Hoe werkt tekst-naar-spraak met AI? Uitleg in gewone taal
Tekst-naar-spraak zet geschreven tekst om in een audiobestand. Een AI-systeem leest eerst de tekst, bepaalt hoe elk woord klinkt en maakt daar daarna geluid van. De kwaliteit hangt vooral af van het stemtype.
Hieronder staan de stappen en de stemtypen, met voorbeelden uit de documentatie van Amazon Polly en Google. Een overzicht van tools staat in de vergelijking op de homepage.
De stappen van tekst naar geluid
Het proces verloopt grofweg in drie stappen. Eerst wordt de tekst opgeschoond. Getallen, datums en afkortingen worden uitgeschreven: 3 wordt drie, en een datum wordt een zin. Daarna bepaalt het systeem de uitspraak per woord en waar de klemtoon valt. Tot slot wordt de stem opgebouwd als geluid.
Fouten ontstaan vooral in de eerste twee stappen. Een systeem dat een eigennaam niet kent, raadt de uitspraak.
Standaard, neuraal en generatief
Aanbieders gebruiken eigen namen voor hun stemtypen. Amazon Polly onderscheidt standaard, neuraal, long-form en generatief. Google noemt Standard, WaveNet en Chirp 3 HD. In het algemeen geldt dat oudere stemtypen goedkoper zijn en technischer klinken, en dat nieuwere stemtypen natuurlijker zijn en meer kosten.
| Dienst | Oudere stemmen | Nieuwere stemmen |
|---|---|---|
| Amazon Polly | Standaard | Neuraal, generatief |
| Google Cloud TTS | Standard | WaveNet, Chirp 3 HD |
Bij Polly zie je dat in de Nederlandse stemmen terug: Lotte en Ruben zijn standaardstemmen, Laura is er ook als neurale en generatieve stem. Bij de prijs per miljoen tekens loopt het op van 4 naar 16 naar 30 dollar (prijspeiling november 2026).
Wat je kunt sturen
Naast de keuze van de stem kun je meestal tempo, toonhoogte en pauzes instellen. Dat gebeurt vaak met SSML, een opmaaktaal waarmee je in de tekst aangeeft hoe iets moet klinken. Hoe dat werkt, staat in uitspraak verbeteren met SSML. Studio's als ElevenLabs bieden dit vaak in een editor aan, zodat je niet hoeft te programmeren.
Wat dit betekent voor Nederlands
Nederlands heeft samengestelde woorden, leenwoorden en veel namen die het systeem moet raden. Daarom is het verstandig om niet te vertrouwen op een demozin. Neem je eigen tekst, met je eigen namen en getallen.
Een tweede punt is het taalmodel achter de stem. Sommige modellen ondersteunen minder talen dan andere. ElevenLabs noemt bijvoorbeeld per model een ander aantal talen, van 29 bij Multilingual v2 tot meer dan 90 bij Eleven v4. Kijk dus naar het model dat je kiest.
API of studio
Een studio is een website waar je tekst plakt en audio terugkrijgt. Een API is een koppeling voor programmeurs, waarmee je software zelf spraak laat maken. Polly en Google werken via een API, ElevenLabs biedt beide. Voor een korte tekst is een studio genoeg. Voor een app die elke dag duizenden zinnen uitspreekt, heb je een API nodig.
Wat het kost, lees je in AI-stem Nederlands gratis.
Typische fouten en waar ze vandaan komen
Als je weet hoe het proces werkt, kun je fouten sneller plaatsen. Een verkeerd uitgesproken getal komt uit de eerste stap, het uitschrijven van de tekst. Een verkeerd uitgesproken naam komt uit de tweede stap, de uitspraakbepaling. Een stem die vlak klinkt, ligt aan de derde stap en aan het stemtype.
- Een jaartal als 2026 wordt soms als getal gelezen in plaats van als jaar.
- Een afkorting als bijv. wordt letter voor letter of als los woord uitgesproken.
- Een Engelse merknaam in een Nederlandse zin krijgt een Nederlandse uitspraak.
- Een woord dat op twee manieren gelezen kan worden, krijgt de verkeerde klemtoon.
Elk van die fouten heeft een eigen oplossing. Een jaartal los je op met een datumaanduiding, een merknaam met een fonetische schrijfwijze.
Lange teksten
Bij lange teksten merk je dat een stem steeds dezelfde melodie gebruikt. Dat ligt aan het ontbreken van een echt begrip van de inhoud. Je verbetert het door de tekst in stukken te knippen, zodat elke alinea een eigen aanloop krijgt, en door af te wisselen in zinslengte. Sommige diensten hebben voor lange teksten een apart stemtype. Polly noemt bijvoorbeeld long-form stemmen, al staan die volgens de stemmenlijst niet bij het Nederlands.
Hoe aanbieders rekenen
Bij een API betaal je meestal per aantal tekens, bij een studio per maand. Het aantal tekens is de lengte van je tekst, inclusief spaties. Voor Polly en Google staat de prijs per miljoen tekens op hun prijspagina's. Dat maakt kosten goed te voorspellen: je telt de tekens en rekent door.
Meer over wat gratis kan, staat in AI-stem Nederlands gratis.
Een stem kiezen die bij de tekst past
Een stem draagt een toon. Een warme, rustige stem past bij uitleg en zorg. Een strakke, neutrale stem past bij instructies en nieuws. Luister of de stem past bij wat je zegt, niet alleen of hij goed klinkt. Een vrolijke stem bij een tekst over een storing werkt tegen je.
Let ook op man of vrouw, jong of oud en de regio. Bij Polly bestaat voor Vlaams een eigen stem (Lisa), bij Google zijn er aparte nl-BE-stemmen. Als je publiek in Vlaanderen zit, is dat een aanwijsbaar verschil in herkenbaarheid.
Kwaliteit beoordelen zonder vakkennis
Je hoeft geen geluidstechnicus te zijn. Luister naar drie dingen: begrijp je elk woord, klinkt de zinsmelodie plausibel en haal je na een minuut nog steeds geen irritatie bij jezelf op. Dat laatste is bij lange audio de beste maatstaf. Een stem die in dertig seconden mooi klinkt, kan in vijf minuten vermoeiend worden.
Veelgestelde vragen
Is tekst-naar-spraak hetzelfde als spraakherkenning?
Nee, het is de omgekeerde richting. Spraakherkenning zet geluid om in tekst.
Waarom klinkt een stem soms vlak?
Een systeem begrijpt de betekenis van een zin maar beperkt. Bij lange zinnen of emotionele tekst blijft de intonatie vaak neutraal.
Heb ik internet nodig?
Bij de genoemde diensten wel, omdat de audio in de cloud wordt gemaakt.
Wat is SSML?
Een opmaaktaal waarmee je pauzes, uitspraak en tempo aanpast. Het wordt door onder andere Amazon Polly en Google ondersteund.