Een maatwerk-app die spraak in tekst omzet — voor medische dictee, notulen, callcenter-transcripties, juridische dossiers of accessibility. Wij kiezen samen met jou de juiste motor (Whisper, AssemblyAI, Deepgram, Azure Speech, Google STT of on-device Apple/Android), bouwen er een werkstroom omheen die past bij jouw domein, en regelen de AVG-, NEN 7510- en AI Act-laag vanaf het begin. Geen demo waar het uitvalt zodra een arts begint te dicteren in vakjargon — een app die werkt in de praktijk waarin hij gebruikt wordt.
Wie vandaag een spraakherkenning-app wil bouwen, kan binnen een uur een Whisper-endpoint aanroepen of een Deepgram-account aanmaken en de eerste transcriptie binnenhalen. Dat is de gemakkelijke helft. De moeilijke helft begint zodra de app door echte gebruikers in een echte werksituatie moet draaien: een chirurg die met een mondkapje dicteert, een notulist in een vergaderzaal met vier sprekers door elkaar, een callcenter-agent in een open kantoor, een advocaat die in een rijdende auto een memorandum inspreekt. Op die plekken vallen generieke spraakherkenning-pakketten meteen door de mand.
Een goede spraakherkenning-app houdt rekening met dialect, accent, vakjargon, achtergrondgeluid, meerdere sprekers tegelijk, slechte microfoons en gebruikers die niet altijd Nederlands praten. Hij doet dat binnen de grenzen die de wet stelt — AVG en sinds 2026 ook de AI Act — en zonder dat audio met patiëntinformatie of klantgegevens stiekem door een Amerikaanse cloud reist. Dat is precies wat wij bij AI-ontwikkeling dagelijks bouwen.
Wat we onderscheidend doen: we kiezen de spraakherkenning-motor pas nadat we weten waar hij voor moet werken. Voor een medisch-scribing app valt Whisper-via-OpenAI vaak af op data-residency-gronden en kiezen we voor Azure Speech in West-Europa met custom-model-fine-tuning op medische terminologie. Voor een Nederlandstalige notulen-app met diarization scoort Deepgram Nova in onze benchmarks beter dan generieke alternatieven. Voor een accessibility-app zonder permanente verbinding kiezen we voor Apple Speech of Android SpeechRecognizer on-device — zelfs als dat een paar procent nauwkeurigheid kost, omdat de gebruiker er niets aan heeft als de transcriptie pas verschijnt zodra hij weer wifi heeft.
Spraakherkenning-apps vallen in onze ervaring in drie categorieën, met telkens een ander zwaartepunt op nauwkeurigheid, snelheid en privacy. Welke vorm bij jou past, hangt af van de gebruiker en het domein — vaak start je met de eerste en groei je door naar een combinatie.
De gebruiker spreekt en ziet de tekst direct verschijnen — typisch voor medische dictee, accessibility (live-ondertiteling voor doven en slechthorenden in een gesprek), juridisch dictee tijdens een dossierbespreking, of voice-commando's in een veld-app. We werken met streaming-API's van Deepgram, Azure of Google met sub-seconde latency, of met on-device modellen als de privacy of het ontbreken van bereik dat afdwingt. Inclusief domeinwoordenboeken zodat "PCI-DSS", "epicarditis" of "ondernemerschap met fiscale eenheid" niet onleesbaar terugkomt.
De gebruiker neemt een gesprek, vergadering, podcast of klantenservice-gesprek op, en de app levert de uitgewerkte tekst terug — met sprekers gescheiden, met tijdcodes, en optioneel met een samenvatting via een LLM die we erbovenop zetten. Voor notulen-apps, callcenter-quality-monitoring, juridische dossiervorming en podcast-productie. We koppelen daarvoor vaak een spraakherkenning-laag aan een LLM-laag die de transcriptie omtovert tot besluitenlijst, actie-overzicht, conform-rapportage of klant-sentiment-rapport.
