Monsoon ASR: spraakherkenning voor talen die te lang onderbelicht waren

TL;DR

• Wat: Er is een spraakherkenningsdataset genaamd Monsoon ASR aangekondigd, die volgens de aankondiging meer dan 100.000 uur aan spraakdata bevat in 50 talen.
• Waarom relevant: Betere spraakherkenning in meer talen maakt het voor ondernemers mogelijk om klanten in hun eigen taal te bedienen — ook als die taal niet Engels of Nederlands is.
• Wat je ermee kunt: Als je klanten hebt die niet-westerse talen spreken, is het goed om te volgen hoe snel spraakherkenning voor die talen verbetert.

Ik kwam een bericht tegen van @AiBreakfast op X over een spraakherkenningsdataset die luistert naar de naam Monsoon ASR. De claim: meer dan 100.000 uur aan spraakdata in 50 talen, met opvallende prestatieverbeteringen op Indische talen. Ik vond het de moeite waard om er even in te duiken — niet alleen vanwege de cijfers, maar vooral vanwege wat betere spraakherkenning in meer talen kan betekenen voor bedrijven.

Wat is Monsoon ASR?

Volgens het bericht op X is Monsoon ASR een dataset met meer dan 100.000 uur aan getranscribeerde spraak, verspreid over 50 talen. Het idee: als je een spraakherkenningsmodel traint op meer en diversere data, wordt het beter in het verstaan van talen waar het eerder moeite mee had.

De specifieke claim is dat OpenAI's Whisper-medium — een veelgebruikt open-source spraakherkenningsmodel — na finetuning op Monsoon-data verbeterde van 61% naar 9% gemiddelde WER op de FLEURS-benchmark voor zes Indische talen.

Even uitleggen: WER staat voor Word Error Rate, oftewel het percentage woorden dat het model verkeerd verstaat. Een WER van 61% betekent dat bijna twee op de drie woorden fout gaan — onbruikbaar in de praktijk. Een WER van 9% is een stuk beter, vergelijkbaar met wat je zou verwachten van een redelijk goede spraakherkenning.

Een kanttekening bij de cijfers

Ik wil hier eerlijk zijn: ik heb deze specifieke cijfers niet kunnen bevestigen via onafhankelijke bronnen. Er bestaan verschillende projecten met de naam "Monsoon" in de wereld van spraakherkenning. Voice Arena en Hugging Face hebben samen een Monsoon-evaluatieset gebouwd, gericht op Indiaas Engels en Hindi, maar die is klein van omvang — zo'n 17 uur totaal — en gericht op evaluatie, niet op training. Daarnaast bestaat er een Monsoon Whisper-model van het Thaise Typhoon AI-team, getraind op de GigaSpeech2-dataset van zo'n 30.000 uur, maar dat richt zich op Thais.

Geen van deze projecten matcht precies met de claim van 100.000 uur in 50 talen. Het is mogelijk dat er een nieuwere, bredere release is die ik niet heb kunnen traceren, of dat het bericht verschillende ontwikkelingen combineert. Ik meld het zodat je weet wat ik wel en niet heb kunnen verifiëren.

Waarom spraakherkenning in meer talen ertoe doet

De meeste ondernemers die ik ken, denken bij spraakherkenning aan Nederlands of Engels. Dat is logisch — daar ligt voor de meesten de directe behoefte. Maar stel dat je als ondernemer een klantenservice runt waar bellers Hindi, Tamil of Indonesisch spreken. Of stel dat je een e-commercebedrijf hebt met klanten in Zuidoost-Azië. Dan maakt het nogal wat uit of je spraakherkenning 61% of 9% van de woorden fout heeft.

Wat mij hier opvalt, is dat de verbeteringen niet komen van een compleet nieuw model, maar van het finetunen van een bestaand model — Whisper — met betere trainingsdata. Dat is een patroon dat we steeds vaker zien: het model is er al, maar de data voor specifieke talen ontbraken. Nu die data er komen, worden de resultaten ineens veel beter.

In Nederland is meertalige spraakherkenning ook relevant. Denk aan contactcenters, gezondheidszorg met patiënten die een andere moedertaal hebben, of logistieke bedrijven met internationale teams. Volgens bronnen als Sound of Data en VoiceLabs zien we dat spraaktechnologie in de Nederlandse klantenservice al serieus wordt ingezet — meertaligheid is daarbij een groeiend thema.

Wat is FLEURS en waarom is die benchmark belangrijk?

FLEURS is een veelgebruikte benchmark voor meertalige spraakherkenning, ontwikkeld door Google. Het bevat spraakfragmenten in meer dan 100 talen, waardoor onderzoekers kunnen vergelijken hoe goed modellen presteren over talen heen. Als een model goed scoort op FLEURS, is dat een sterke indicatie dat het in de praktijk ook bruikbaar is voor die taal.

De zes Indische talen in de tweet worden niet bij naam genoemd, maar het gaat naar alle waarschijnlijkheid om talen als Hindi, Tamil, Telugu, Bengali, Marathi of Gujarati — talen die samen door honderden miljoenen mensen worden gesproken, maar die in AI-trainingsdata lang ondervertegenwoordigd waren.

Wat betekent dit voor een ondernemer?

Ik denk dat het voor de meeste Nederlandse MKB-ondernemers nu nog geen directe actie vereist. Maar het signaal is helder: de drempel voor goede spraakherkenning in niet-westerse talen daalt snel. En dat heeft consequenties.

Drie concrete situaties om over na te denken

1. Internationale klantenservice. Als je klanten hebt die bellen in een taal die niet Engels of Nederlands is, wordt automatische spraakherkenning in die taal steeds realistischer. Niet volgend jaar misschien, maar het gaat sneller dan je denkt.

2. Transcriptie en documentatie. Stel je voor dat je vergaderingen hebt met partners in India of Zuidoost-Azië. Automatische transcriptie die ook hun taal goed verstaat, bespaart uren handwerk.

3. Toegankelijkheid. Als je een app of dienst bouwt voor een internationaal publiek, wordt spraakherkenning in meer talen een manier om bereik te vergroten zonder enorme investeringen.

Kun je je voorstellen wat dit betekent als je nu nog handmatig transcripties laat maken van calls in het Hindi of Indonesisch? De kosten en doorlooptijd daarvan staan in schril contrast met wat automatische spraakherkenning kan bieden zodra de nauwkeurigheid goed genoeg is.

Een breder patroon

Wat ik hier het meest interessant vind, is niet één specifieke dataset of één specifiek cijfer. Het is het bredere patroon. De afgelopen jaren zien we een versnelling in spraakherkenning voor talen die lang werden genegeerd. Google's Universal Speech Model, Meta's Massively Multilingual Speech-project, AI4Bharat's werk aan Indische talen — het zijn allemaal stukjes van dezelfde puzzel. Data wordt verzameld, modellen worden gefinetuned, en de kloof tussen Engels en de rest van de wereld wordt kleiner.

Voor mij is dit vooral een signaal dat spraaktechnologie steeds minder een Engelstalige aangelegenheid wordt. En voor ondernemers die internationaal opereren — of dat overwegen — is dat relevant om in de gaten te houden.