Wat is Word Error Rate en klopt die “99% nauwkeurig”-claim?

Word Error Rate (WER) is de standaardmaatstaf voor spraakherkenning: je neemt een foutloos referentietranscript, vergelijkt de output van de machine woord voor woord en telt de fouten. Een WER van 5% betekent grofweg ‘95% nauwkeurig’, en juist bij die vertaalslag van meetwaarde naar marketing begint het probleem. WER is een echte, bruikbare maat; de manier waarop de Word Error Rate in advertenties wordt geciteerd, zegt vrijwel niets. Zo werkt de maatstaf, dit verbergt hij, en zo beoordeel je claims als ‘99% nauwkeurig’ als iemand die weet waar het over gaat.

Hoe WER wordt berekend

Leg het transcript van de machine naast een door mensen gecontroleerde referentie en tel drie soorten fouten:

• Substituties: het verkeerde woord, zoals ‘lijden’ in plaats van ‘leiden’, of ‘bla bla skraaib’ in plaats van ‘BlaBlaScribe’.

• Deleties: woorden die de machine heeft weggelaten.

• Inserties: woorden die hij heeft verzonnen, vaak op basis van achtergrondgeluid.

Dan: WER = (S + D + I) ÷ N, waarbij N het aantal woorden in de referentie is. Tien fouten in een referentie van 200 woorden = 5% WER. Omdat inserties meetellen, kan de WER bij waardeloze audio boven de 100% uitkomen: een eigenaardigheid die laat zien hoe letterlijk de maatstaf is. (De wortels liggen in de bewerkingsafstand; de Wikipedia-pagina geeft de formele definitie.)

Wat de Word Error Rate verbergt

Alle fouten wegen even zwaar, maar dat zijn ze niet

Een weggevallen ‘eh’ en een verhaspelde naam van de CEO zijn voor WER allebei één fout. Voor een lezer is de ene onzichtbaar en de andere screenshotmateriaal. Echte transcripten staan of vallen met welke woorden fout zijn (namen, getallen, ontkenningen), en WER ziet dat verschil niet. (‘We doen het wel’ tegenover ‘we doen het niet’ is één substitutie.)

Zonder de testaudio zegt het getal niets

Hetzelfde systeem kan 4% WER halen op een podcast die in een studio is opgenomen en 30% op een telefoonopname van een winderige persmenigte. De ‘99% nauwkeurig’ van een leverancier is gemeten op iets: vrijwel zeker schone spraak van één spreker met een moedertaalaccent. Jouw audio is de enige benchmark die jouw resultaten voorspelt, en dat is de eerlijke kern van onze gids over waarom de nauwkeurigheid van transcriptie varieert.

Spelletjes met normalisatie

Voordat teksten worden vergeleken, worden ze genormaliseerd: hoofdletters, interpunctie, ‘20’ tegenover ‘twintig’, stopwoorden. Andere normalisatiekeuzes verschuiven de WER met procentpunten. Gepubliceerde cijfers vermelden die keuzes zelden, waardoor het vergelijken van koppencijfers tussen leveranciers vooral toneel is.

WER zegt niets over de rest van het product

Fouten in de toewijzing aan sprekers, rommelige interpunctie, tijdstempels die verschuiven: niets daarvan zit in WER. Een transcript met 3% WER en door elkaar gehaalde sprekerlabels is een slechter werkstuk dan een met 5% WER en een nette toewijzing. (Sprekerherkenning heeft een eigen maatstaf, DER, die leveranciers nog minder vaak noemen.)

Zo lees je een claim als ‘99% nauwkeurig’

Een snelle vertaaltabel voor marketingtaal:

Geen van deze claims is echt gelogen: het zijn getallen uit het gunstigste scenario, gepresenteerd als normaal. Een eerlijk verhaal over nauwkeurigheid herken je aan de omstandigheden: welke audio, welke accenten, welke normalisatie.

De enige benchmark die telt: die van jou

Testen wint het van lezen. De procedure kost twintig minuten:

1. Kies één echte opname: je gebruikelijke microfoons, accenten, door elkaar praten. Niet het schoonste bestand, maar het typische.

2. Haal die door de tools die je vergelijkt (daar zijn gratis abonnementen voor; ons overzicht van gratis tools zet ze op een rij).

3. Bereken geen formele WER, maar lees. Controleer de woorden die je iets kosten: namen, getallen, vaktermen, ontkenningen. Tel die fouten.

4. Controleer de rest: kloppen de sprekerlabels? Is de interpunctie leesbaar? Zijn de tijdstempels klikbaar om te verifiëren?

5. Meet hoe lang het corrigeren duurt: het aantal minuten tot een publiceerbare tekst in de editor van elke tool is de maatstaf die je week echt voelt.

Veelgestelde vragen

Wat is een goede WER voor AI-transcriptie in 2026?

Bij schone spraak met een goede microfoon zitten de beste systemen op een laag percentage van één cijfer: echt uitstekend. Bij lastige audio (ruis, zware accenten, overlap) loopt de WER bij elk systeem steil op. Eén eerlijk getal bestaat niet.

Is 95% nauwkeurigheid goed?

Dat is één fout per twintig woorden: merkbaar op elke regel van een dicht transcript. Of het ‘goed’ is, hangt volledig af van welke woorden fout zijn en hoe snel je ze in de editor kunt verbeteren.

Waarom claimen alle leveranciers ongeveer 99%?

Omdat de gunstigste cijfers op schone benchmarks daar uitkomen, en niemand adverteert met zijn score op een winderige parkeerplaats. Zie claims die allemaal op hetzelfde uitkomen als bewijs dat de maatstaf geen onderscheid meer maakt, niet dat alle tools gelijk zijn.

Betekent een lagere WER altijd een beter transcript?

Meestal wel, op dezelfde audio, maar sprekertoewijzing, interpunctie en bewerkbaarheid bepalen de praktische waarde. Vergelijk afgewerkte transcripten, geen cijfers achter de komma.

Kort samengevat

WER is een prima technische maatstaf en een slechte koopgids. Weet wat hij telt, let op wat hij negeert, en laat één rommelige echte opname, gelezen met je eigen ogen, zwaarder wegen dan elk percentage in elke advertentie.