Voice is dit jaar goed genoeg geworden om te verkopen. De demo's zijn nu echt overtuigend — een beller stelt een rommelige vraag, de bot antwoordt in een warme mensenstem, zonder robotachtige pauzes. Dus belandt het verzoek op je bureau: "Kunnen we een voice-assistent voor support doen?" En het eerste waar iedereen naar grijpt is een merkenlijstje — meestal Hume tegen ElevenLabs.

Dat is de verf kiezen voordat je het gebouw hebt bepaald. De keuze die het project echt vormt — kosten, latency, hoeveel controle je houdt, of het een EU-compliancecheck overleeft — is de architectuur. Krijg die goed en het platform is al half gekozen.

Twee architecturen, geen twee merken

Elke voicebot heeft onder de motorkap een van twee vormen.

Cascading: STT → LLM → TTS

Drie stappen achter elkaar. STT zet de spraak van de beller om in tekst, een LLM bepaalt wat er gezegd wordt en welke tools worden aangeroepen, en TTS spreekt het antwoord uit. Elke stap streamt de volgende in, dus het model begint al te denken voordat je bent uitgesproken en de stem begint voordat het model zijn zin af heeft.

Hier draait in 2026 zo'n 90% van de productie-voicebots op — en met goede redenen. Je kunt elke stap los vervangen, elke stap loggen voor debugging en compliance, en exact dezelfde tool-calls en retrieval hergebruiken die je al voor een chatassistent bouwde. De prijs is latency die opstapelt: zelfs met een TTS-stap van 75ms landen de meeste cascaded bots ergens tussen 800ms en 2 seconden heen-en-weer, zodra alle stappen optellen.

Speech-to-speech: audio erin, audio eruit

Eén model neemt de audio van de beller en geeft direct audio terug, zonder tekst-tussenstap. Er gaat minder verloren — toon, aarzeling, nadruk blijven behouden — en de latencyvloer ligt veel lager: onder de 300ms end-to-end is realistisch. De ruil is controle. Er is geen nette tekst-naad om te loggen, te filteren of aan een apart redeneermodel te geven, en je applicatielogica raakt strak gekoppeld aan de streaming-API van één leverancier. Later migreren betekent de integratie herschrijven, geen component omwisselen.

Cascading is een pijplijn die je stap voor stap bezit. Speech-to-speech is een black box die menselijker aanvoelt. Support wil meestal het eerste; een paar flows hebben het tweede echt nodig.

Waar ElevenLabs past

ElevenLabs is de sterkste optie voor de stemlaag van een cascading bot, en het ElevenAgents-platform wikkelt de hele pijplijn in als je hem niet zelf wilt samenstellen. Het Flash-TTS-model draait rond de 75ms met dekking voor 32 talen, de stemkwaliteit en het klonen zijn top, en de turn-taking (weten wanneer de beller écht klaar is) is goed genoeg om natuurlijk aan te voelen.

Voor een supportlijn sluit dat aan op het werk dat je echt hebt: nauwkeurig transcriberen, je API's aanroepen (orderstatus, wachtwoordreset, afspraak boeken), antwoorden uit de documenten van de klant halen met RAG, het resultaat uitspreken, en netjes overdragen aan een mens. Telefonie en WhatsApp zijn first-class. Is het project taakgedreven en meertalig, dan is dit de standaard.

Waar Hume past

Hume's Empathic Voice Interface (EVI 3) is een speech-to-speech-model rond het ene ding dat de rest als bijzaak behandelt: emotionele expressie. Het leest prosodie — het ritme en de toon onder de woorden — en antwoordt in dezelfde stijl, onder de 300ms. Hume verkoopt ook een aparte Expression Measurement API die emotionele signalen in spraak scoort.

Dat is geen betere supportbot; het is een ander gereedschap. Het verdient zijn plek waar hoe iets gezegd wordt de waarde draagt: de-escalatie bij een boze beller, zorg- en welzijnslijnen, coaching, elke high-touch-flow waar een vlakke, taakafhandelende stem verkeerd zou voelen. Voor "check mijn orderstatus" is de empathie overhead. Voor "ik hang al een uur in de wacht en ik ben woest" is het misschien juist de hele kern.

De EU-adder waar niemand je voor offreert

Emotie-features zijn waar een voice-project stilletjes een compliance-project wordt. Twee dingen die de reviewer van elke EU-klant opbrengt:

  • Het werkvloerverbod is absoluut. De EU AI Act (artikel 5) verbiedt het afleiden van emoties uit biometrische data op de werkvloer en in het onderwijs, met alleen smalle uitzonderingen voor medische en veiligheidsdoelen. Hume gebruiken om de emoties van je eigen supportmedewerkers te scoren is uitgesloten — dat verbod is handhaafbaar sinds februari 2025, en de handhavingsstructuren gaan volledig live op 2 augustus 2026.
  • Klantemotie is niet verboden, maar ook niet gratis. De emotie van een beller lezen valt niet onder het werkvloerverbod, maar het blijft een emotieherkenningssysteem met transparantieplichten (je moet het melden), en stem is biometrische data onder de AVG — dus je hebt een rechtsgrond, duidelijke melding en meestal een DPIA nodig. Plus opnametoestemming voor het gesprek zelf.

