Tekst-naar-spraak, ook wel TTS genoemd, is techniek die geschreven tekst omzet in gesproken woord. Je typt of levert een tekst aan en er komt een audiobestand of een live stem uit. Het is het spiegelbeeld van spraakherkenning, dat juist gesproken woord omzet naar tekst. Waar computerstemmen vroeger blikkerig en houterig klonken, zijn moderne AI-stemmen nauwelijks nog van een mens te onderscheiden, inclusief intonatie en natuurlijke pauzes.
In het MKB komt dit op meer plekken van pas dan je denkt. Je telefoonmenu en wachtboodschappen kun je zelf aanpassen zonder een studio te boeken, ook als het bericht morgen alweer verandert. Handleidingen en nieuwsbrieven kun je als audioversie aanbieden, wat helpt voor medewerkers die onderweg zijn of moeite hebben met lezen. En bij interne trainingen scheelt het veel tijd: tekst aanpassen en opnieuw genereren gaat sneller dan opnieuw inspreken.
Technisch werkt moderne TTS met een model dat is getraind op enorme hoeveelheden spraak en zelf de klankgolven voorspelt, in plaats van dat het losse klankjes aan elkaar plakt. Daardoor klopt de zinsmelodie. Waar je op let: controleer altijd hoe namen, afkortingen en bedragen worden uitgesproken, want daar gaat het het vaakst mis. Wil je een stem gebruiken die op een echt persoon lijkt, vraag dan expliciet toestemming; het nabootsen van iemands stem zonder akkoord is juridisch en moreel glad ijs. Vermeld bij klantcontact bovendien dat het om een computerstem gaat.
Hoe tekst-naar-spraak werkt
TTS werkt in stappen. Eerst leest het systeem je tekst en knipt die op in zinnen en woorden. In die stap wordt de tekst ook opgeruimd: getallen, afkortingen en interpunctie worden uitgeschreven, zodat “12” als twaalf klinkt en “ca.” als circa. Daarna bepaalt het systeem per woord welke klanken erbij horen. Die kleinste klankeenheden heten fonemen. Een uitspraakwoordenboek helpt daarbij, en bij de meeste diensten kun je dat woordenboek zelf aanvullen met je eigen namen en vaktermen.
Daarna volgt de spraaksynthese. Oudere TTS plakte vooraf opgenomen fragmenten van een stemacteur aan elkaar. Dat werkte, maar je hoorde de naden. Moderne TTS gebruikt deep learning: een model dat op veel uren menselijke spraak is getraind en zelf het geluid voorspelt. Daardoor krijgen zinnen een natuurlijke melodie, met de klemtoon en de pauzes op de plek waar je ze verwacht. Datzelfde model kan de spraak ook wat vrolijker of zakelijker laten klinken, omdat de stijl een instelling is en geen nieuwe opname.
In de laatste stap wordt het geluid weggeschreven als audio. Je krijgt een audiobestand dat je kunt downloaden, of een stream die direct in een app, een website of je telefooncentrale klinkt. Meestal kies je vervolgens nog de snelheid, de toonhoogte en het volume. In het Engels heet de techniek text-to-speech; TTS is de afkorting die je in software en documentatie terugvindt. Computers, telefoons en auto’s werken allemaal op dezelfde basis: spraakassistenten, schermlezers, navigatiesystemen en keuzemenu’s aan de telefoon gebruiken dezelfde soort TTS.
Waar je op let bij stemmen, talen en bestandsformaten
Begin bij de stem. Niet elke TTS-stem is even goed in het Nederlands; veel aanbieders hebben duidelijk meer keuze in het Engels. Laat daarom altijd een echte proeftekst uit je eigen praktijk voorlezen, met je eigen productnamen, plaatsnamen en bedragen erin. Luister of de zinnen kloppen, of de klemtoon niet verspringt en of het tempo natuurlijk aanvoelt. Wat op papier duidelijk leest, klinkt hardop soms rommelig; korte zinnen helpen ook een computerstem.
Let daarna op talen en accenten. Werk je met Vlaamse, Duitse of Engelse klanten, check dan of dezelfde stem die talen aankan of dat je per taal een aparte stem nodig hebt. Wisselt de stem halverwege een reeks berichten, dan valt dat mensen direct op. Kies daarom per taal één vaste stem en gebruik die overal, ook als iemand anders later een bericht bijwerkt. Leg vast welke stem je waarvoor gebruikt, zodat het over een jaar nog te herleiden is.
Kijk ook naar de techniek eromheen. Vraag welk bestandsformaat je krijgt, meestal mp3 of wav, en of je de audio zonder beperking mag hergebruiken. Controleer waar je tekst wordt verwerkt en hoe lang die wordt bewaard, want klantnamen en dossiernummers zijn persoonsgegevens. En spreek af wie een nieuwe versie mag genereren en waar de bronteksten staan. Anders heb je over een half jaar drie versies van hetzelfde bericht en weet niemand meer welke er live staat.
Veelgestelde vragen
Wat is het verschil tussen tekst-naar-spraak en spraakherkenning?
Tekst-naar-spraak, of TTS, zet geschreven tekst om in audio. Spraakherkenning doet het omgekeerde: die zet gesproken woord om in tekst. Ze worden vaak samen gebruikt, bijvoorbeeld in een telefoonrobot die je vraag verstaat en daarna hardop antwoordt.
Klinkt een computerstem nog robotachtig?
Bij moderne TTS meestal niet meer, omdat het model de zinsmelodie zelf leert en de spraak daardoor natuurlijk klinkt. Waar het nog misgaat, is bij namen, afkortingen, bedragen en lange opsommingen. Beluister daarom elke tekst voordat je hem publiceert.
Zijn er goede Nederlandse TTS-stemmen?
Ja, vrijwel alle grote aanbieders hebben Nederlandse TTS-stemmen, alleen is de keuze kleiner dan in het Engels. Test een paar stemmen met je eigen tekst en let vooral op vaktermen en eigennamen. Dat verschilt per stem meer dan je zou denken.
Mag je een TTS-stem gebruiken in klantcontact?
Dat mag, maar wees er open over dat mensen een computerstem horen. Gebruik geen stem die is nagebootst van een bestaande persoon zonder schriftelijke toestemming. Zorg daarnaast dat een beller altijd een echte medewerker kan bereiken.
Wat OkayICT hierin doet: Wij helpen je AI-toepassingen als tekst-naar-spraak veilig en met heldere afspraken in je werkprocessen te gebruiken.
Meer lezen: Wat is spraakherkenning? · Wat is generatieve AI?
