 Welkom allemaal, we wachten nog even 1-2 minuutjes om te kijken of mensen binnenkomen en dan gaan we echt beginnen. Welkom allemaal, welkom bij dit Basis Webinar Transcribers. Mijn naam is Joost Oosterhuis. Ik studeer geschiedenis aan de Universiteit van Amsterdam. Ik ga in september, dus volgende week ga ik met mijn massen beginnen. Ik heb via een staartje en bij Anamika Romein heb ik geleerd hoe ik met de Transcribers moet werken. En sindsdien geef ik ook workshops in Transcribers, over de Transcribers. Ik heb het ook zelf gebruikt voor mijn scriptie en ik wil ervoor de commissie van ontzoeken gaan gebruiken. Samen met mij, naast mij, is het ook Bram Jacobs en Sara Mansouti. Bram gaat ook nog een stuk vertellen direct over het drijf achter Transcribers en ook over hoe het werkt met het puntsysteem. En Sara kan jullie vragen in de chat beantwoorden. Sara spreekt geen Nederlandse, dus als jullie een vraag nu hebben, kun je het in het chat in het Engels typen. Maar na de presentatie zullen we nog tijd hebben om... is er ook nog tijd voor vragen. Nog één ding, de camera, ik weet niet of jullie het kunnen aanzetten, maar houdt sowieso maar uit. Dit waarschijnlijk wordt opgenomen. En als je de camera is een kans die dan met gezicht in beeld opgenomen wordt. Het kan wel weggebleurd worden, maar houd maar uit, het is prima. Oké, dan kunnen we beginnen. Ik heb dus vooral zelf Transcribers gebruikt bij mijn bachelor scriptie. Ik deed een onderzoek over gijslaag in de 17e eeuw in Toersburg. En het kwartief van Zitsvinders, met jouw regio rondzijt van Toersburg in Gelderland. En dat was een lastige onderwerp, want onderwerp zelf is eigenlijk niks mee gedaan. In de historiografie is er geen onderzoek over gedaan, dus ik moest zelf echt het agief induiken. En dan kom je in dit soort gigantisch dikke boeken tegen een lastig handschrift. En met Transcribers kon ik niet alleen die boeken makkelijker lezen, maar ik kon ook op zoekdermen zoeken. Waardoor ik dus die gijslaag veel makkelijker in het hoop archiefmateriaal kon vinden. En daarom ook op tijd van mijn scriptie kon schrijven. Het heeft me heel veel tijd bespaard. Ik denk dat zonder Transcribers ik zelf dit onderzoek niet had kunnen doen. Het is één van de manieren waarop Transcribers heel nuttig kan zijn van onderzoek. Oké, de inhoud van het webinar. We beginnen met wat Transcribers nou is, wat programma is het. En het bedrijf erachter en hoe het is ontstaan, dat zal Bram doen. Ik ga dan praten over de nieuwe intres van Transcribers en over hoe het programma werkt, hoe je ermee aan de slag gaat. En dan aan het einde van het webinar zullen we nog even hebben over het nieuwe puntsysteem. En het is ook ruimte voor vragen. Goed Bram, dan mag jij hem overnemen. Goedemiddag iedereen, bedankt voor het enorm warm beweging dat er een paar massaal aan leeftjes zijn. Dat is CRO Zeker. Sommige van jullie zullen mij wel kennen, op beelden van online, op beelden van mail of misschien in personen zelfs. We zien dan een korte introductie. Ik ben zelf ook een stoogwist in opleiding. Ik heb daarna een 8 jaar internationale IT-bedrijf gewerkt als account manager. Daarna gaan we met een passie iets gaan doen. Zijn de geschiedenis en zo op familieleden. Eigenlijk ga ik documenten over een familie geschiedenis al gekranscriber gezien. Een jaar later mij kwamen daarmee. Ik heb zelf in contact gekomen met Transcribers en dan ben ik zelf verder gaan kijken. En zo sinds november eigenlijk actief. Als account manager voor Transcribers, voor de Rietco, is organisatie. In de belagen landen, maar ook bedankt buiten. Maar vooral de laag landen. We zien de taal en de woonplaats. Dus dat is kort mijn achtergrond. Natuurlijk ja, zoals Joost al zei. Oneslijkt, wat je nog eens ziet. Zoals Joost al zei natuurlijk. Ik heb ook een hele mooiste funke geschiedenis gedaan. Ik heb daar een paar documenten