Een diep geïntegreerde scribe-app voor één domein — bijvoorbeeld een medical-scribing app die tijdens een consult meeluistert, de SOEP-structuur invult, en de tekst direct in het EPD plaatst (HiX, Epic, ChipSoft, CGM). Of een juridische dictee-app die het gesprek in een memo-template structureert en koppelt aan een DMS (NetDocuments, iManage, Legalsense). Of een callcenter-app die ieder gesprek transcribeert, scoort op compliance-criteria, en koppelt aan jouw CRM. Voor zorg-context werken we volgens het kader uit onze pagina over zorg-software en zorgen we voor NEN 7510-compliance vanaf dag één.
Een productieklare spraakherkenning-app voor het domein dat ertoe doet — voor jouw artsen, juristen, agents of eindgebruikers — plus alles wat nodig is om hem te beheren, te auditen en uit te breiden. Geen black box: jij bent eigenaar van code, modellen en data. Wij doen het beheer alleen als jij dat wil.
Acht patronen die we keer op keer terugzien in onze AI-trajecten. Herken je je organisatie of usecase in één ervan, dan praten we graag verder — ook als je nog twijfelt of een eigen app het juiste antwoord is, of dat een bestaande standaard-oplossing volstaat.
Artsen die tijdens of vlak na een consult de spreekkamer-aantekeningen willen dicteren, met automatische SOEP-structurering en directe inschrijving in het EPD. We werken met HiX, Epic, ChipSoft en CGM, met de NEN 7510-laag al ingebouwd. Audio wordt na transcriptie versleuteld bewaard of meteen gewist, afhankelijk van het beleid van de instelling. Bij gevoelige specialismen — psychiatrie, oncologie, kindergeneeskunde — overleggen we expliciet over wat wel en niet door een externe STT-leverancier mag.
Een app voor secretariaten, journalistiek, onderzoek of HR die opgenomen vergaderingen of interviews omzet in uitgewerkte tekst met sprekers gescheiden, en actiepunten apart. Voor Nederlandstalige content kijken we kritisch welke STT-motor het beste presteert op accent en omgevingsruis — de verschillen zijn op dit moment groter dan veel Engelstalige reviews suggereren.
Een laag op je telefonie of contact center-platform (Genesys, Amazon Connect, Five9, Talkdesk) die ieder klantgesprek transcribeert, scoort op compliance-criteria en sentiment, en doorgeeft aan je CRM. Geschikt voor verzekeraars, banken, energie-leveranciers en B2C-merken met gespreksvolumes die nu alleen steekproefsgewijs door een quality-team gehoord worden.
Een app die live-ondertiteling biedt voor doven en slechthorenden — in een gesprek aan tafel, een vergadering, een college of een evenement. Vaak met een aparte rol voor "spreker" en "luisteraar". We kijken kritisch naar de balans tussen cloud-nauwkeurigheid en latency, omdat een ondertiteling die seconden achterloopt onbruikbaar is in een gesprek.
Veld-apps waarin monteurs hands-free status-updates, foto-onderschriften of klantnotities kunnen inspreken — handig als je in een meterkast hangt of op een dak staat met handschoenen aan. Vaak gekoppeld aan een bestaande veld-app (FieldService Lightning, ServiceNow FSM) of aan een eigen oplossing zoals onze AI-consulting-klanten regelmatig in eigen huis bouwen.
Een dictee-app voor memoranda, processtukken, akte-fragmenten en cliënt-gespreksverslagen. Met juridisch vocabulaire dat afkortingen ("BW", "Rv", "WWFT") goed afhandelt, met een knop om vertrouwelijkheid te markeren, en met DMS-koppeling. Voor zaken die als hoog-risico worden geclassificeerd onder de AI Act regelen we de impact-assessment vooraf.
Een interne tool die ruwe audio omzet in transcripten met sprekers gescheiden, met tijdcodes, en met een eerste samenvatting voor showtitels en show-notes. Gekoppeld aan een editorial workflow waarin redacteuren knippen en plakken op basis van de tekst in plaats van de audio-tijdlijn — scheelt een factor in productietijd.
Apps voor taalonderwijs (Nederlandse les voor anderstaligen, Engels voor scholieren) die niet alleen herkennen wat een leerling zegt, maar ook hoe goed de uitspraak is. Daarvoor combineren we spraakherkenning met een pronunciation-scoring-component. Vergelijkbaar werken we aan tools voor logopedie en revalidatie.