Niks hiervan doodt de Hume-optie. Het betekent alleen dat de emotionele-nuanceflow papierwerk meebrengt dat de kale taakbot niet heeft — en dat hoort in je offerte, niet in een verrassing de week vóór livegang.

Hoe wij echt beslissen

  1. Is het taakgedreven? Orders, boekingen, accountacties, FAQ's, doorverbinden naar een mens — cascading, ElevenLabs-stijl. Dit is het meeste supportwerk.
  2. Draagt emotionele toon echte waarde? Pas dan overweeg je een speech-to-speech-model dat empathie vooropstelt, zoals Hume — en bevestig dat je buiten het werkvloer-/onderwijsverbod valt en melding plus een DPIA klaar hebt.
  3. Waar gaat de audio heen? Stem is persoonsgegeven. Check verwerkingslocatie en subverwerkers tegen de dataregels van de klant vóór je je aan een leverancier bindt — dezelfde afweging die we maken bij elke modelstack voor EU-klanten.
  4. Ontwerp de menselijke terugval eerst. Lage zekerheid, herhaalde mislukking, of "geef me een mens" moet doorroutten naar een mens met het transcript erbij. Klanten beoordelen het hele systeem op dat ene moment.

Negen van de tien keer is het antwoord een cascading pijplijn met een geweldige TTS-stem en eerlijke melding. De tiende is een echt emotionele flow die zowel de latencywinst als het compliance-huiswerk van speech-to-speech rechtvaardigt.

FAQ

Cascading pipeline of speech-to-speech-model?

Voor de meeste supportflows: cascading (STT → LLM → TTS). Daar draait in 2026 ~90% van de productie-voicebots op, omdat je elke stap kunt vervangen, alles kunt loggen, en de tool-calls en retrieval hergebruikt die je al voor chat bouwde. Kies speech-to-speech alleen als emotionele toon en respons onder 300ms écht het product zijn.

Hume of ElevenLabs voor een klantenservicelijn?

Voor een taakgedreven lijn — een order checken, wachtwoord resetten, afspraak boeken, doorverbinden naar een mens — wint cascading in ElevenLabs-stijl: snelle TTS, sterke stemkwaliteit, telefonie, tool-calls, meertaligheid. Hume's EVI is gebouwd voor emotionele nuance, dus die past bij high-touch- of de-escalatieflows waar hoe iets gezegd wordt net zo belangrijk is als wat.

Mogen we emotieherkenning op supportgesprekken gebruiken in de EU?

Voorzichtig. De AI Act (artikel 5) verbiedt het afleiden van emoties uit biometrische data op de werkvloer en in het onderwijs, dus je eigen agents ermee monitoren mag niet. De emotie van een klant afleiden valt niet onder dat verbod, maar het blijft een emotieherkenningssysteem met transparantieplichten, en de stemdata is biometrisch onder de AVG — reken op een rechtsgrond, melding en meestal een DPIA.

Wat maakt een voicebot echt traag?

Stapelende latency. Elke stap streamt, maar STT, de LLM en TTS tellen alsnog op, en de meeste cascaded bots landen op 800ms–2s heen-en-weer, ook al kan een losse TTS-stap 75ms zijn. Houd de hele lus onder ~1s, stream elke stap, en handel barge-in af zodat de beller kan onderbreken.

Hebben we een terugval naar een mens nodig?

Altijd. Een voicebot zonder nette escalatie is een klachtenmachine. Detecteer lage zekerheid, herhaalde mislukkingen en expliciete verzoeken, en verbind door naar een mens met transcript en context erbij. Op die overdracht beoordelen klanten het hele systeem.

Bronnen: AssemblyAI, the voice AI stack for building agents (2026) · Coval, speech-to-speech vs cascaded voice AI · Hume AI, introducing EVI 3 en Empathic Voice Interface · ElevenLabs, agents-platform · EU AI Act, artikel 5 (verboden praktijken) · Future of Privacy Forum, emotieherkenning op de werkvloer. Wij zijn engineers, geen juristen — voor alles wat emotie-data raakt, schakel je de DPO en juristen van je klant in.

Een voice-project aan het scopen en wil je een second opinion voordat je offreert? Plan een call — we helpen je de architectuur kiezen, white-label.