In de wereld van artificiële intelligentie lijkt tekst al grotendeels “opgelost”. Chatbots schrijven, analyseren en redeneren op een niveau dat steeds dichter bij menselijke communicatie komt. Maar zodra diezelfde AI moet spreken, écht spreken, wordt het plots een stuk complexer.
Dat is precies het spanningsveld waarin Mati Staniszewski, medeoprichter van ElevenLabs, zich bevindt. In een diepgaand gesprek legt hij uit waarom stem-AI zowel de volgende grote doorbraak is als een van de moeilijkste uitdagingen in technologie vandaag.
Waarom AI tekst beheerst, maar stem nog niet
De vooruitgang in tekst-AI is indrukwekkend. Modellen begrijpen context, nuance en intentie. Maar volgens Staniszewski ligt de echte uitdaging in conversatie.
Spraak is namelijk méér dan woorden. Het is timing, emotie, intonatie en interactie... allemaal tegelijk, in real-time.
Waar tekstmodellen rustig kunnen “nadenken” voordat ze antwoorden, moet een spraakmodel onmiddellijk reageren. Zonder vertraging. Zonder fouten. En liefst met menselijke nuance.
Dit maakt de zogenaamde “voice Turing test”, het moment waarop je niet meer kunt onderscheiden of je met een mens of machine praat, veel moeilijker dan zijn tekstuele tegenhanger, de Turing Test.
Hoe audio-AI eigenlijk werkt
Achter de schermen bestaan er verschillende benaderingen om AI te laten praten:
- Cascaded systemen: eerst wordt spraak omgezet naar tekst, daarna verwerkt, en vervolgens opnieuw uitgesproken
- Speech-to-speech modellen: directe omzetting van gesproken input naar gesproken output
De tweede aanpak lijkt veelbelovender, omdat ze sneller en natuurlijker kan reageren. Toch blijft het technisch uitdagend om emoties, accenten en context correct te behouden. Volgens Staniszewski ligt hier de sleutel tot de toekomst van AI-communicatie.
Universele vertaling en wereldwijde toegankelijkheid
Een van de meest indrukwekkende toepassingen van stem-AI is realtime vertaling. Niet alleen woorden, maar ook stemkleur en persoonlijkheid kunnen worden overgedragen naar een andere taal.
Dat opent deuren naar een wereld waarin taalbarrières verdwijnen.
ElevenLabs werkt actief aan technologie die audio toegankelijk maakt over talen en stemmen heen. Denk aan:
- podcasts die automatisch vertaald worden
- klantenservices die wereldwijd werken zonder taalbeperkingen
- educatie die iedereen bereikt, ongeacht moedertaal
Het is een stap richting een écht globale digitale samenleving.
Van landbouw tot gezondheidszorg: De opkomst van voice agents
De impact van stem-AI gaat veel verder dan slimme assistenten op je smartphone.
Volgens Staniszewski zullen “voice agents” een cruciale rol spelen in sectoren zoals:
- Landbouw: boeren die via spraak advies krijgen in real-time
- Gezondheidszorg: patiënten die met AI praten voor begeleiding en opvolging
- Overheid: digitale diensten die toegankelijk zijn via natuurlijke gesprekken
Een opvallend voorbeeld is hoe Oekraïne deze technologie inzet voor digitale overheidsdiensten, een bewijs dat stem-AI ook maatschappelijke impact kan hebben.
De razendsnelle groei van ElevenLabs
Dat deze visie aanslaat, blijkt uit de indrukwekkende groei van ElevenLabs.
Het bedrijf bereikte in korte tijd een waardering van maar liefst 11 miljard dollar. Die snelle opmars is geen toeval: de vraag naar realistische, schaalbare spraakoplossingen groeit explosief.
Toch benadrukt Staniszewski dat we nog maar aan het begin staan.
Waarom je telefoon nog steeds geen PDF kan voorlezen
Een verrassend, maar herkenbaar probleem: waarom kunnen onze smartphones nog steeds geen PDF’s perfect voorlezen?
Volgens Staniszewski komt dit doordat tekststructuur, layout en context vaak verloren gaan bij omzetting naar spraak. Wat voor mensen vanzelfsprekend is, blijft voor AI moeilijk te interpreteren.
Het toont aan hoe complex “eenvoudige” taken eigenlijk zijn in de wereld van AI.
De toekomst: Praten wordt de nieuwe interface
De manier waarop mensen met technologie omgaan, staat op het punt drastisch te veranderen.
Van klikken en typen… naar gewoon praten.
Staniszewski ziet een toekomst waarin spraak de primaire interface wordt tussen mens en machine. Waar AI niet alleen begrijpt wat je zegt, maar ook hoe je het zegt en daarop inspeelt.
Een wereld waarin technologie eindelijk echt “luistert”.
