Schakel JavaScript in voor de beste ervaring.
-40% Black Friday: onze grootste uitverkoop van het jaar Tot 31 December 2026 Plannen bekijken

Waarom AI-stemmen struikelen over Arabisch: klinkertekens, dialecten en data

Ontbrekende klinkers, 30 dialecten en schaarse data: wat recent onderzoek zegt over waarom Arabische spraaksynthese moeilijk is en wat dat betekent voor audiomakers.

Waarom AI-stemmen struikelen over Arabisch: klinkertekens, dialecten en data

Arabisch wordt met minder geschreven dan er wordt uitgesproken. Wanneer een Arabische lezer een zin zonder klinkers tegenkomt, reconstrueert hij de korte klinkers ongemerkt uit de context. Een spraakmodel moet hetzelfde doen met statistiek. Daar begint het probleem: één tekst kan meer dan één uitspraak toelaten en elke uitspraak verandert de betekenis. Daarbovenop heeft het Arabisch een enorme dialectenrijkdom, waarvoor goed gestructureerde spraakdata schaars is. In dit artikel lezen we wat recente onderzoekspapers over deze obstakels zeggen, met de cijfers die hun auteurs publiceerden, en trekken we daarna praktische conclusies voor wie Arabische audio-inhoud maakt.

Een tekst die zijn uitspraak verbergt: het probleem van de korte klinkers

Arabisch wordt meestal zonder korte klinkers geschreven (fatha, damma, kasra, soekoen en tanwien). Het woord «كتب» is een bekend voorbeeld: het kan gelezen worden als «kataba» (hij schreef), «kutub» (boeken) of «kutiba» (er werd geschreven). De lezer beslist dat op basis van de hele zin.

Een paper van Hala Al Masri en Muhy Eddin Zater over het voorbereiden van Arabische spraakdata beschrijft dit probleem duidelijk: als de klinkers ontbreken, kan één woord meerdere betekenissen hebben, en zowel de stemacteur als de AI-module hebben baat bij diakritische tekens die de dubbelzinnigheid verminderen. De paper stelt gedeeltelijke vocalisatie voor, dus tekens alleen op dubbelzinnige plekken, omdat volledig gevocaliseerde teksten zeldzaam en duur zijn.

Kunnen we diakritische tekens automatisch toevoegen? De cijfers tonen vooruitgang en een kloof

De logische oplossing is de tekens automatisch toe te voegen voordat de tekst wordt voorgelezen. Automatische vocalisatie is sterk verbeterd, maar is nog lang niet perfect. De CATT-paper (een Transformer voor Arabische tashkeel op tekenniveau) rapporteert de resultaten van het model op twee benchmarks:

  • Op de WikiNews-benchmark met naamvalsuitgangen bereikte het encoder-decodermodel een tekenfoutenpercentage van ongeveer 5,96% en een woordfoutenpercentage van ongeveer 20,06%.
  • Op de moeilijkere CATT-benchmark was het tekenfoutenpercentage ongeveer 8,62% en het woordfoutenpercentage ongeveer 34,19%.

Het verschil tussen de benchmarks is belangrijk. Een woordfout betekent hier dat het woord minstens één vocalisatiefout bevat. Hoewel het model uit de paper de modellen waarmee het is vergeleken overtreft, maakt het bij de makkelijkere benchmark ongeveer één op de vijf woorden fout en bij de moeilijkere ongeveer één op de drie. Naamvalsuitgangen (de grammaticale woordeinden) zijn het moeilijkste deel van vocalisatie, omdat ze van de zinsstructuur afhangen en niet alleen van het woord. Daarom verbeteren de cijfers als ze worden uitgesloten (ongeveer 3,63% tekenfouten op WikiNews).

Conclusie: automatische vocalisatie vermindert de dubbelzinnigheid maar neemt haar niet weg, en elke fout erin gaat rechtstreeks over in de uitspraak.

Kan data de diakritische tekens vervangen? Een experiment van QCRI

Er is een alternatieve onderzoeksrichting: in plaats van tekens aan de tekst toe te voegen, het model trainen op een enorme hoeveelheid spraak zodat het leert goed te raden. Dat testte de paper «More Data, Fewer Diacritics» (maart 2026) van onderzoekers van het Qatar Computing Research Institute (QCRI). Het team verzamelde ongeveer 20.000 uur audio van sociale platforms en hield na opschoning en segmentatie ongeveer 4000 uur over die geschikt was voor training. Daarna trainde het modellen van verschillende groottes, met en zonder diakritische tekens, en mat het woordfoutenpercentage (WER) met een spraakherkenningsmodel.

De belangrijkste resultaten:

  • Met 4000 uur en diakritische tekens: WER van 1,67, het beste resultaat.
  • Met 4000 uur en zonder diakritische tekens: WER van 3,18.
  • Het model zonder tekens dat op 1000 uur werd getraind (3,12) versloeg de modellen met tekens die op 100 uur werden getraind (3,48 en 3,62).

Bij gelijke hoeveelheid data geven diakritische tekens dus nog steeds het beste resultaat, maar veel data compenseert een groot deel van hun afwezigheid. De onderzoekers noemen belangrijke beperkingen: het experiment omvatte alleen modern standaard Arabisch, de meting was objectief zonder luistertests met mensen, en de voor de score gebruikte herkenningsmodelfamilie hangt samen met de dataverwerkingsketen, wat de resultaten kan vertekenen.

