Azure AI Speech vs Google Chirp 3 vs Amazon Transcribe op 153 spraakberichten: waarom InterMIND spraak-naar-tekst draait op de eigen cloudgateway van je organisatie (2026)

Een spraakbericht in een InterMIND-kanaal wordt een tekstbericht dat elk teamlid in de eigen taal leest. De eerste stap daarvoor is spraak-naar-tekst. De vraag van de eigen IT van een host of van de reviewer van een klant is niet "hoe nauwkeurig is het", maar "van wie is die dienst, en waar gaat de audio naartoe".

Het korte antwoord: Azure AI Speech, de spraakdienst van de standaard-AI-gateway, in de eigen Azure-tenant van InterMIND in Sweden Central. Daarnaast de spraakdiensten van de twee andere gateways die een organisatie kan kiezen, gemeten op dezelfde clips, zodat de keuze op een getal rust en niet op een voorkeur. Dit artikel laat de cijfers achter die keuze zien: dezelfde 153 clips door Azure AI Speech, Google Cloud Speech-to-Text en Amazon Transcribe op dezelfde dag. Ook behandelt het de twee eigenschappen van elke API die zwaarder wegen dan een procentpunt nauwkeurigheid.

Eerst de regel: één gateway per organisatie

Elke AI-functie in InterMIND draait op één taalmodel-gateway die de organisatie kiest. Dat geldt voor meetingrecaps, documentsamenvattingen, de schrijfassistent, Ask AI en Mia in de meeting. Standaard is dat Azure OpenAI in de EU Data Zone; naar keuze kan het Google Vertex AI op het EU-multiregio-endpoint zijn of Amazon Bedrock in Frankfurt, telkens in de eigen tenant van InterMIND. We legden de redenering uit in Meeting-AI op je eigen cloudgateway: voor de meeste organisaties staat die gateway al op de goedgekeurde lijst met subverwerkers, dus een AI-functie voegt geen nieuw bedrijf aan die lijst toe.

Spraak-naar-tekst voor spraakberichten volgt vandaag dezelfde regel op de standaardgateway. Elk van de drie gateways heeft naast de taalmodellen een spraakdienst, en dat is wat dit artikel meet:

De herkenner krijgt in alle gevallen de eigen taal van de spreker mee, de taal die een lid in het profiel heeft ingesteld. Automatische taalherkenning bleek in onze tests onbetrouwbaar op korte clips: een Russisch bericht van vier seconden kwam terug als Engels. Zo roept het product Azure vandaag aan, en de test roept de andere twee op dezelfde manier aan.

Wat we hebben gemeten

De set. 153 clips in 17 talen: 136 dialoogbeurten, twee zakelijke dialogen (een contractonderhandeling en een dagelijkse stand-up) die de twee synthetische stemmen van het product in tien talen uitspreken. Daarbij komen 17 formele passages: de zakelijke FLORES-200-zinnen van onze openbare vertaalbenchmark, voorgelezen door een synthetische stem, één per taal en van 71 tot 109 seconden lang. De dialoogbeurten duren 3 tot 30 seconden, de lengte van een echt spraakbericht.

De maatstaf. Woordfoutpercentage (WER) ten opzichte van de referentietekst: het deel van de woorden dat is vervangen, toegevoegd of weggelaten, na normalisatie van hoofdletters, interpunctie en witruimte. Chinees en Japans worden per teken vergeleken. Het tekenfoutpercentage is ernaast vastgelegd en vertelt hetzelfde verhaal.

De testopstelling. Eén script, één machine, één uur op 2026-09-16, elke engine over alle 153 clips. Azure en Amazon Transcribe kregen elke clip in zijn geheel. De synchrone herkenner van Google neemt maximaal 60 seconden, dus de 17 formele clips zijn bij stiltes in stukken van minder dan 55 seconden geknipt en de transcripties zijn aan elkaar gezet; de 136 dialoogclips gingen in één keer. Amazon Transcribe wil audio in een realtime tempo, dus de opstelling voerde die vier keer sneller dan realtime aan. Het latentiecijfer hieronder is daarom een ondergrens die door de invoer wordt bepaald, niet door de dienst.

Wat dit niet is. Synthetische stemmen in stille audio, geen veldopnames van een telefoon in een auto. Eén dag, één run per clip. Het is een vergelijking op de audio waarmee onze eigen vertaalpijplijn wordt getest, in de talen waarin onze gebruikers schrijven. Het is geen ranglijst.

Resultaten: woordfoutpercentage per taal

Gemiddeld WER over de clips van elke taal; elke engine leverde een transcriptie voor alle 153 clips.

Talen met één enkele clip (alleen de formele passage) staan er volledigheidshalve bij; een cijfer op basis van één clip is een datapunt, geen percentage.

