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 elke teamgenoot 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 beoordelaar van een klant is dan 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 hebben we de spraakdiensten van de twee andere gateways die een organisatie kan kiezen op dezelfde opnames gemeten, zodat de keuze een getal is en geen voorkeur. Dit bericht laat de cijfers achter die keuze zien: dezelfde 153 opnames, op dezelfde dag door Azure AI Speech, Google Cloud Speech-to-Text en Amazon Transcribe gehaald. Daarbij horen twee feiten per 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 selecteert: recaps van meetings, samenvattingen van documenten, 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 of Amazon Bedrock in Frankfurt zijn, telkens in de eigen tenant van InterMIND. De redenering legden we uit in Meeting-AI op je eigen cloudgateway: voor de meeste organisaties staat die gateway al op de lijst met goedgekeurde 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 ook een spraakdienst, en die meet dit bericht:

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

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

De testopzet. Eén script, één machine, één uur op 2026-09-16, elke engine over alle 153 opnames. Azure en Amazon Transcribe namen elke opname in zijn geheel. De synchrone herkenner van Google neemt maximaal 60 seconden, dus de 17 formele opnames zijn bij stiltes in stukken van minder dan 55 seconden geknipt en de transcripten zijn aan elkaar gevoegd; de 136 dialoogopnames gingen in hun geheel. Amazon Transcribe wil audio in realtime tempo, dus de testopzet voerde het vier keer sneller dan realtime. Het latentiecijfer hieronder is daarom een ondergrens die door de aanvoer 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 opname. Het is een vergelijking op de audio waarop onze eigen vertaalpipeline wordt getest, in de talen waarin onze gebruikers schrijven. Het is geen ranglijst.

Resultaten: woordfoutpercentage per taal

Gemiddeld WER op de opnames van elke taal; elke engine leverde voor alle 153 opnames een transcript.

Talen met één opname (alleen de formele passage) staan er volledigheidshalve bij; een cijfer op basis van één opname 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%. Van alle 153 opnames kwam bij elke engine een transcript terug, dus de dekking van de 17 talen is bij alle drie volledig.
• De verschillen zitten per taal, en ze gaan beide kanten op. Azure had het laagste foutpercentage bij Frans (5% tegen 11% en 12%) en Duits (7% tegen 9% en 13%), en deelde het laagste bij Engels (2%, met Amazon Transcribe) en Chinees (3%, met Google). Amazon Transcribe had het laagste bij Arabisch (26% tegen 32% en 46%). Google had het laagste bij Russisch (10% tegen 14% en 14%), Portugees, Hongaars en Turks.
• Arabisch is voor alle drie moeilijk. Het beste resultaat op de Arabische dialoogopnames is een op de vier woorden fout. Dat past bij wat we aan de vertaalkant zagen, waar we Arabisch in augustus 2026 uit de taalkeuze 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 duurt in deze testopzet ongeveer drie seconden op Azure en ongeveer zeven op Google; het Amazon-cijfer wordt bepaald door de getempode aanvoer.

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 vermeldt dat Azure Speech geen data 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 API-vorm past bij een spraakbericht. Een spraakbericht in InterMIND kan 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 storage-bucket of een streamingsessie. Amazon Transcribe streamt, maar neemt PCM, FLAC of Ogg-Opus aan in plaats van de formaten waarin telefoons en browsers opnemen, dus de audio wordt eerst getranscodeerd. Beide zijn oplosbaar (de testopzet lost ze op), maar het zijn meer bewegende delen in het pad van elk bericht.

3. De cijfers pleiten er niet tegen. Bij 9% tegen 10% en 10% is geen enkele engine op deze set zoveel beter dat het de moeite loont om spraakberichten van de standaardgateway af te halen. Hadden Google of Amazon de helft van het foutpercentage gehaald, dan zou dit bericht dat zeggen.

Wat dit betekent voor organisaties op Vertex AI of Bedrock

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

FAQ

Welke spraak-naar-tekstdienst gebruikt InterMIND?

Voor spraakberichten in 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 is 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 opnames van spraakberichten in 17 talen, op dezelfde dag gemeten met dezelfde testopzet, 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 bij Frans, Engels en Chinees, Amazon Transcribe bij Arabisch, Google bij Russisch. Op een andere set opnames kan de rangorde anders uitvallen; de tabel hierboven is het bewijs voor die van ons.

Wat is het 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 voor het vergelijken, en vergelijken Chinees en Japans per teken, omdat die schriften woorden niet met spaties scheiden. Een percentage van 9% betekent grofweg dat een op de elf woorden 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 de trustpagina.

Waarom niet aan de clientzijde in de app herkennen, zodat de audio de telefoon nooit verlaat?

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

Kan onze organisatie kiezen welke spraakdienst haar spraakberichten transcribeert?

Niet afzonderlijk: de AI-gateway is wat een organisatiebeheerder op de pagina Integraties selecteert. Op de standaardgateway worden spraakberichten getranscribeerd door Azure AI Speech. Op Vertex AI en Amazon Bedrock worden spraakberichten nog niet getranscribeerd; zie het gedeelte 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 testopzet de lange opnames 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 opname van vier seconden kan automatische taalherkenning de verkeerde taal teruggeven: een Russisch testbericht kwam terug als Engels, terwijl de profieltaal van een lid vrijwel altijd klopt. De herkenner krijgt die taal, en alleen als die onbekend is, krijgt hij de talen van de ruimte als kandidaten.

Wordt de audio van meetings 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 testopzet draait op één commando en de rechten voor elke engine zijn geregeld, dus de tabel kan opnieuw worden gemeten zodra een leverancier een nieuw model uitbrengt. Als dat het beeld verandert, wordt dit bericht 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 data verwerkt.
• Probeer de live demo — de productie-vertaalpipeline op je eigen audio, zonder aanmelding.

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 opnames, 17 talen.