Een Nederlands spraakherkenningsmodel presteert aanzienlijk beter bij het verstaan van regionale accenten dan internationale concurrenten. Bij sprekers met een Gronings accent maakt het Nederlands spraakmodel Murmel tot dertig procent minder fouten dan het best scorende alternatief. Dat blijkt uit onderzoek waarbij zes veelgebruikte spraakmodellen werden getest op negen uur audio van Tweede Kamerdebatten.
Nederlands spraakmodel presteert beter met regionale accenten
Gangbare spraaktechnologie heeft grote moeite met het verstaan van regionale accenten in Nederland, omdat de meeste spraakmodellen primair op Engelstalige data worden getraind. Het Nederlandse spraakmodel Murmel is speciaal ontwikkeld om deze kloof te dichten: uit onderzoek van negen uur audio uit Tweede Kamerdebatten blijkt dat Murmel tot 30 procent minder fouten maakt bij sprekers met een Gronings accent dan internationale concurrenten. Dit sluit aan bij groeiende internationale aandacht voor AI-modellen die lokale taal- en spreekvariaties beter aankunnen.
Voor ondernemers in callcenters, klantenservice en spraakgestuurde applicaties kan dit model betekenen dat automatisering van Nederlandse klantinteracties accurater en betrouwbaarder wordt, zelfs met sprekers uit alle regio’s. Bedrijven die nu investeren in lokale spraakherkenning kunnen zich onderscheiden door betere klantervaringen en lagere fouttarieven in automatische verwerking.
Nederlands spraakmodel Murmel getraind op duizenden uren
Gangbare spraaktechnologie heeft grote moeite met regionale accenten in Nederland. De meeste spraakmodellen worden primair getraind op Engelstalige data, waarbij Nederlands als extra taal wordt toegevoegd. Daardoor krijgen regionale accenten en niet-standaard uitspraak weinig aandacht in de training. Murmel daarentegen is speciaal getraind op duizenden uren openbaar beschikbare Nederlandse spraak.
Voor het onderzoek analyseerde ontwikkelaar The AI Factory negen uur aan Kamerdebatten met sprekers uit alle elf provincies. Het Nederlandse model scoorde in elke provincie het laagste foutenpercentage. Bij sprekers geboren in Limburg behaalde Murmel 14,6 procent fouten, terwijl de alternatieven tussen de 17,9 en 23,9 procent scoorden. Voor Groningse sprekers lag het foutenpercentage op 6,4 procent, tegenover 9,3 procent bij de beste concurrent.
Daarnaast presteert het model opvallend goed bij Kamerleden die buiten Nederland zijn geboren. Daar behaalde Murmel een foutenpercentage van 12,4 procent, waar de alternatieven tussen de 16,1 en 20,7 procent scoorden. Volgens dr. Maarten Sukel, oprichter van The AI Factory en ontwikkelaar van het model, is echte inclusiviteit cruciaal. “Spraaktechnologie is pas echt inclusief als die iedereen verstaat, ook mensen die niet perfect te verstaan zijn voor een AI-model,” aldus Sukel.
Ingezet van raadszitting tot zorginstelling
Het spraakherkenningsmodel telt inmiddels circa tweehonderd gebruikers, variërend van overheden en zorginstellingen tot mediabedrijven en particulieren. Organisaties gebruiken de technologie voor het uitschrijven van vergaderingen, raadszittingen en telefoongesprekken. Ook in de zorg wordt het model ingezet voor het vastleggen van gesprekken, en mediabedrijven gebruiken het voor het doorzoekbaar maken van radio- en televisiearchieven.
Dr. David Graus, universitair docent aan de Universiteit van Amsterdam, zet Murmel samen met studenten in om gemeenteraadsvergaderingen te transcriberen. “Tijdens raadsvergaderingen wordt veel relevante, lokale informatie besproken die voor burgers slecht toegankelijk is,” licht Graus toe. Waar in de landelijke politiek regelmatig journalisten en belangstellenden meeluisteren, gebeurt dat op gemeentelijk niveau veel minder. Accurate spraakherkenning is dan een belangrijke voorwaarde om die informatie wel effectief bij lokale burgers te krijgen.
Rekenkracht verwarmt verzorgingshuis
Murmel draait op Nederlandse servers, deels bij hostingpartij Leafcloud. De GPU-servers staan onder meer in een verzorgingshuis in Zaandam, waar de restwarmte wordt ingezet om warm water te leveren aan bewoners. Sinds begin april 2026 leverde de rekenkracht achter het spraakmodel circa 297 kWh aan warmte. Daarmee verdrong het systeem 34 kubieke meter aardgas en bespaarde het 250 kilogram CO₂ vergeleken met een gemiddeld Europees datacenter.
Sukel, gepromoveerd in Machine Learning aan de Universiteit van Amsterdam, ontwikkelde het model zonder externe investeerders. Alle data wordt uitsluitend verwerkt en opgeslagen op Nederlandse servers, waarbij audio het land niet verlaat en niet hoeft te worden opgeslagen. Het model voldoet aan de AVG zonder afhankelijkheid van Amerikaanse cloudinfrastructuur. Onlangs werd Murmel opgenomen in het Tech Sovereignty Catalogue van de European DIGITAL SME Alliance, een Europees register van digitale oplossingen die bijdragen aan technologische onafhankelijkheid. De volledige testresultaten en methodologie zijn te vinden op de website van Murmel.
Kernfeiten
- Nederlands spraakmodel Murmel maakt tot 30 procent minder fouten bij Gronings accent dan internationale concurrenten
- Onderzoek gebaseerd op negen uur audio uit Tweede Kamerdebatten met tests van zes veelgebruikte spraakmodellen
- Murmel getraind op duizenden uren Nederlandse audio om regionale accenten en niet-standaard uitspraak beter te herkennen
Veelgestelde vragen
Wat betekent dit Nederlands spraakmodel voor mijn callcenter of klantenservice?
Automatische spraakherkenning wordt nauwkeuriger en betrouwbaarder, vooral voor klanten met regionale accenten. Dit leidt tot minder handmatige correcties, snellere verwerking en betere klantervaring, belangrijk voor bedrijven die landelijk opereren en veel verschillende Nederlandse varianten tegenkomen.
Hoe kan mijn bedrijf profiteren van verbeterde Nederlandse spraakherkenning?
Bedrijven kunnen spraakgestuurde applicaties, chatbots en automatische systemen implementeren die betrouwbaarder functioneren voor alle Nederlandse sprekers. Dit verlaagt kosten voor handmatige verwerking en verhoogt de efficiëntie van customer-touchpoints.
Wat zijn de voordelen van lokale spraakmodellen boven internationale alternatieven?
Lokale modellen als Murmel zijn geoptimaliseerd voor Nederlandse taal, regionale accenten en specifieke spraakpatronen. Dit betekent aanzienlijk minder verwerkingsfouten, betere nauwkeurigheid en lagere kosten voor bedrijven die veel Nederlandse spraak verwerken.
Welke bedrijven profiteren het meest van betere Nederlandse spraakherkenning?
Callcenters, automatisering van klantenservice, transcriptie-bedrijven, medische dictatie en overheidsinstellingen profiteren het meest. Ook bedrijven die spraak gebruiken voor training, kwaliteitsbewaking of analyse van medewerkerscommunicatie kunnen met dit model hun nauwkeurigheid aanzienlijk verbeteren.