Wat de cijfers zeggen

• Over de hele set liggen de drie diensten binnen één punt van elkaar: 9%, 10% en 10%. Elk van de 153 clips kwam van elke engine met een transcriptie terug, dus de dekking van de 17 talen is bij alle drie compleet.
• De verschillen zitten per taal, en ze gaan beide kanten op. Azure had het laagste foutpercentage op Frans (5% tegenover 11% en 12%) en Duits (7% tegenover 9% en 13%), en deelde de laagste score op Engels (2%, met Amazon Transcribe) en Chinees (3%, met Google). Amazon Transcribe had de laagste op Arabisch (26% tegenover 32% en 46%). Google had de laagste op Russisch (10% tegenover 14% en 14%), Portugees, Hongaars en Turks.
• Arabisch is voor alle drie moeilijk. Het beste resultaat op de Arabische dialoogclips is één woord op de vier fout. Dat past bij wat we aan de vertaalkant zagen, waar we Arabisch in augustus 2026 uit de taalkiezer voor meetings hebben gehaald totdat de kwaliteit onze lat haalt (hoeveel talen we ondersteunen).
• De verwerkingstijd ligt bij alle drie ruim onder realtime. Een bericht van 30 seconden kost in deze opstelling ongeveer drie seconden bij Azure en ongeveer zeven bij Google; het Amazon-cijfer wordt bepaald door de getempode invoer.

Waarom Azure AI Speech de standaard blijft

Drie redenen, in de volgorde waarin ze de doorslag gaven.

1. De standaardgateway is Azure. Een organisatie die geen gateway heeft gekozen, draait haar AI-functies op Azure OpenAI in de EU Data Zone, dus haar spraakberichten worden getranscribeerd door Azure AI Speech in dezelfde tenant. Geen extra subverwerker, geen extra regio. Microsoft stelt dat Azure Speech geen gegevens opslaat of verwerkt buiten de regio van de Speech-resource (pagina met regio's, gecontroleerd in september 2026). Onze resource staat in Sweden Central, dat voor fast transcription wordt vermeld.

2. De vorm van de API past bij een spraakbericht. Een spraakbericht in InterMIND mag maximaal tien minuten duren (spraakberichten). De fast transcription van Azure neemt de hele opname in één verzoek aan. De synchrone herkenning van Google stopt bij 60 seconden, dus een bericht van tien minuten vraagt om batchherkenning via een opslagbucket of een streamingsessie. Amazon Transcribe streamt, maar accepteert PCM, FLAC of Ogg-Opus in plaats van de formaten waarin telefoons en browsers opnemen, dus de audio moet eerst worden getranscodeerd. Beide zijn oplosbaar (onze testopstelling lost ze op), maar het zijn extra bewegende delen in het pad van elk bericht.

3. De cijfers pleiten er niet tegen. Bij 9% tegenover 10% en 10% is geen enkele engine in deze set genoeg beter om spraakberichten van de standaardgateway af te halen. Als Google of Amazon op de helft van het foutpercentage waren uitgekomen, had dit artikel dat gezegd.

Wat dit betekent voor organisaties op Vertex AI of Bedrock

Als jouw organisatie Google Vertex AI of Amazon Bedrock als gateway heeft gekozen, draaien je AI-functies daar. Spraakberichten komen in die organisaties momenteel binnen als opname zonder transcriptie: we hebben Google Cloud Speech-to-Text en Amazon Transcribe gemeten, zoals dit artikel laat zien, maar nog niet in het product aangesloten. De rechten en de integratiecode bestaan; dit artikel wordt bijgewerkt zodra ze in het pad van elk bericht zitten. Tot die tijd is een spraakbericht in een organisatie op Vertex AI of Bedrock een afspeelbare opname. Een organisatie die haar gateway naar Azure omzet, krijgt transcripties bij de berichten die vanaf dat moment worden verstuurd.

FAQ

Welke spraak-naar-tekstdienst gebruikt InterMIND?

Voor spraakberichten in de chat: Azure AI Speech (fast transcription API) in de eigen Azure-tenant van InterMIND in Sweden Central, de spraakdienst van de standaard-AI-gateway. Live spraak in meetings loopt via een ander pad: die draait op de eigen media-engine van InterMIND, de Mind API, gehost bij OVH in Frankrijk, en komt nooit in aanraking met een cloudspraakdienst (waar één meeting draait).

Is Azure AI Speech nauwkeuriger dan Google Speech-to-Text of Amazon Transcribe?

