Spraakassistent: hoe computers leren luisteren en praten
Een spraakassistent is een computerprogramma waarmee je in gewone, gesproken taal opdrachten geeft of vragen stelt, en dat met een stem antwoord geeft. Denk aan Siri op de iPhone, Alexa op een Amazon Echo-speaker of de Google Assistent op een Android-telefoon. Je zegt bijvoorbeeld "zet een wekker voor zeven uur" en de assistent doet dat, zonder dat je een knop hoeft in te drukken of een app hoeft te openen. Het werkt eigenlijk als een extreem snelle, altijd beschikbare secretaresse die nooit slaapt, maar die opdrachten wel heel letterlijk opvat: zeg je iets net iets anders dan verwacht, dan kan de assistent in de war raken.
Wat een spraakassistent bijzonder maakt, is dat er drie technieken tegelijk moeten werken: het systeem moet je stem herkennen als tekst, die tekst begrijpen als een betekenisvolle opdracht, en vervolgens een passend antwoord teruggeven, vaak weer in gesproken vorm. Dat klinkt eenvoudig, maar elke stap is technisch complex. Zo moet de assistent onderscheid maken tussen "weer" (het klimaat van vandaag) en "weer" (opnieuw), en dat lukt alleen door de context van de zin mee te wegen. De afgelopen jaren is deze technologie sterk verbeterd door de opkomst van kunstmatige intelligentie, waardoor spraakassistenten steeds vloeiender gesprekken kunnen voeren in plaats van alleen simpele commando's uit te voeren.
Wat is het precies?
Een spraakassistent bestaat uit een keten van deelsystemen die na elkaar werken. De eerste stap heet automatische spraakherkenning, vaak afgekort als ASR (Automatic Speech Recognition). Dit onderdeel zet gesproken geluid om in geschreven tekst. Moderne ASR-systemen gebruiken neurale netwerken, wiskundige modellen die getraind zijn op miljoenen uren spraak, om patronen in geluidsgolven te herkennen als woorden en zinnen.
Voordat die herkenning start, moet het apparaat eerst weten wanneer je tegen het praat. Daarvoor is er een "wake word" of activeringswoord, zoals "Hé Siri" of "Alexa". Een klein, energiezuinig programmaatje luistert voortdurend mee op het apparaat zelf, zonder internetverbinding, en herkent alleen dat ene woord. Pas daarna wordt de rest van wat je zegt naar zwaardere systemen gestuurd, vaak in de cloud, dus op servers ergens anders in de wereld, omdat die veel meer rekenkracht hebben dan een telefoon of speaker.
Nadat de tekst er is, komt natuurlijke taalverwerking (NLU, Natural Language Understanding) in beeld. Dit onderdeel probeert te achterhalen wat je bedoelt: welke actie moet er gebeuren (een intentie of "intent"), en welke details zijn daarbij belangrijk ("entiteiten"), zoals een tijdstip, een naam of een locatie. Bij "zet een wekker voor zeven uur" is de intentie "wekker instellen" en de entiteit "zeven uur".
Vervolgens bepaalt een dialoogmanager wat er moet gebeuren: een app aanroepen, een antwoord opzoeken op internet, of een apparaat in huis aansturen. Het resultaat wordt daarna omgezet in gesproken taal via tekst-naar-spraak (TTS, Text-to-Speech). Ook hier gebruiken de nieuwste systemen neurale netwerken, waardoor de stemmen steeds natuurlijker en minder robotachtig klinken dan pakweg tien jaar geleden.
Wat wil men ermee bereiken?
De belangrijkste belofte van spraakassistenten is een natuurlijkere manier van omgaan met technologie. In plaats van menu's en knoppen te leren, praat je gewoon zoals je dat ook tegen een ander mens zou doen. Voor bedrijven als Amazon en Google is dit ook een strategisch doel: wie de spraakinterface in de huiskamer bezit, kan mensen makkelijker producten laten bestellen of diensten laten gebruiken.
Een ander belangrijk doel is toegankelijkheid. Voor mensen met een visuele beperking, motorische beperking of laaggeletterdheid kan spraak een makkelijkere manier zijn om apparaten te bedienen dan een scherm met tekst en kleine knopjes. Ook in situaties waarin je handen vol zijn, zoals tijdens het koken of autorijden, is spraakbediening praktisch.
Verder streeft de industrie naar wat wel "ambient computing" wordt genoemd: technologie die op de achtergrond aanwezig is en meehelpt zonder dat je er actief mee bezig hoeft te zijn, bijvoorbeeld door slimme apparaten in huis, zoals lampen, thermostaten en deursloten, met je stem aan te sturen.
