Spraakagents in 2026: waarom de cascade nog steeds wint van spraak-naar-spraak voor gegronde, meldbare gesprekken

De stormloop op spraakagents ging deze maand een versnelling hoger. Op 1 juli 2026 bracht xAI zijn Grok Voice Agent Builder uit — geen code, een werkende telefoonagent in ongeveer twee minuten, draaiend op een spraak-naar-spraak-pad dat is afgestemd op zijn eigen model. Het is oprecht indrukwekkend, en het legt elk team dat spraak-AI bouwt een vraag voor waar de meesten nog niet over hebben nagedacht: niet welke leverancier, maar welke architectuur. Die keuze bepaalt, meer dan het logo op de doos, of je agent gegrond, vastgelegd en verdedigbaar kan zijn wanneer het ertoe doet.

Twee manieren om een spraakagent te bouwen

Er zijn maar twee vormen. De cascade koppelt drie componenten: spraak-naar-tekst zet de audio van de beller om in een transcript, een taalmodel redeneert over die tekst en haalt op uit jouw data, en tekst-naar-spraak zet het antwoord terug om in audio. Spraak-naar-spraak vouwt alle drie samen tot één model dat audio rechtstreeks naar audio afbeeldt, zonder tekst ertussen. Het verschil klinkt academisch. Het is het hele spel.

Spraak-naar-spraak wint op gevoel

Wees eerlijk over waarom de nieuwe builders spannend zijn. Omdat er geen tekst-omweg is, is spraak-naar-spraak snel — gerapporteerde productielatenties liggen rond 250–350 ms tegenover ongeveer 400–600 ms voor een goed afgestelde streaming-cascade — en het klinkt beter. Een model dat audio hoort en in audio antwoordt, behoudt de prosodie, de emotie en de timing die een transcript bij de spraak-naar-tekst-stap weggooit. Daarom voelen onderbrekingen natuurlijk en vallen de pauzes goed. Analisten verwachten dat spraak-naar-spraak in de tweede helft van 2026 een reëel aandeel van enterprise-implementaties zal pakken naarmate de tooling volwassen wordt. Voor een warm, laag-inzet gesprek is het vaak het betere gevoel.

Maar de cascade legt het enige bloot wat je kunt besturen: tekst

Het transcript dat spraak-naar-spraak weggooit, is precies wat een gereguleerde onderneming nodig heeft. Tekst bij elke overdracht is tekst die je kunt lezen — en dus kunt inspecteren als er iets misgaat, gronden tegen je eigen kennisbank, redigeren voordat die wordt opgeslagen, loggen als registratie en melden aan een auditor. Het is ook waar de providerkeuze leeft: een cascade laat je de beste spraak-naar-tekst, het beste taalmodel en de beste stem onafhankelijk kiezen en elk vervangen; spraak-naar-spraak bindt je aan de één of twee leveranciers die überhaupt een end-to-end model uitbrengen. Daarom domineert de cascade in 2026 nog steeds serieuze enterprise-spraak — debugbaarheid, compliance en providerflexibiliteit winnen de aanbesteding, ook waar spraak-naar-spraak de demo wint.

Grounding is niet optioneel aan de telefoon

Een chatbot die hallucineert kost je een correctie. Een spraakagent die tijdens een live gesprek een prijs, een beleid of een afspraak verzint, kost je een klant — en soms een aansprakelijkheid. Grounding is wat dat tegenhoudt: de agent moet antwoorden vanuit jouw data, niet vanuit het geheugen van het model, en heeft de taalmodel-stap in het midden nodig om de juiste feiten op te halen en daarbinnen te blijven. Die ophaal-stap bestaat alleen in de cascade. Daar doen onze eigen lagen het werk — Solab voor streaming spraak-naar-tekst, ophalen en herrangschikken over je kennisbank, een taalmodel dat daaraan gebonden is, en Blab voor het antwoord in je eigen stem — zodat de agent spreekt vanuit wat waar is voor jouw bedrijf, en elke beurt een transcript achterlaat.

Compliance leeft in het transcript

Vanaf augustus houdt dit op een voorkeur te zijn. Onder artikel 50 van de EU AI-verordening — waarvan de transparantieplichten op 2 augustus 2026 gelden — moet een systeem dat met mensen praat duidelijk maken dat zij met AI te maken hebben, en moet synthetische audio worden gemarkeerd als kunstmatig gegenereerd. Een telefoonagent is precies dat systeem. De cascade geeft je de naad om eraan te voldoen: de melding is een stap die je invoegt, de markering reist mee met de gegenereerde audio, en het transcript is de registratie die je op verzoek overlegt. Het sluit ook direct aan op de verantwoordingsplicht van AVG artikel 5(2) — je moet je maatregelen kunnen aantonen, en een spraakopname is persoonsgegeven dat je moet kunnen doorzoeken en redigeren. Bij een leesbaar transcript kan dat; bij een ondoorzichtige audio-naar-audio-stroom grotendeels niet.

Je stem, je modellen, je perimeter

De componenten van de cascade hoeven niet gehuurd te worden. Blab is onze eigen tekst-naar-spraak: de stem van je merk, gegenereerd op infrastructuur die je zelf beheert in plaats van gestreamd vanuit iemand anders’ realtime API. Combineer het met Solab voor spraak-naar-tekst en grounding op je data via de gateway, en de hele spraakstack — de woorden, de stem en de registratie — kan on-prem of in een geïsoleerde omgeving draaien, achter je eigen SSO. Spraak-naar-spraak betekent voorlopig dat je de audio van je bellers naar een van een handvol externe realtime-modellen stuurt; dat is een heel ander soevereiniteitsverhaal.

Spraak-naar-spraak wint de demo; de cascade wint de audit. Bij een gereguleerd telefoongesprek is het tweede het werk.

Niets hiervan maakt spraak-naar-spraak een vergissing. Het wordt steeds goedkoper, opener en beter auditeerbaar, en er zijn nu al gesprekken — warm, informeel, laag-inzet — waar het gevoel de ruil waard is. Maar voor de gesprekken waar een gereguleerde onderneming zich echt zorgen over maakt, die gegrond, vastgelegd en verdedigbaar moeten zijn, is de leesbare tekst van de cascade het bedieningsvlak, en die opgeven om tweehonderd milliseconden te besparen is een slechte ruil. Calleague is op die naad gebouwd, met onze eigen stem en onze eigen gateway eronder, vanaf de eerste regel code gebouwd voor de AVG. De prijs hangt af van je implementatie en schaal — neem contact op en we brengen het samen in kaart.