De transcriptiekwaliteit optimaliseren
Op deze pagina
Update 2 november 2026 — Audiomodellen. Verschillende modellen in deze cursus zijn verouderd:
tts-1,tts-1-hdengpt-4o-mini-ttsstoppen met werken op 6 januari 2027 (de aangegeven vervanger isgpt-realtime-2.1-mini, waarvan de OpenAI TTS-gids stelt dat deze niet wordt ondersteund door/v1/audio/speech: migratie van stemsynthese gaat naar de Realtime API);gpt-realtime,gpt-4o-realtimeen legacy audiomodellen op 20 januari 2027 (gpt-realtime-2.1,gpt-realtime-2.1-mini,gpt-audio-1.5);whisper-1,gpt-4o-transcribeen/v1/audio/translationsop 26 februari 2027 (gpt-transcribe,gpt-live-transcribe,v1/realtime/translations). Voor full-duplex spraak is GPT-Live 1 beschikbaar in de API sinds 10 september 2026. Les bijgewerkt op 3 november 2026: voorbeelden overgezet naargpt-transcribe(prompt,keywords,languages), het door OpenAI aanbevolen model; temperatuur 0 is geen keuze voor “altijd de meest waarschijnlijke”: volgens de API-referentie past het model de temperatuur dan zelf stapsgewijs aan. Bronnen: Bestandstranscriptie · Transcriptie maken.
De transcriptiekwaliteit optimaliseren
Whisper levert standaard uitstekende transcripties, maar verschillende technieken kunnen de kwaliteit aanzienlijk verbeteren, vooral in moeilijke gevallen: achtergrondlawaai, regionale accenten, technisch vocabulaire en eigennamen. Deze les behandelt geavanceerde parameters en strategieën voor nabewerking.
De parameter prompt
Context is uw belangrijkste hefboom om de kwaliteit te verbeteren. Bij gpt-transcribe, het model dat OpenAI aanbeveelt, loopt de context via drie parameters: prompt (een contextzin in de taal van de audio), keywords (te herkennen termen) en languages (verwachte talen).
# Zonder context lopen productnamen het risico verkeerd getranscribeerd te worden
result = client.audio.transcriptions.create(
model="gpt-transcribe",
file=audio_file,
languages=["fr"],
)
# Met context en trefwoorden
result = client.audio.transcriptions.create(
model="gpt-transcribe",
file=audio_file,
languages=["fr"],
prompt="Corsen AI technische vergadering over voice agents.",
keywords=["GPT-6.1 Sol", "Responses API", "Realtime API", "Corsen AI", "Mordehai Attia"],
)
Best practices voor de prompt
- Som eigennamen op: personen, bedrijven, producten
- Neem technisch jargon op: acroniemen, domeinspecifieke termen
- Specificeer de verwachte stijl: leestekens, hoofdlettergebruik
- Bij
whisper-1gaat alles via de enkeleprompt, beperkt tot 224 tokens: de gids specificeert dat Whisper instructies niet volgt zoals een tekstmodel, vandaar het voordeel om daar simpelweg correcte spellingen op te sommen - Bij
gpt-transcribezet u termen inkeywords, één per entry, zonder<,>of regeleinden, anders wijst de API het verzoek af
def build_transcription_prompt(context: dict) -> str:
"""Bouwt een contextprompt voor transcriptie."""
parts = []
if context.get("speakers"):
parts.append(", ".join(context["speakers"]))
if context.get("technical_terms"):
parts.append(", ".join(context["technical_terms"]))
if context.get("topic"):
parts.append(context["topic"])
return ". ".join(parts)
prompt = build_transcription_prompt({
"speakers": ["Mordehai Attia", "Yoram Halberstam"],
"technical_terms": ["Realtime API", "WebSocket", "VAD", "PCM16"],
"topic": "Technische vergadering over voice agents"
})
De parameter temperature
Het eindpunt accepteert een temperature tussen 0 en 1, met standaardwaarde 0. In tegenstelling tot een veelvoorkomend misverstand betekent de waarde 0 niet “altijd het meest waarschijnlijke woord”: volgens de API-referentie baseert het model zich dan op zijn token-waarschijnlijkheden om de temperatuur zelf stapsgewijs te verhogen, tot bepaalde drempels.