We kiezen niet vooraf één favoriet — we kiezen pas nadat we de usecase, het domein, de talen en de privacy-eisen kennen. Een korte oriëntatie per kandidaat, zoals wij die in een eerste sessie met je doornemen.
Brede taaldekking, sterk in algemene Nederlandse spraak, beschikbaar als open-source model voor on-device of self-hosted inzet. Via OpenAI snel werkend, maar voor zorg en juridisch werk vaker via Azure OpenAI in West-Europa, of self-hosted wanneer audio absoluut niet naar buiten mag. Diarization erbij kost extra inrichting.
Goed in diarization, samenvattingen, sentiment en speaker-labels. Werkt prettig voor notulen-, podcast- en callcenter-toepassingen. Beschikbaar in EU-regio's; voor zorg- of juridische context bespreken we residency en sub-processors expliciet.
In onze benchmarks vaak de winnaar voor real-time Nederlandstalige spraak met sub-seconde latency en goede prijsstelling per uur audio. Nova-model herkent dialect en accent verrassend goed. Geschikt voor live-ondertiteling, callcenter-monitoring en streaming-dictee. Server-locatie in EU is configureerbaar.
Voor zorg- en overheidsklanten vaak de praktische keuze: EU-residency in West-Europa, integreert met Azure AD, custom speech models voor medische of juridische terminologie, en past in een bestaande Microsoft-stack. Wint op compliance-eisen die we voor onze zorgklanten dagelijks tegenkomen.
Sterk in talen waar weinig andere aanbieders ondersteuning voor hebben, en goed geïntegreerd in een Google Cloud-stack. Voor klanten met data-platform op BigQuery en audio-buckets in Google Cloud Storage zit Google STT vaak het dichtst bij de data — scheelt in architectuur en datatransfer.
Voor situaties waarin audio het toestel niet mag verlaten — een psychiater met een patiënt-opname, een advocaat met een gesprek onder beroepsgeheim, een veld-app zonder verbinding — kiezen we voor de native on-device speech-frameworks van Apple en Android. Prima voor dictee-fragmenten en commando's, met als doorslaggevend voordeel dat er geen audio over een netwerk gaat.
Met OneDayBuild maken we je idee in één dag tastbaar voor €950, zodat je weet of verdere ontwikkeling de investering waard is. Besluit je door te gaan met de volledige bouw? Dan verrekenen we de kosten volledig.
Bekijk OneDayBuild →Een gesprek waarin we begrijpen wie de app gaat gebruiken, in welke omgeving, met welke randvoorwaarden voor privacy en compliance. We luisteren letterlijk mee als dat kan: een arts dicteren, een notulist een vergadering inschieten, een callcenter-agent een gesprek voeren. Audio-kwaliteit, dialect, vakjargon, sprekers-aantal en omgevingsruis bepalen samen het profiel waar de spraakherkenning-motor straks tegen moet kunnen. Als het kan, beginnen we hier met een korte adviesfase — soms is een full-blown eigen app niet eens nodig en is een gerichte tool of integratie de juiste eerste stap. Zie ook onze pagina over AI-advies.
We zetten twee tot vier kandidaat-motoren naast elkaar op echte audio uit jouw domein — geen demo-audio, geen Engelse test-corpus, jouw daadwerkelijke werk. Een arts dicteert tien minuten, een notulist levert twee vergaderingen aan, een callcenter levert een doorsnee dag-batch. We meten Word Error Rate per cohort, latency, kosten per uur audio, en kwalitatieve fouten die we als mens nog horen die de Word Error Rate niet vangt. De motor-keuze landt in een korte beslismatrix die we samen met je doorlopen.
Voor zorg-, juridische en HR-context starten we de DPIA parallel aan de bouw — geen losse stap aan het eind. Voor toepassingen die onder de AI Act als hoog-risico zouden tellen (medische diagnose-ondersteuning, juridische beslis-ondersteuning) doen we de AI-Act-impact-assessment vooraf en regelen de logging-eisen vanaf het begin. Audio-flow, retentie-beleid, encryptie en sub-processor-keuze landen in één architectuur-document dat ook met jouw compliance officer of FG besproken kan worden.