voor het manuelige transgeveer. Sommige voeten ik al wel online. Maar als ik nu natuurlijk transcribers had gehad, dan had ik eigenlijk veel meer documenten met onderzoek. Omdat ik dan eigenlijk via een schrijf was, onze AI-ontgenold, zoals ik dat noem, een tijd hoopende werk van het transcriptisch manuel te maken had kunnen sparen over. Dus dat is eigenlijk kort om wat het transcribers bedoelt. Het werkt voor zowel historisch, alles op moderne documenten print of handgeschreven, maar het maakt niet uit op een mengeling. Maar de bedoeling is eigenlijk om documenten en eerst om de lezenbare tekst, als een element van misschien nog belangrijker, in de verzoekbare tekst. Voor ons zouden jullie gaan zoeken op de naam van een grootvader of een valde herkort. Bij de volgende website van de archief zou kunnen zoeken naar een term en eigenlijk al die resultaten hebben en begrijpen kunnen leren. Maar daar gaan we zeker eens door, dat is heel wat in. Dus je ziet een kort eeuw over de ontstaandschines van transcribers en de rietkoop. Eigenlijk is de rietkoop, het is de cooperatieven die hier nu bestaat, er staan uit twee verschillende Europese onderzoeksprojecten, die van Europa gesteund en gefront werden. Eerst initiëerd begonnen in 2013. Twee verschillende projecten, en daarvan ook het rietproject. We zijn vandaag op de naam natuurlijk. Maar in 2019 stopten de sponsoringsstoppele projecten en het blijft natuurlijk lastig om zo die projecten de sponsoringslosten te krijgen, blijven krijgen van het Europa. Dus hebben we gedacht, en ik zie het toch al best wel gebruiken, hoe kunnen wij hier op een fijn, een goede manier de zaken te blijven ontwikkelen, de toel blijven ontwikkelen en uitbouwen, zonder dat we eigenlijk een heel commerciële, heel comfort organisatie ontbouwen. Ik heb zelf hiervoor altijd in Amerikaanse coca-toeële gewerkt. Ik kan zelf zeggen, op zo'n keer maar, dat het toch wel heel anders gaat van de rietkoop, uit toeële als intern. En ja, eigenlijk, de cooperatieve, kort gezegd is eigenlijk, de idea daarbij is eigenlijk dat gebruik is eigenlijk eigenaar zijn van de organisatie van het project. Iedereen kan dit worden. Ik heb democratische webices over het palpissen, zoals die er bij de 9G-nachters zit. Ook andere zaken, ook andere voordelen die je kan krijgen als het bund zoals de eerste newtjes over transcribes, direct contact met de werknemers waar je praat kan stelven aan andere leden en ook natuurlijk korting bij palen aankopen. En vandaag zijn we dus met ontwijf vleden over de decht landen, dat groeit constant. Leveren we nu voorweken of iemand de DM-marken recenten moet gaan worden, bijvoorbeeld. Dus dat blijft groeien. We zijn op 150.000 gebruikers vandaag, dat blijft groeien. Dus als kort over die structuur, die Europese coca-operatie, democratisch en een fijn organisatie overzikkelen, waarbij eigenlijk de focus op de toer verder ontwikkelen, zonder dat we daarvoor privé investeerders nodig hebben, zonder dat we daarvoor kwartaalcijfers moeten gaan halen en daarvoor antwoord of zut moeten gaan zetten en dergelijke leer. Dus dat is wel een veel andere manier vanwege dan ik zelf gewoon ben en hoeveel je ook wil. Misschien de volgende site, kort overzicht van onze leden. Daar zijn zeker veel praktijen op de lage hand, dat zijn we blij mee. We konden ook steeds meer. Dus dat is leuk om te zien, maar we zijn zeker heel impressionaal en je kan zowel als individueel, als organisatie dit worden van de coca-operatie nu. Dat kan je ook nog op onze website, als je aan een gaten mag gehouden en dan join een begin informatie terug. Of je gaat terug altijd met ons de contactgevers aan het einde van de PowerPoint. Dus dan kan je het bij ons ook vragen overstellen, mocht dat niet inkezen. En zoals natuurlijk, ja, zoals we wel eigenlijk laten uitschijnen met die organisatie, stationele structuur van de coca-operatieven