Hoe nauwkeurig zijn automatische ondertitels?
Door de maker van Captions Cut. Gegevens gecontroleerd op aan de hand van de pagina's onder Bronnen.
Het korte antwoord
Bij duidelijke spraak in een grote taal krijgt de beste spraakherkenning van nu ongeveer 95 tot 98 van de 100 woorden goed (een word error rate van 2 tot 5%). Dat laat in een clip van 45 seconden nog steeds een paar fouten over, meestal in namen, straattaal en getallen. De nauwkeurigheid daalt sterk bij achtergrondgeluid, verre microfoons, overlappende sprekers, sterke accenten en talen met minder bronnen, dus lees elke ondertitel door voordat je post.
Word error rate, in gewone woorden
De word error rate (WER) telt de woorden die een systeem fout heeft (vervangen, weggelaten of toegevoegd) per honderd gesproken woorden. Een WER van 5% betekent ongeveer één fout per twintig woorden. Een korte clip heeft 100 tot 150 woorden, dus zelfs een uitstekend systeem laat meestal iets te corrigeren over.
Wat systemen scoren
| Benchmark | Resultaat | Wie het mat |
|---|---|---|
| Artificial Analysis, ~8 uur echte Engelse audio | ElevenLabs Scribe v2: 2,2% WER, ongeveer vierde van de geteste modellen | Onafhankelijke benchmark |
| Eigen datasets van AssemblyAI | Het eigen Universal-3.5 Pro 4,35%; GPT-4o Transcribe 5,34%; Scribe v2 5,87%; Deepgram Nova-3 6,66% | AssemblyAI (een leverancier) |
| LibriSpeech test-clean (voorgelezen audioboeken) | Whisper large-v2: 2,7% WER | Het Whisper-artikel van OpenAI |
| De eigen taalniveaus van ElevenLabs | 5% of minder voor Engels, Frans, Duits, Spaans en Japans; 20 tot 50% voor Urdu, Yoruba en Zulu | ElevenLabs (een leverancier) |
Waardoor het faalt
- Ruis en afstand. In de CHiME-6-uitdaging scoorden opnames van mensen die door een kamer praatten rond 51% WER voor het basissysteem.
- Wie er spreekt. Een onderzoek uit 2020 in PNAS vond dat vijf commerciële systemen gemiddeld 35% WER haalden voor zwarte sprekers tegen 19% voor witte sprekers.
- Overlap en gemengde talen. YouTube noemt overlappende sprekers, gemengde talen en lange stiltes onder de redenen waarom de eigen ondertitels falen.
- Verzinsels. Het Whisper-artikel merkt op dat modellen soms tekst kunnen uitvoeren die niets met de audio te maken heeft.
Schonere ondertitels krijgen
- Neem op dicht bij de microfoon, uit de buurt van muziek en verkeer.
- Kies de gesproken taal in plaats van automatisch te laten herkennen bij korte clips of clips met meerdere talen.
- Lees het transcript voordat je exporteert. In Captions Cut is elk woord bewerkbaar: tik erop om de tekst of de timing te corrigeren.
Hoe we hebben gecontroleerd
Leveranciers zetten zichzelf bovenaan bij benchmarks die ze zelf kiezen, dus hun cijfers worden als de hunne aangeduid en niet tussen leveranciers vergeleken. Het onafhankelijke cijfer is dat van Artificial Analysis. Gelezen op 22 oktober 2026.
Vragen
Zijn automatische ondertitels nauwkeurig genoeg om te posten zonder te controleren?
Zelden. Zelfs bij 2 tot 5% WER heeft een korte clip meestal een of twee fouten, vaak in een naam. Lees ze eerst.
Welke talen worden het best getranscribeerd?
Veelgesproken talen met veel trainingsdata (Engels, Spaans, Frans, Duits, Japans en andere) scoren het best. Captions Cut transcribeert er 53; talen met minder bronnen vragen meer correctiewerk.
Bronnen
- Artificial Analysis: ElevenLabs Scribe v2
- AssemblyAI: benchmarks
- Radford et al. (2022), Whisper
- ElevenLabs: spraak naar tekst
- Watanabe et al. (2020), CHiME-6
- Koenecke et al. (2020), PNAS
- YouTube: automatische ondertitels
Elke pagina gelezen op .