Hoe je een high-performance transcriptieomgeving in eigen beheer opzet
In het huidige technologielandschap, waarin artificial intelligence zich razendsnel ontwikkelt, zijn steeds meer organisaties actief bezig met het integreren van AI in hun processen. Sommige kiezen ervoor om deze workloads uit te besteden en hun data te laten verwerken door partijen zoals OpenAI. Andere organisaties houden liever de regie in eigen hand en bouwen zelf een krachtige infrastructuur om deze AI-taken intern uit te voeren.
In dit blog richten we ons op die laatste groep. We laten zien hoe je een high-performance AI-transcriptiesysteem opzet dat niet alleen geschikt is voor transcriptie, maar ook klaar is voor toekomstige toepassingen zoals modeltraining of fine-tuning.
De ster van deze build
Voor deze configuratie hebben we gekozen voor de Asus TUF 5090 32GB OC Edition. De TUF-serie staat bekend om zijn betrouwbaarheid en lange levensduur. Zelfs als we opnieuw zouden moeten kiezen, zouden we nog steeds voor deze kaart gaan – ook al wordt online vaak gediscussieerd over snellere varianten.
Met een prijs van ongeveer $3900 is deze GPU bovendien aanzienlijk voordeliger dan veel alternatieven. In de praktijk is het verschil in inference-prestaties minimaal. Het is simpelweg niet de moeite waard om $500 tot $1000 extra te betalen voor slechts 1–3% prestatiewinst.
Waarom een high-performance AI-PC voor 3CX?
Met de 3CX Onboard AI oplossing kunnen organisaties transcriptiemodellen lokaal draaien. Dit zorgt voor betere controle over data en verwerking, en voorkomt dat gevoelige informatie externe systemen verlaat. Werk je met grote aantallen gesprekken of wil je transcriptie vrijwel realtime uitvoeren, dan heb je een krachtige lokale oplossing nodig. In dat soort situaties is een high-speed AI-systeem zoals deze geen luxe, maar een logische stap.
Componenten van het systeem
- Grafische kaart: ASUS TUF Gaming GeForce RTX 5090 OC Edition 32GB GDDR7 (PCIe 5.0) – $4140
- High-speed SSD (OS/primary): Samsung 9100 PRO NVMe M.2 4TB (PCIe 5.0, 14800MB/s read) – $620
- Processor: Intel® Core™ Ultra 9 285K (24 cores, tot 5.7 GHz) – $568
- RAM: 48GB DDR5 6000MHz Corsair Dominator Titanium RGB – $1420
- Voeding: CORSAIR HX1200i (2025) 1200W ATX 3.1 (Platinum, modulair) – $259
- Moederbord: ASUS TUF Gaming Z890-PRO WiFi (PCIe 5.0, DDR5, WiFi 7) – $315
- CPU-koeler: Noctua NH-D15 G2 chromax.black – $189
Totaal: $7.511
Misschien denk je: “Waarom niet gewoon een Nvidia DGX Spark kopen? Die is goedkoper.”
Maar dat is een misvatting.
Hoewel dit soort all-in-one systemen sterk worden gepositioneerd als extreem snel, blijken ze in transcriptie in de praktijk 3 tot 6 keer langzamer dan deze build.
De belangrijkste reden: ze beschikken niet over dedicated GPU-geheugen, maar maken gebruik van gedeeld RAM. Dat biedt flexibiliteit, maar gaat ten koste van snelheid.
Kosten besparen door te downspeccen
Eerlijk is eerlijk: deze configuratie is op sommige punten ruimer dan nodig. Het RAM kan bijvoorbeeld terug naar 16GB, omdat inference vooral op GPU vRAM draait. De SSD kan goedkoper (bijvoorbeeld Samsung 970 of 990 PRO) en ook een lichtere CPU, zoals een Core Ultra 5 245K / 250K, volstaat vaak
Zolang de RTX 5090 behouden blijft, kun je op de overige onderdelen relatief eenvoudig besparen. In totaal kun je zo’n $1000 besparen zonder merkbare impact op prestaties.
Fysieke build en aandachtspunten
In bovenstaande afbeelding zie je een vergelijking van de Asus TUF 4080 RTX 16GB OC vs een ASUS 5090 RTX 32GB OC. De GPU’s in deze klasse zijn indrukwekkend groot. Beiden wegen bijna 3 kg en zijn ongeveer zo lang als een onderarm. Als je zelf een systeem bouwt, controleer dan altijd of je behuizing voldoende ruimte biedt. Bij high-end GPU’s is clearance vrijwel altijd een aandachtspunt.
Prestaties
De transcriptiesnelheid van deze setup ligt tussen de 32x en 64x realtime snelheid.
Concreet betekent dit:
- Een opname van 32–64 seconden → transcriptie in ongeveer 1–2 seconden
- Exclusief kleine overhead voor model loading en verwerking
Daar bovenop komt nog een tweede AI-analysefase (bijvoorbeeld samenvatting of sentimentanalyse), die enkele seconden extra kan duren afhankelijk van de lengte van het gesprek. De setup kan 32k tot 64k tokens context verwerken – vergelijkbaar met ongeveer 4 uur aan gespreksdata. Hierdoor kunnen zelfs lange 3CX-gesprekken volledig worden meegenomen in de analyse.
Conclusie
Met deze configuratie bouw je een krachtige AI-workstation met hoge throughput. Voor organisaties die werken met het 3CX Phone System en de Onboard AI-functionaliteit, biedt dit een optimale balans tussen performance, kosten en controle. Resultaat: snelle, nauwkeurige transcriptie – volledig binnen je eigen netwerk en zonder afhankelijkheid van externe AI-diensten.
Hoe snel kun jij jouw gesprekken verwerken?
