Teksten vertalen met lokale AI-modellen

Lokaal vertalen: wanneer nuttig?

Cloudvertaaldiensten zoals Google Translate of DeepL zijn uitstekend voor openbare teksten. Maar voor gevoelige inhoud, vertrouwelijke documenten of teksten onder geheimhouding is een lokale vertaling veiliger. Je data verlaat je computer niet.

Typische toepassingen:

• Juridische contracten vertalen
• Medische rapporten
• Interne bedrijfsdocumenten
• Persoonlijke correspondentie
• Code-commentaar en documentatie

Installatie en basisgebruik

Installeer eerst Ollama voor jouw besturingssysteem. Daarna haal je een meertalig model op.

Een model kiezen voor vertaling

ollama pull qwen3:8b
ollama pull llama3.3:70b
ollama pull gemma3:12b

In 2026 is qwen3 een sterke keuze voor vertaalwerk: het ondersteunt naar eigen opgave meer dan 100 talen en dialecten en is uitstekend voor zowel Europese als Aziatische talen. Heb je weinig werkgeheugen, kies dan qwen3:4b; voor de hoogste kwaliteit en genoeg VRAM is llama3.3:70b of gemma3:12b een goede optie.

Snelle vertaling via de terminal

echo "The quick brown fox jumps over the lazy dog" | \
  ollama run qwen3:8b "Vertaal de volgende Engelse tekst naar het Nederlands. Geef alleen de vertaling, geen uitleg:"

Python-script voor documentvertaling

Met een klein Python-script vertaal je een heel bestand alinea voor alinea. Zo blijft de opmaak grotendeels behouden en geef je het model behapbare stukken.

import subprocess
from pathlib import Path

def vertaal_tekst(tekst, brontaal="Engels", doeltaal="Nederlands", model="qwen3:8b"):
    prompt = (
        f"Vertaal de volgende {brontaal} tekst naar het {doeltaal}.
"
        "Geef alleen de vertaling terug, geen uitleg of commentaar.
"
        "Behoud de opmaak (alinea's, lijsten enzovoort) van de originele tekst.

"
        f"Tekst om te vertalen:
{tekst}

Vertaling:"
    )

    result = subprocess.run(
        ["ollama", "run", model],
        input=prompt,
        capture_output=True,
        text=True,
        timeout=180,
    )
    return result.stdout.strip()

def vertaal_bestand(input_pad, output_pad, brontaal="Engels", doeltaal="Nederlands"):
    tekst = Path(input_pad).read_text(encoding="utf-8")
    alineas = tekst.split("

")
    vertaalde_alineas = []

    for i, alinea in enumerate(alineas):
        if alinea.strip():
            print(f"Alinea {i + 1}/{len(alineas)} vertalen...")
            vertaling = vertaal_tekst(alinea, brontaal, doeltaal)
            vertaalde_alineas.append(vertaling)
        else:
            vertaalde_alineas.append("")

    vertaald_document = "

".join(vertaalde_alineas)
    Path(output_pad).write_text(vertaald_document, encoding="utf-8")
    print(f"Vertaling opgeslagen: {output_pad}")

Vertaalstijlen specificeren

De kwaliteit van vertalingen verbetert sterk wanneer je de gewenste stijl benoemt. Voeg een van deze instructies toe aan je prompt.

Formele zakelijke vertaling

prompt = "Vertaal naar formeel zakelijk Nederlands. Gebruik de u-vorm."

Technische documentatie

prompt = "Vertaal naar Nederlands. Behoud technische termen in het Engels tenzij er een gangbaar Nederlands equivalent is."

Toegankelijke tekst

prompt = "Vertaal naar eenvoudig Nederlands. Vermijd jargon. Schrijf op B1-niveau."

Kwaliteitscontrole

Automatische vertaling is nooit foutloos. Je kunt het model zelf een eerste controle laten doen.

def controleer_vertaling(origineel, vertaling, model="qwen3:8b"):
    prompt = (
        "Beoordeel de kwaliteit van deze vertaling.
"
        "Geef een score van 1 tot 10 en noem maximaal 3 verbeterpunten.

"
        f"Origineel: {origineel[:500]}

"
        f"Vertaling: {vertaling[:500]}

Beoordeling:"
    )

    result = subprocess.run(
        ["ollama", "run", model],
        input=prompt,
        capture_output=True,
        text=True,
        timeout=60,
    )
    return result.stdout.strip()

Ondersteunde taalcombinaties

Moderne open-source LLM's ondersteunen tientallen talen. De ondersteuning loopt grofweg als volgt op.