Standaard Arabisch en dialecten: een geschreven en een gesproken taal

Het tweede probleem gaat dieper dan diakritische tekens: over welk «Arabisch» hebben we het? De Habibi-paper (januari 2026) zegt dat het Arabisch meer dan 30 gesproken variëteiten heeft, dat modern standaard Arabisch zelden in het dagelijks gesprek wordt gebruikt en dat dialecten sterk verschillen in woordenschat en uitspraak. Ze voegt toe dat de meeste beschikbare Arabische spraakdata oorspronkelijk voor spraakherkenning is gebouwd, vaak ruis bevat en geen diakritische tekens heeft, en dat er geen uniforme benchmark bestaat om multidialectale spraaksynthese te beoordelen.

De «Arab Voices»-studie (University of British Columbia, januari 2026) bevestigt het beeld vanaf de datakant. Ze catalogiseerde 31 Arabische spraakdatasets en stelde vast dat dialectlabels niet gestandaardiseerd zijn en dat regio's als Noord-Afrika (Algerijns, Hassaniya, Marokkaans en Tunesisch) en Irak ondervertegenwoordigd zijn. In spraakherkenningstests zonder voorafgaande training lag de foutenscore van sommige Whisper-configuraties boven 200 en bereikte die 271,25 voor Mesopotamisch Arabisch, terwijl die voor standaard Arabisch bij meerdere modellen onder 12 zakte. Dit zijn cijfers voor spraakherkenning, niet voor spraaksynthese, maar ze weerspiegelen dezelfde kloof tussen standaard Arabisch en dialecten in de data.

Een opvallend resultaat van Habibi is dat het model eerst op standaard Arabisch en daarna op het dialect trainen veel betere resultaten geeft dan alleen op het dialect trainen. Op de SADA-dataset was de WER met deze aanpak ongeveer 13,30, tegenover 55,63 bij trainen vanaf nul alleen op het dialect. Met andere woorden: standaard Arabisch werkt als fundament waarop je bouwt, en dialectdata alleen is niet genoeg.

Voordat het model spreekt: tekstnormalisatie en opname

Veel van de fouten die we horen komen niet van het spraakmodel, maar van de tekst die het bereikt. Al Masri en Zater leggen uit dat de verwerkingsketen getallen, data, niet-Arabische woorden en afkortingen omzet in uitspreekbare Arabische tekst vóór vocalisatie, spellingcontrole en segmentatie. Een tekst als «1994», «5 km» of «iPhone» wordt niet uitgesproken zoals hij geschreven is en wordt, zonder expliciete omzetting, verkeerd uitgesproken of overgeslagen.

De paper behandelt ook de opnamekwaliteit: ruis, sissen en plofklanken in een onbehandelde studio verpesten de trainingsdata, en ze adviseert ruis aan de bron te voorkomen, een vast en natuurlijk tempo aan te houden en pauzes alleen bij leestekens te plaatsen. Dat herinnert eraan dat de kwaliteit van synthetische spraak afhangt van de kwaliteit van de menselijke stem waarvan ze leerde.

Hoe weten we dat een stem goed is? Het meetprobleem

De meeste studies steunen op automatische maten zoals WER, sprekerovereenkomst en voorspelde natuurlijkheid (UTMOS), en alle hebben beperkingen. Habibi waarschuwt dat sommige van deze maten slecht generaliseren buiten de trainingsdata, en daarom voegden de onderzoekers een menselijke beoordeling toe met 10 tot 20 moedertaalsprekers per dialect. In de vergelijking met een commercieel model won geen van beide op alle maten: Habibi was beter in sprekerovereenkomst en foutenpercentage bij meerdere dialecten, het commerciële model in natuurlijkheid. De les is dat het «beste systeem» afhangt van wat je meet, en dat echt luisteren niet te vervangen is.

Wat betekent dit voor wie Arabische audio-inhoud maakt?

Uit het bovenstaande onderzoek volgen enkele praktische gewoonten. Dit is mijn eigen analyse, niet wat de papers letterlijk zeggen:

  1. Voeg diakritische tekens op dubbelzinnige plekken zelf toe. Gedeeltelijke vocalisatie bij woorden die meer dan één uitspraak toelaten is goedkoper en nauwkeuriger dan vertrouwen op gokken, wat Al Masri en Zater suggereren.
  2. Schrijf getallen, data, afkortingen en buitenlandse namen zoals je ze uitgesproken wilt hebben.
  3. Kies bewust tussen standaard Arabisch en een dialect en meng ze niet in één alinea, tenzij uit artistieke overweging.
  4. Luister vóór publicatie. Geen enkele automatische maat vervangt een menselijk oor, zeker niet bij namen, termen en getallen.
  5. Splits lange teksten in korte delen en controleer ze deel voor deel, want één fout in een heel uur is moeilijk te vinden.

Moknah vandaag

Moknah neemt een deel van deze stappen op zich binnen het platform: voor Arabisch zijn er drie tekstprocessors, Basis, Tashkeel en AI-dichter, en Tashkeel en AI-dichter gebruiken meer credits dan Basis. Het platform ondersteunt tekst-naar-spraak in meer dan 130 talen. Het vervangt menselijke controle niet, maar vermindert repetitief handwerk. Je kunt gratis beginnen en de tekst die voor jou belangrijk is uitproberen via de pagina prijzen.

Gerelateerde artikelen

Bronnen

Vond je dit artikel interessant?

Ontvang nieuwe artikelen en productupdates in je inbox. Geen spam.

We respecteren je privacy. Je kunt je op elk moment uitschrijven.