en ook hoe dat eigenlijk het AI-platform werkt en hoe het platform zo sterk is geworden, we zijn eigenlijk heel afhankelijk van de gebruikersgemeenschap. Want het is die gebruikersgemeenschap die eigenlijk de AI blijft voeden, de toer blijft voeden met nieuwe taven, waardoor we betere modellen kunnen maken, transcripsie-mobellen. En bija eigenlijk hier is de foto van de laatste transcripsie-users-conference in Innsbruck dan. De volgende is in februari ontjaard. En je kan trouwens als je enige contributie wilt doen bijdraagstothebren, presentaties over hoe je transcripsies hebt gebruikt, dat enige gelijwijze mag je uit. Dat kan je altijd opsturen naar ons en dan had je misschien wel uitgevoegd om te presenteren. En dan heb je je aangenaam om te zien hoe je een creatieve manier er zijn om transcripsie te gaan gebruiken. En zeker ook als je lit bent, dan heb je ook sowieso altijd de gratis de toekomstticket. Maar als je een ticket koopt, heb je vaak ook echt een paar keits bij die je kan gebruiken, dan wordt de toer te gebruiken. Dus eigenlijk, alleen maar voordelen, je kan het ook online worden. Dat is wat ik zelf heb gedaan vorig jaar in de toer. Ik vind het juist niet werkzaam, Wajah, ik krijg er 1 maand op updates of op twitter, our Youtube canal waar ik ook deze webnaag zal tuur verschijnen maar ook andere introductied's en ook andere video's over van allerlei ondervite. Maar wat we hebben gezegd, een active Facebook-bloep waar gebruikers elkaar vragen stellen, elkaar ontsleuren. Dat mag je ook zelf eens keren kijken en zowel naar een aantal vragen antwoorden. Maar ook onze promoters, zoals we maar ook andere gebruikers, die elkaar heel erg verberen helpen dan. En we hebben ook trouwens een WhatsApp-beelingsgebruikers, dus ook dat zelfs een beelingsgebruikers is een platform waar je elkaar kan steunen en vragen. En ja, we zijn er wel echt, dat is wel echt heel belangrijk, is voor ons eigenlijk gewoon als grondvest, voor de tools die je ontwikkeld, maar ook voor elkaar te steunen, voor de supporten, denk ik, want er zijn natuurlijk een groeie organisatie, maar we zijn zeker nog geen organisatie van onder de opduizenden mensen, dus elke steun die gemeenschap kan bieden, die helpen dat nu. Dan misschien kort over het ecosysteem van transcribbers, want we zijn natuurlijk begonnen met die AI-toe om echt transcribbsysteen te maken van historische, of ja, ook vandaagdag, van eigenlijk eindag, in de dagse documenten. Maar we proberen eigenlijk ook wel die vliegen ketting aan te bieden, op waar we al sinds we geen oplossingen zijn. We gaan geen boekskans, of een enorme boekskans gaan ontwikkelen, die bestaan al, maar wat we vooral wel doen, is eigenlijk een skantend te bieden, die is ondertussen al klaar. Wat je daarmee kan doen, is eigenlijk een heel makkelijk attention, een heel makkelijk meenemen, daar gaat de licht in, je zet je gezemmer op en met de doc-scan heb je dan, je kan je eigen applicatie gebruiken, natuurlijk kan je eigenlijk ook beginnen belagen door documenten die je wil skannen en waar je eigenlijk skansen maakt, die je dan zelfs rechtstreeks naartoe transcribbers kan gaan verploggen. En er zijn zelfs geruchten dat er een grotere versie van een skantend zou komen na het vraag om de grotere boeken te skannen, maar dat zijn volgende geruchten, dus daar kan dat niks over belogen, maar ze volgen een taaklein nu niks. Natuurlijk is wel eens besproken juist dat we eigenlijk de transcriptieplattform transcribt zelf uit de kern van wat we doen. En daar zijn we ook weer nieuwe zaken bij aan het toevoegen. Maar natuurlijk, het eindelijk, als je de transcriptie erkent, dat die documenten mogelijk transcribereerd zijn, kan je natuurlijk de exporteren in allerlei formats die je zelfs grot en op een zelf gaan produceren of op eigen manier gaan gebruiken. Maar wat we eigenlijk al bij doen, waar we nu eigenlijk