Nederlands AI-model Murmel verstaat Limburgs en Gronings beter dan grote internationale alternatieven

Een Nederlands spraakmodel blijkt regionale accenten aanzienlijk beter te herkennen dan veelgebruikte internationale AI-systemen. Uit een nieuwe benchmark van het Nederlandse bedrijf The Ai Factory blijkt dat het spraakmodel Murmel tot 30 procent minder fouten maakt bij Groningse sprekers dan het best presterende open-source alternatief. Ook Limburgse accenten worden duidelijk nauwkeuriger omgezet naar tekst.

De resultaten onderstrepen een groeiend probleem binnen spraaktechnologie: veel AI-systemen begrijpen standaard Nederlands redelijk goed, maar hebben moeite met regionale uitspraak, dialectinvloeden en sprekers buiten de traditionele trainingsdata. Volgens de ontwikkelaars van Murmel ontstaat daardoor een vorm van digitale uitsluiting die in de praktijk grote gevolgen kan hebben voor overheden, zorginstellingen en mediaorganisaties.

De meeste commerciële en open-source spraakmodellen zijn primair ontwikkeld voor Engelstalige markten. Nederlands wordt vaak als aanvullende taal toegevoegd, met aanzienlijk minder trainingsdata dan Engels. Daardoor herkennen systemen afwijkende uitspraakpatronen minder goed.

Murmel is specifiek getraind op duizenden uren Nederlandstalige audio. Volgens de benchmarkanalyse werden zes open-source spraakmodellen getest op negen uur aan audio uit debatten van de Tweede Kamer. Daarbij werden sprekers uit elf Nederlandse provincies meegenomen.

Murmel behaalde in alle provincies het laagste foutenpercentage. Vooral bij regionale accenten liep het verschil sterk op.

Bij Kamerleden geboren in Groningen noteerde Murmel een foutenpercentage van 6,4 procent. Het best scorende alternatieve model kwam uit op 9,3 procent. Dat betekent een verbetering van ongeveer 30 procent.

Ook Limburgse sprekers werden beter verstaan. Murmel behaalde daar een foutpercentage van 14,6 procent, terwijl andere modellen tussen de 17,9 en 23,9 procent scoorden. In de praktijk betekent dat dat transcripties minder verkeerde woorden bevatten en gesprekken beter doorzoekbaar blijven.

De verschillen beperken zich niet tot regionale accenten. Volgens de onderzoekers scoorde Murmel ook beter bij Kamerleden die buiten Nederland zijn geboren.

Daar behaalde het model een foutpercentage van 12,4 procent. Alternatieve modellen kwamen uit tussen de 16,1 en 20,7 procent.

Volgens dr. Maarten Sukel, oprichter van The AI Factory en ontwikkelaar van Murmel, draait inclusieve AI uiteindelijk om brede verstaanbaarheid.

“Spraaktechnologie is pas echt inclusief als die iedereen verstaat, ook mensen die niet perfect te verstaan zijn voor een AI-model.”

Dat raakt een bredere discussie binnen kunstmatige intelligentie. Veel AI-systemen worden getraind op datasets waarin standaardtaal dominant aanwezig is. Regionale accenten, oudere stemmen, jongeren en mensen met een migratieachtergrond zijn daardoor vaak ondervertegenwoordigd. Internationale studies tonen al langer aan dat dit soort systemen slechter presteren buiten de normgroep waarop ze zijn getraind.

De technologie achter Murmel wordt inmiddels ingezet voor uiteenlopende toepassingen. Het model wordt gebruikt voor het automatisch uitschrijven van vergaderingen, gemeenteraadszittingen, telefoongesprekken en zorggesprekken. Ook mediaorganisaties gebruiken het systeem om radio- en televisiearchieven doorzoekbaar te maken.

Volgens de ontwikkelaars telt het platform inmiddels ongeveer 200 gebruikers, waaronder overheden, zorginstellingen en mediapartijen.

Dr. David Graus van de Unuversiteir van Amsterdam gebruikt Murmel samen met studenten voor het transcriberen van gemeenteraadsvergaderingen.

Volgens Graus speelt accurate spraakherkenning een belangrijke rol in lokale democratie. Gemeentelijke vergaderingen bevatten vaak relevante informatie voor inwoners, maar worden in tegenstelling tot landelijke politiek minder actief gevolgd door journalisten of publieke platforms. Automatische transcripties kunnen die informatie toegankelijker maken voor burgers.

Een opvallend onderdeel van Murmel is de infrastructuur waarop het model draait. Volgens The AI Factory worden alle audio-opnames verwerkt en opgeslagen op Nederlandse servers. Audio hoeft daarbij het land niet te verlaten.

Dat sluit aan bij de groeiende Europese focus op digitale soevereiniteit en onafhankelijkheid van Amerikaanse cloudproviders. Europese overheden en bedrijven zoeken steeds vaker naar AI-oplossingen die voldoen aan de AVG zonder afhankelijkheid van buitenlandse infrastructuur.

Murmel werd recent opgenomen in het digitalsme.eu⁠, een Europees overzicht van technologiebedrijven die bijdragen aan digitale onafhankelijkheid.

Ook de energie-infrastructuur achter het model krijgt aandacht. Een deel van de GPU-servers van hostingbedrijf leaf.cloud⁠ staat in een verzorgingshuis in Zaandam. De restwarmte van de servers wordt daar gebruikt voor warmwatervoorziening.

Het is een klein idee, maar toch leuk om te melden.

Volgens cijfers van het bedrijf leverde de infrastructuur sinds april 2026 ongeveer 297 kWh aan warmte op. Daarmee zou circa 34 kubieke meter aardgas zijn verdrongen en ongeveer 250 kilogram CO₂ zijn bespaard ten opzichte van een gemiddeld Europees datacenter.

Die aanpak past binnen een bredere trend waarbij AI-bedrijven zoeken naar manieren om het snel stijgende energieverbruik van AI-systemen efficiënter in te zetten.

De opkomst van gespecialiseerde Nederlandse AI-modellen laat zien dat kleinere Europese spelers steeds nadrukkelijker inzetten op lokale taalmodellen en nationale infrastructuur. Waar grote Amerikaanse AI-bedrijven vooral focussen op schaalvergroting, ontstaat in Europa een parallelle beweging rond controle over data, privacy en taalondersteuning.

Voor talen als Nederlands blijkt dat relevant. Veel internationale AI-systemen presteren goed in Engels, maar verliezen nauwkeurigheid zodra regionale varianten, accenten of lokale context een rol spelen. Juist bij toepassingen binnen overheid, zorg en media kan dat directe gevolgen hebben voor toegankelijkheid en betrouwbaarheid.

Meer informatie over de benchmark en gebruikte methodologie staat op de website van murmel.nl⁠.