Elke twee weken een werkende build op TestFlight, Google Play interne track of een staging-omgeving. We bouwen incrementeel: eerst de basis-transcriptie-flow, dan diarization, dan domeinwoordenboek, dan LLM-structurering, dan EPD- of DMS-koppeling. Continue evaluatie op een groeiende benchmark-set audio — als de motor een release-update krijgt of als we de vocabulaire aanpassen, weten we direct of dat de kwaliteit per cohort verbetert of juist verslechtert. De pricing- en logica-stappen zijn met automated tests gedekt; een spraakherkenning-app die in stilte de SOEP-velden door elkaar haalt is erger dan een app die er soms wat trager uitziet.
Gefaseerd uitrollen: eerst een proefgroep, dan breed. Korte training, een gids met do's en don'ts (waar de gebruiker zelf met spreken kan beïnvloeden hoe goed de transcriptie wordt), en doorlopend beheer voor model-updates, OS-updates en security-patches. We monitoren transcriptie-kwaliteit per cohort en blijven bijsturen — een spraakherkenning-app die op dag één goed werkt en daarna niet wordt onderhouden, slijt sneller dan menige andere software.
Spraak is gevoelige data. Voor zorg- en juridische toepassingen is een goed gebouwde spraakherkenning-app per definitie ook een goed gedocumenteerde, AVG-conforme en AI-Act-conforme app. Wij regelen die laag vanaf de eerste sprint — niet als afsluitende paperwork-exercitie.
Audio-opnames zijn bijzondere persoonsgegevens zodra het over een arts-patiënt-gesprek of werknemers-personeels-gesprek gaat. We doen een gerichte DPIA, regelen verwerkersovereenkomsten met sub-processors, en bouwen het retentie- en wisbeleid in de app in.
Voor zorginstellingen volgen we de NEN 7510-control-set vanaf het begin: toegangsbeheer, logging, encryptie, leveranciers-management. We passen onze ontwikkeling aan op het bestaande ISMS van het ziekenhuis. Zie ook onze pagina over NEN 7510-compliant software.
Sinds 2026 is de AI Act van kracht. Een algemene notulen-app is laag-risico, maar zodra de transcriptie input wordt voor medische, juridische of HR-beslissingen valt het systeem mogelijk in de hoog-risico-categorie. We doen de classificatie vooraf en regelen de logging-, transparantie- en menselijk-toezichts-eisen in het ontwerp.
Standaard kiezen we voor cloud-regio's in West-Europa (Azure West-Europa, AWS Frankfurt, GCP europe-west4). Voor strengere klanten — academische ziekenhuizen, advocatuur, overheid — werken we met on-premise of dedicated-cloud setups waarin geen sub-processor buiten de EU audio ziet.
STT-modellen presteren slechter op niet-moedertaalsprekers, regionale dialecten en kinderstemmen. Voor accessibility-, callcenter- en onderwijsapps doen we vooraf een bias-evaluatie op de doelgroep en sturen de motor-keuze of vocabulaire-fine-tuning daarop bij. Wat we vinden, leggen we eerlijk vast.
Iedere transcriptie heeft een traceable herkomst: wie heeft opgenomen, met welk model is het verwerkt, wie heeft het bewerkt, en wanneer is het in het EPD of DMS terechtgekomen. Voor hoog-risico-toepassingen bouwen we expliciete "menselijk-in-de-loop"-stappen in voordat tekst de werkstroom in gaat.
Wat opdrachtgevers meestal willen weten voor we beginnen aan hun spraakherkenning-app.
Een kennismaking van een half uur, vrijblijvend. Vertel wie de app gaat gebruiken, in welke werksituatie en met welke compliance-context — wij denken mee, geven richting, en zijn eerlijk over of een eigen app het juiste antwoord is. Soms is de juiste eerste stap een korte AI-adviesfase; soms is het inderdaad een eigen scribe- of dictee-app met de volle bouw eromheen. Liever direct mailen kan ook bij fabian.vandijk@appfront.nl.
Appfront gebruikt cookies en vergelijkbare technieken voor een goede werking van de website, voor analyse en voor marketing. Je kiest zelf wat je toestaat. Lees meer in ons privacybeleid.
