Niet de stem beslist.Wat erna komt, wel.

Spraaksynthese — text-to-speech — zet tekst om in spraak. Dat geeft een systeem een stem: men voedt het een geschreven zin, het produceert klank.

Spraakherkenning — speech-to-text — doet het omgekeerde: ze zet spraak om in tekst. Dat laat een systeem weten wat de persoon heeft gezegd.

Geen van beide begríjpt. Het zijn transformaties; de interpretatie van wat gezegd is, is het werk van een andere laag — en dáár speelt de kwaliteit van een gesprek.

Lange tijd herkende men een synthetische stem meteen: vlak debiet, gemiste verbindingen, afwezige intonatie. Zo ontstond het idee dat « je het meteen hoort ».

Dat is niet meer zo, en het moet even eerlijk gezegd als de rest: een hedendaagse synthetische stem passeert aan de telefoon vaak onopgemerkt.

Net daarom is de melding verplicht. De Europese AI-verordening verplicht de persoon te informeren dat ze met een AI-systeem interageert — en wij doen dat vanaf de eerste zin.

Spraakherkenning is de kwetsbaarste van de twee bouwstenen, en haar zwakke plekken zijn aanwijsbaar.

Eigennamen en adressen. Een zeldzame familienaam, een Franse straatnaam uitgesproken in het Nederlands, een gemeente met lastige spelling: de eerste plek waar een transcriptie ontspoort.

Lawaai. Een oproep vanaf een werf, een restaurantzaal in volle dienst of een wagen tast de herkenning meer aan dan de kwaliteit van de synthetische stem. En de taalwissel onderweg, courant in België, moet het systeem volgen.

Wie een aanbod beoordeelt: de stemkwaliteit is het zichtbaarste criterium en het minst informatieve.

Wat de ervaring beslist, is wat er gebeurt wanneer de herkenning zich vergist. Een systeem dat droog hetzelfde opnieuw vraagt, doet ophangen. Een systeem dat herformuleert, cijfer per cijfer laat herhalen en toegeeft wat het niet zeker weet, houdt het gesprek recht.

En wat het resultaat beslist, is wat er op het einde geproduceerd wordt: een bruikbare fiche en een vastgelegde afspraak, of een benaderende transcriptie om na te lezen.