Voorbeelden uit de praktijk
Apple Siri (2011) was de eerste spraakassistent die op grote schaal bekend werd, geïntroduceerd op de iPhone 4S. Siri kan onder meer wekkers zetten, berichten versturen en vragen beantwoorden.
Amazon Alexa (2014) kwam samen met de Amazon Echo-speaker en maakte spraakbediening van slimme-huisapparatuur populair. Alexa ondersteunt duizenden zogeheten "skills", losse functies gemaakt door externe ontwikkelaars.
Google Assistent (2016) verving de eerdere Google Now-dienst en combineert spraakherkenning met de zoekkennis van Google. In 2024 en 2025 werd deze assistent geleidelijk vervangen door een versie gebaseerd op het Gemini-taalmodel van Google.
Microsoft Cortana (2014) was lange tijd de spraakassistent in Windows, maar Microsoft stopte in 2023 met de consumentenversie en zette in op de chatbot Copilot als opvolger.
Samsung Bixby (2017) is de assistent op Samsung-telefoons en huishoudapparaten, en wordt in Zuid-Korea relatief veel gebruikt, al is het internationale marktaandeel klein vergeleken met Siri, Alexa en Google Assistent.
Hoe ver is de techniek?
Spraakherkenning zelf is de afgelopen tien jaar sterk verbeterd. Waar systemen rond 2015 nog geregeld woorden verkeerd verstonden, ligt de foutmarge bij goede omstandigheden (rustige ruimte, standaardtaal) nu vaak onder de vijf procent, vergelijkbaar met menselijke transcriptie. Voor achtergrondlawaai, accenten, dialecten en kleinere talen zoals het Nederlands blijft de nauwkeurigheid echter achter bij het Engels, omdat er simpelweg minder trainingsdata beschikbaar is.
Het grootste struikelblok zat lange tijd niet in het verstaan, maar in het begrijpen. Klassieke spraakassistenten werkten met vaste lijstjes commando's en raakten al snel de draad kwijt bij een gesprek met meerdere stappen. Sinds ongeveer 2023 worden spraakassistenten gekoppeld aan grote taalmodellen (large language models, de technologie achter chatbots zoals ChatGPT), waardoor ze beter kunnen doorvragen, context onthouden binnen een gesprek en losse vragen combineren. Amazon kondigde in 2024 een vernieuwde versie aan, "Alexa+", die op deze manier werkt en in 2025 stapsgewijs werd uitgerold in de Verenigde Staten. Apple beloofde in 2024 een sterk verbeterde, persoonlijkere Siri gebaseerd op eigen taalmodellen, maar stelde de release meermaals uit; medio 2025 was deze versie nog niet breed beschikbaar.
Belangrijke obstakels blijven bestaan. Privacy is een terugkerend punt van zorg, omdat spraakopnamen vaak naar externe servers worden gestuurd en soms door mensen worden beluisterd om systemen te trainen, wat in het verleden tot ophef leidde bij zowel Amazon, Google als Apple. Verder kost het draaien van grote taalmodellen veel rekenkracht en energie, wat spraakassistenten duurder maakt om aan te bieden. Tot slot kunnen taalmodellen "hallucineren", dat wil zeggen: met overtuiging feitelijk onjuiste informatie geven, wat extra risicovol is wanneer een assistent die informatie hardop als antwoord uitspreekt.
Wie werken eraan?
De ontwikkeling wordt gedomineerd door een klein aantal grote technologiebedrijven. Amazon ontwikkelt Alexa en investeert zwaar in de op taalmodellen gebaseerde opvolger Alexa+. Google, met onderzoeksafdeling Google DeepMind, bouwt de Google Assistent geleidelijk om tot een Gemini-gedreven assistent. Apple werkt via zijn "Apple Intelligence"-initiatief aan een nieuwe versie van Siri. Microsoft heeft de eigen assistent Cortana stopgezet en focust nu op de bredere AI-assistent Copilot, mede gebouwd op technologie van partner OpenAI.
Buiten de Verenigde Staten is Samsung actief met Bixby, en in China ontwikkelen bedrijven als Baidu (met DuerOS) en Alibaba eigen spraakassistenten voor de Chinese markt, vaak met ondersteuning van de Chinese overheid als onderdeel van bredere AI-strategieën. Op onderzoeksgebied dragen universiteiten zoals MIT (met het Computer Science and Artificial Intelligence Laboratory) en Carnegie Mellon University al decennialang bij aan spraaktechnologie. Er bestaan ook open-source-initiatieven, zoals Mozilla Common Voice (verzameling van spraakdata in veel talen, inclusief Nederlands) en Rhasspy, gericht op privacyvriendelijke assistenten die volledig lokaal op een apparaat draaien, zonder gegevens naar de cloud te sturen.