Spraakmodel Murmel herkent regionale accenten

De meeste spraakmodellen zijn primair getraind op Engelstalige data, waarbij Nederlands als extra taal wordt toegevoegd. Hierdoor krijgen regionale accenten en niet-standaard uitspraken vaak onvoldoende aandacht. Murmel is juist getraind op duizenden uren openbaar beschikbare Nederlandse spraak.

Uit het onderzoek, waarin negen uur aan Kamerdebatten met sprekers uit elf provincies werd geanalyseerd, komt Murmel in alle provincies als beste uit de bus. Bij sprekers uit Limburg behaalt het model een foutenpercentage van 14,6 procent, terwijl alternatieven scoren tussen de 17,9 en 23,9 procent. Voor Groningse sprekers bedraagt het foutenpercentage bij Murmel 6,4 procent, tegenover 9,3 procent bij het best scorende alternatief, wat neerkomt op een verbetering van ongeveer 30 procent.

Spraak met accent nauwkeuriger omzetten

In de praktijk betekent dit dat spraak met een accent nauwkeuriger wordt omgezet naar tekst. Waar andere modellen bij Limburgse sprekers gemiddeld één op de vijf woorden fout herkennen, is dat bij Murmel één op de zeven. Ook stopwoorden en onafgemaakte woorden zoals 'eh' en 'uh' worden beter verwerkt.

Daarnaast scoort Murmel beter bij Kamerleden die buiten Nederland zijn geboren. Het foutenpercentage bedraagt hier 12,4 procent, terwijl alternatieven uiteenlopen van 16,1 tot 20,7 procent.

'Pas echt inclusief als die iedereen verstaat'

"Spraaktechnologie is pas echt inclusief als die iedereen verstaat, ook mensen die niet perfect te verstaan zijn voor een AI-model. Dat geldt voor iemand uit Maastricht net zo goed als voor iemand die niet in Nederland is geboren, voor iemand die op leeftijd of jong is, of op een andere manier niet overeenkomt met de normgroep," zegt dr. Maarten Sukel, oprichter van The AI Factory en ontwikkelaar van Murmel.

Murmel wordt onder meer ingezet voor het uitschrijven van vergaderingen, raadszittingen en telefoongesprekken, maar ook voor het vastleggen van gesprekken in de zorg en het doorzoekbaar maken van radio- en televisiearchieven. Het model heeft inmiddels ongeveer 200 gebruikers, variërend van overheden en zorginstellingen tot mediabedrijven en particulieren.

"Tijdens raadsvergaderingen wordt veel relevante, lokale informatie besproken die voor burgers slecht toegankelijk is. Waar in de landelijke politiek geregeld journalisten en andere belangstellenden meeluisteren, en zo relevante informatie naar buiten kunnen brengen, gebeurt dat op gemeentelijk niveau veel minder. Accurate spraakherkenning is dan een belangrijke voorwaarde om die informatie wél effectief bij lokale burgers te kunnen krijgen," zegt dr. David Graus, universitair docent aan de Universiteit van Amsterdam. Graus zet Murmel inmiddels samen met studenten in om gemeenteraadsvergaderingen te transcriberen.

Restwarmte hergebruikt

De servers waar Murmel op draait, staan deels bij hostingpartij Leafcloud. De GPU-servers zijn onder meer ondergebracht in een verzorgingshuis in Zaandam, waar de restwarmte wordt gebruikt om warm water te leveren aan bewoners. Sinds begin april 2026 heeft de rekenkracht achter Murmel ongeveer 297 kWh aan warmte geleverd, 34 kubieke meter aardgas bespaard en 250 kilogram CO₂ uitstoot voorkomen in vergelijking met een gemiddeld Europees datacenter.

Murmel is ontwikkeld door Sukel, gepromoveerd in Machine Learning aan de Universiteit van Amsterdam, zonder externe investeerders. Het model is getraind op duizenden uren Nederlandse spraakdata en verwerkt en slaat alle data uitsluitend op Nederlandse servers op. Audio verlaat het land niet en hoeft niet te worden opgeslagen. Het model voldoet aan de AVG zonder afhankelijk te zijn van Amerikaanse cloudinfrastructuur. Murmel is onlangs opgenomen in het Tech Sovereignty Catalogue van de European DIGITAL SME Alliance, een Europees register van digitale oplossingen die bijdragen aan technologische onafhankelijkheid.