Laat in de praktijk de standaardwaarde staan. De documentatie voor gpt-transcribe benadrukt context (prompt, keywords, languages), niet temperatuur; bij whisper-1 kunt u bij verslechterde audio case-by-case een iets hogere temperatuur (bijvoorbeeld 0,2) testen.
Audio-preprocessing
De kwaliteit van de invoeraudio is de meest bepalende factor. Investeer in preprocessing:
from pydub import AudioSegment
from pydub.effects import normalize, compress_dynamic_range
def preprocess_audio(input_path: str, output_path: str) -> str:
"""Bewerkt audio voor optimale transcriptie."""
audio = AudioSegment.from_file(input_path)
# 1. Converteer naar mono (stereo voegt niets toe voor spraak)
audio = audio.set_channels(1)
# 2. Resample naar 16 kHz (voldoende voor Whisper)
audio = audio.set_frame_rate(16000)
# 3. Normaliseer volume
audio = normalize(audio)
# 4. Comprimeer dynamisch bereik (verkleint verschil luid/zacht)
audio = compress_dynamic_range(audio)
# 5. Exporteer als 64 kbps MP3
audio.export(output_path, format="mp3", bitrate="64k")
return output_path
Ruisonderdrukking
Voor ruisopnames verbetert preprocessing met noisereduce de resultaten aanzienlijk:
import noisereduce as nr
import soundfile as sf
import numpy as np
def reduce_noise(input_path: str, output_path: str) -> str:
"""Vermindert achtergrondruis voorafgaand aan transcriptie."""
data, rate = sf.read(input_path)
# Adaptieve ruisonderdrukking
reduced = nr.reduce_noise(
y=data,
sr=rate,
prop_decrease=0.8, # 80% ruisonderdrukking
stationary=False # Niet-stationaire ruis (bijv. café)
)
sf.write(output_path, reduced, rate)
return output_path
Nabewerking van transcripties
Zelfs met goede preprocessing kan ruwe transcriptie correcties vereisen. Gebruik GPT voor nabewerking:
async def post_process_transcription(raw_text: str, context: str) -> str:
"""Corrigeert en formatteert een Whisper-transcriptie."""
response = client.responses.create(
model="gpt-5.6-luna",
input=[
{"role": "system", "content": (
"Je bent een transcriptiecorrector. "
"Corrigeer duidelijke Whisper-fouten zonder de betekenis te wijzigen. "
"Voeg ontbrekende leestekens toe. "
"Herstel hoofdlettergebruik voor eigennamen en acroniemen. "
"Vat niet samen en herformuleer niet."
)},
{"role": "user", "content": (
f"Context: {context}\n\n"
f"Ruwe transcriptie:\n{raw_text}"
)}
]
)
return response.output_text
Complete transcriptiepijplijn
Voeg alle stappen samen tot een robuuste pijplijn:
async def transcribe_high_quality(
file_path: str,
language: str = "fr",
speakers: list[str] = None,
technical_terms: list[str] = None
) -> dict:
"""Complete pijplijn voor hoogwaardige transcriptie."""
# 1. Preprocessing
processed_path = preprocess_audio(file_path, "/tmp/processed.mp3")
# 2. Bouw context: alleen ingevulde parameters
options = {}
terms = (speakers or []) + (technical_terms or [])
if terms:
options["keywords"] = terms
# 3. Transcribeer
with open(processed_path, "rb") as f:
result = client.audio.transcriptions.create(
model="gpt-transcribe",
file=f,
languages=[language],
**options,
)
# 4. Nabewerking
context = f"Taal: {language}, Sprekers: {speakers}"
corrected = await post_process_transcription(result.text, context)
return {
"raw_text": result.text,
"corrected_text": corrected,
"languages": result.languages,
}
Belangrijkste punten
- Context is de meest effectieve hefboom:
prompt,keywordsenlanguagesbijgpt-transcribe; de enkeleprompt, beperkt tot 224 tokens, bijwhisper-1 temperaturestaat standaard op 0, en bij 0 past het model de temperatuur zelf aan indien nodig: laat de standaardwaarde staan- Audio-preprocessing (mono, 16 kHz, normalisatie, ruisonderdrukking) verbetert de kwaliteit meer dan welke API-parameter dan ook
- GPT-nabewerking corrigeert leestekens, hoofdlettergebruik en resterende fouten
- Een complete pijplijn combineert preprocessing, contextuele prompting en nabewerking voor maximale kwaliteit