meest algemene tot de meest persoonlijke.

**Uw vakgebied.** Bij uw registratie geeft u uw domein op. TechVoice zoekt dan de termen van dat vakgebied op in de wetenschappelijke literatuur van het open archief [HAL](https://hal.science), in de taal waarin u dicteert. Dat is vanaf het eerste dictaat een nuttig vangnet, zonder dat u er iets voor hoeft te doen, maar het blijft algemeen.

**Uw documenten.** Upload enkele verslagen, brieven of sjablonen (pdf of Word): TechVoice haalt er de termen uit en vergeet daarna de tekst. Dat is de beste bron om mee te starten. In onze metingen deden 309 termen van de website van een chirurg het beter dan 3.753 termen uit de literatuur. Een woordenlijst wordt niet beter naarmate ze groter is, maar naarmate ze meer uw taal spreekt.

**Uw correcties.** Dit is het hart van het systeem. Wanneer u een woord aanpast, slaat TechVoice het paar “wat er stond → wat juist was” op, bijvoorbeeld *Phalux → Hallux*. Een tweede controle onderscheidt echte herkenningsfouten van louter stilistische aanpassingen, zodat een herformulering van uw kant geen regel wordt. Bij volgende dictaten krijgt het correctiemodel die paren mee.

Het effect is meetbaar. Toen elk dictaat in ons corpus alleen profiteerde van de correcties uit de *andere* dictaten, daalde het foutenpercentage op vaktermen van 13,9% naar 1,7%. Dat is beter dan het correctiemodel de exacte lijst van verwachte termen te geven (2,6%): de precieze fout samen met de correctie tonen, helpt het model meer dan alleen het juiste woord.

Niets aan dat geheugen is ondoorzichtig. In het tabblad Geheugen ziet u uw vakjargon, uw documenten en elke geleerde correctie, en u kunt ze op elk moment aanpassen of verwijderen.

## Wat dat in de praktijk verandert

Een echt voorbeeld, nagegaan in de applicatie. Een chirurg dicteert in het Frans een verslag van een voetoperatie. Voxtral hoort “Puralux valgus”; het correctiemodel stelt “Phalux valgus” voor, al dichter bij de waarheid maar nog altijd fout. De chirurg verbetert het in “Hallux valgus” en slaat op. Het paar wordt geleerd, de term komt in zijn vakjargon terecht, en wanneer hetzelfde dictaat opnieuw wordt verwerkt, verschijnt voortaan “Hallux valgus”.

Dat is de belofte van dicteersoftware die bijleert: elke correctie die u maakt, werkt voor de volgende dictaten. En als er onderweg een laag faalt (netwerkonderbreking, dienst niet beschikbaar, correctie verworpen), blijft de al getranscribeerde tekst staan. Niets van wat u gedicteerd hebt, gaat verloren.

## De beperkingen, eerlijk gezegd

- **Onze cijfers zijn optimistisch.** Ze komen van synthetische stemmen, zonder achtergrondgeluid of aarzelingen. Een echte stem in een echte praktijk, met een snel spreektempo, levert meer fouten op. De rangorde van de effecten blijft wel van meting tot meting overeind.
- **Getallen en eenheden** verdienen bij het nalezen extra aandacht: “tien milligram” en “10 mg” worden niet hetzelfde geschreven, en een fout in een cijfer valt niet uit de context af te leiden.
- **Nalezen blijft onmisbaar.** Zelfs uitstekende spraakherkenning levert een eerste versie op waarvan u de auteur blijft, en waarvoor u verantwoordelijk blijft.

Wilt u weten hoeveel tijd dicteren u kan opleveren? We maakten [de rekensom van de tijdwinst, document per document](https://techvoice.fr/nl/blog/dicteren-of-typen-tijdwinst). En wie meer wil weten over het transcriptiemodel zelf, leest [onze ervaringen met Voxtral](https://techvoice.fr/nl/blog/voxtral-mistral-ai-spraakherkenning).

## Bronnen

- Interne metingen van TechVoice, synthetische corpora van Franstalige verslagen uit de orthopedie en uit tien specialismen, september tot november 2026.
- Mistral AI, documentatie over audiotranscriptie en *context biasing*.
- [HAL](https://hal.science), multidisciplinair open archief.