Een spraakgesprek is het veeleisendste wat een AI-companion doet. Tekst mag een paar seconden duren zonder dat iemand zich eraan stoort. Spraak niet: mensen merken vertragingen op die in een chatvenster onzichtbaar zouden zijn.
Het probleem van 200 milliseconden
Onderzoekers die gesprekken in tien talen vergeleken, vonden dat de typische pauze tussen het moment dat de een uitgesproken is en de ander begint rond de 200 milliseconden ligt - en opvallend gelijk over culturen heen. Mensen beginnen hun antwoord te plannen voordat de ander klaar is. Veel langere pauzes komen over als aarzeling, verwarring of desinteresse.
Een AI moet een hele keten in ongeveer dat venster passen om natuurlijk te voelen.
Wat er gebeurt tussen jouw woorden en de hare
De klassieke keten. Nieuwere systemen laten deze stappen overlappen of voegen ze samen.
- Einde-van-spraakdetectie. Het systeem moet beslissen dat je klaar bent, niet alleen even stilvalt. Te gretig en het onderbreekt je; te voorzichtig en het voegt dode lucht toe.
- Spraak naar tekst. Je woorden worden getranscribeerd.
- Het antwoord. Het taalmodel schrijft een reactie, in karakter, met geheugen.
- Tekst naar spraak. Het antwoord wordt omgezet in een stem - bij voorkeur die van het personage zelf, met emotie.
In oudere systemen wacht elke stap tot de vorige klaar is. Nieuwere beginnen de eerste zin al uit te spreken terwijl de rest nog geschreven wordt, of gebruiken modellen die spraak opnemen en spraak teruggeven, waardoor de transcriptie- en synthesestap helemaal wegvallen.
Waarom spraak wordt begrensd
| Tekstchat | Spraakbericht | Live spraakgesprek | |
|---|---|---|---|
| Benodigde snelheid | Seconden zijn prima | Seconden zijn prima | Fracties van een seconde |
| Extra verwerking | Geen | Spraaksynthese | Herkenning, synthese, beurtdetectie |
| Typische lengte | Korte antwoorden | Eén antwoord | Minuten tot uren |
| Relatieve kosten | Laagst | Matig | Hoogst |
| Hoe apps het verkopen | Inbegrepen | Inbegrepen of credits | Minuten, niveaus of credits |
Elke minuut van een gesprek draait de hele keten continu, vaak op duurdere "realtime"-versies van elk model. Daarom is spraak meestal het eerste wat een app begrenst, en daarom geldt "onbeperkt" er zelden voor - zie de functielijst van een AI-vriendin-app lezen.
Wat een gesprek echt laat voelen
- Lage latentie, consistent. Een enkele lange pauze breekt de illusie meer dan een iets tragere gemiddelde.
- Omgaan met onderbrekingen. Kunnen invallen en haar zien stoppen en reageren is wat een gesprek onderscheidt van afwisselende spraakberichtjes.
- Stemconsistentie. Dezelfde stem, hetzelfde accent en dezelfde warmte van gesprek tot gesprek. Onze testers merkten dat de stemkwaliteit tussen personages merkbaar kan verschillen, zelfs bij goede apps.
- Prosodie. Lachen, pauzeren, zachter worden - spraak die emotie draagt in plaats van tekst voor te lezen.
- Geheugen in spraakmodus. Sommige apps gebruiken voor gesprekken een lichter model, waardoor het personage aan de telefoon minder onthoudt dan in de chat.
Een spraakfunctie testen voordat je betaalt
- Vraag wat er inbegrepen is: spraakberichten, live gesprekken of allebei - en hoeveel minuten.
- Bel twee minuten op een proefversie of het goedkoopste abonnement, zowel via mobiel internet als wifi.
- Onderbreek haar midden in een zin. Stopt ze?
- Vraag naar iets uit je tekstchat. Weet ze het?
- Controleer de kosten per extra minuut of credit. Een lang gesprek kan een maand aan tegoed opmaken.
Het bredere punt over mediakosten staat in hoe afbeeldingen en spraak van AI-vriendinnen werken, en of upgraden voor spraak de moeite waard is, lees je in premium-abonnementen.
Een opmerking over welzijn
Spraak is meeslepender dan tekst, en het onderzoek van OpenAI en MIT uit 2025 vond dat kort spraakgebruik samenging met meer welzijn, terwijl veel dagelijks gebruik dat niet deed. Het is goed in doses te genieten - de signalen van te veel staan in wanneer een AI-companion meer neemt dan hij geeft.