Op onze set van 153 spraakberichtclips in 17 talen, op dezelfde dag gemeten met dezelfde testopstelling, had Azure AI Speech een gemiddeld woordfoutpercentage van 9%, Google Cloud Speech-to-Text (Chirp 3) 10% en Amazon Transcribe 10%. Per taal verandert de volgorde: Azure was het laagst op Frans, Engels en Chinees, Amazon Transcribe op Arabisch, Google op Russisch. Op een andere set opnames kan de rangorde anders uitvallen; de tabel hierboven is het bewijs voor de onze.

Wat is woordfoutpercentage en hoe is het hier berekend?

Het woordfoutpercentage is het aantal vervangen, toegevoegde en weggelaten woorden gedeeld door het aantal woorden in de referentietekst. We normaliseren hoofdletters, interpunctie en witruimte voordat we vergelijken, en we vergelijken Chinees en Japans per teken, omdat die schriften woorden niet met spaties scheiden. Een percentage van 9% betekent grofweg dat één woord op elf afwijkt van de referentie.

Verlaat de audio van een spraakbericht de EU?

Nee. De opname wordt opgeslagen in de objectopslag van InterMIND in de EU, en de spraakdienst die haar transcribeert draait in een EU-regio: Sweden Central op Azure, de eu multiregio op Google Cloud, Frankfurt op AWS. De volledige lijst met partijen en regio's staat op de pagina met subverwerkers en op de trustpagina.

Waarom herkennen we spraak niet client-side, in de app, zodat de audio de telefoon nooit verlaat?

Dat hebben we ook gemeten, in september 2026. De ingebouwde herkenner van Chrome met lokale verwerking herkende 0 van de 17 formele clips in de productietalen, en de taaldekking van client-side herkenners is veel smaller dan de 17 talen in de tabel hierboven. Client-side herkenning is een richting die we opnieuw meten naarmate de platforms verbeteren; vandaag is het gatewaypad het pad dat voor elk lid in elke taal werkt.

Kan onze organisatie kiezen welke spraakdienst haar spraakberichten transcribeert?

Niet apart: de AI-gateway is wat een beheerder van de organisatie op de pagina Integraties kiest. Op de standaardgateway worden spraakberichten getranscribeerd door Azure AI Speech. Op Vertex AI en Amazon Bedrock worden spraakberichten nog niet getranscribeerd; zie de sectie hierboven.

Hoe lang mag een spraakbericht zijn, en beperkt de API dat?

Tot tien minuten. De fast transcription van Azure accepteert bestanden tot 5 uur en 500 MB in één verzoek, dus een bericht wordt in één aanroep getranscribeerd. De synchrone herkenning van Google accepteert 60 seconden en 10 MB, en daarom knipte de testopstelling de lange clips bij stiltes in stukken.

Waarom krijgt de herkenner de taal van de spreker mee in plaats van die te detecteren?

Omdat een spraakbericht kort is. Bij een clip van vier seconden kan automatische taalherkenning de verkeerde taal teruggeven: een Russisch testbericht kwam terug als Engels. De profieltaal van een lid is vrijwel altijd juist. De herkenner krijgt die taal, en alleen als die onbekend is, krijgt hij de talen van de ruimte als kandidaten.

Wordt de audio van een meeting door dezelfde dienst getranscribeerd?

Nee. Live spraak in een meeting wordt herkend en vertaald op de eigen engine van InterMIND (de Mind API) op de mediaserver die het gesprek draagt, gehost bij OVH in Frankrijk; zie waar één meeting draait. De cloudgateway ziet tekst, nooit de audio van een gesprek (meeting-AI op je eigen gateway).

Publiceren jullie de resultaten opnieuw?

De testopstelling draait met één commando en de rechten van elke engine zijn geregeld, dus de tabel kan opnieuw worden gemeten wanneer een leverancier een nieuw model uitbrengt. Als dat het beeld verandert, wordt dit artikel bijgewerkt met de datum.

Zie het zelf

• Lees hoe spraakberichten werken — opnemen, de limiet van tien minuten en waar de audio naartoe gaat.
• Bekijk de lijst met subverwerkers — leverancier, land, doel en regio van elke partij die je gegevens verwerkt.
• Probeer de livedemo — de productie-vertaalpijplijn op je eigen audio, zonder aanmelden.

Bronnen: Microsoft — Azure AI Speech fast transcription (learn.microsoft.com) en de tabel met Speech-regio's (learn.microsoft.com); Google Cloud — Chirp 3-model (docs.cloud.google.com), limieten van synchrone herkenning (docs.cloud.google.com) en ondersteunde talen (docs.cloud.google.com); AWS — Amazon Transcribe streaming (docs.aws.amazon.com), endpoints en quota (docs.aws.amazon.com) en ondersteunde talen (docs.aws.amazon.com); alles gecontroleerd in september 2026. Meting: InterMIND speech bench, 2026-09-16, 153 clips, 17 talen.