een stap in zetten, is het mogelijk maken dat je eigenlijk de inhoud van transcribbers, dus de documenten met transcriptie, met eventuele avontages, indelkeren bij een index, ik ga het zeker niet denken, maar je bent zeker in de voetbouw, het wordt steeds meer mogelijk. Ik kan je eigenlijk richting gaan produceren vanuit transcribbers, wat in transcribbers zit. Dat noemt eigenlijk transcribbers-size. In dat zelfdoende, dat kan je altijd onze tijd aversen. Misschien volgende slijtenten heb je oost, dan kan je er tegenal wat te zien. Dus je kan eigenlijk alle zelf, ja, elke website zelfkosten gaan maken, waar je dan eigenlijk de collecties die je transgebreerd zijn, of niet, je gaat op posten. Het voelen, nu trouwens voelen we Read and Search. Dus je kan ook over de website ook nog voorbeelden hiervan zien, onder die naam. En op dit moment kan het alleen maar nog op beta, en moet je voetbouwstemming vragen aan ons om het te produceren. Maar vanaf oktober zou het eigenlijk een duurring zijn dat je helemaal zelf eigenlijk je content kan gaan produceren vanuit transcribbers. En als je gaat op zoek op Stadsargie of Amsterdam en je gaat daar goed kijken op een eigen website, je gaat dan daar zoeken bijvoorbeeld, dan zie je perfect dat het ook heel mooi geïntegreerd kan zijn in je eigen website. Het is geen apart platform, geen apart website waar je gebruik zou toe moeten gaan. En ook in het tweede voorbeeld dat we hier gemeld hebben, de Recesses of Boat German Cities, heb je dan weer een mooi voorbeeld, bijvoorbeeld met text, dat door zoekbaarheid nog verbeterd wordt van de plexig publicer. En die text kan je natuurlijk ook aanbrengen in transcribbers zelf, maar dat komt wel echt een mooi dag eruit. Maar zoals gezegd, dat is helemaal niet de scheve plichting. Het is een optie die je kan gebruiken. Je kan perfect zelf, als je examels een andere vorm is exporteren en dan zelf op je eigen website gaan posten. Via je eigen collection management system, waarmee je ook trouwens met enkele providers van een gespexte zijn om in de gras te maken. En sommige gaan er gewoon mee gestart zijn zelfs. Zoals sommige misschien een meel van haar verhoorlijk gegeven. Daar gaan we nu verder niet op ingaan. Misschien nog kort even samenvatten. Wij maken transcribbers mogelijk. Dat begint natuurlijk met die handmatige en automatische transcriptie van handgeschreven en gevolgde bronnen. Want je kan in feite transcribbers op puur gebruiken als transcriptie toe. Omdat je heel mooi alleen met je leven kan zien waar je en wij transcriberen bent. Natuurlijk naast gebruik maken van handmatige uitmaatstranscriptie via de publieke AI-modellen. Kan je ook nog een keer je eigen AI-modellen voor htf, dus voor human text technician, gaan gebruiken of trainen. Of de publieke modellen gaan werktrainen. Daar zijn veel moeilijkheden in. Daarnaast gaan die collecties beelden, gaan samenwerken. We hebben ook nog niet heel veel sets in de science-projecten met vervelingsnodigers nodig gemaakt. Dat kan dan gaan over gronddata creëren voor modelen te trainen. Of om de oudpunt van transcribbers te corrigeren. Zal dat echt de perfecte transcriptie hebt, zoals dat nodig zou zijn. En natuurlijk de volgende stap is natuurlijk ook en misschien nog wel belangrijker dan puur het leerbaar maken van een document dezelfde is. Dat je echt gaan gaan zoeken in die documenten. Zowel dan via transcribbers sites, maar ook op dezelfde AI-collectie per idee. Zij het met een normale search. Zij het met een study search, maar ook met a smart search. Daar zal je los voor niet laten. Gaat verder op ingaan. Oké, bedankt Bram. Dit is de transcribbers app. Later kunnen jullie die ook nog bekijken. Het is gewoon de website waar de magie op plaatsvindt. Die website is verschillende taal beschikbaar. Ondertussen het Nederlands. Alles was maar nog niet alles helemaal vertaald. Maar de meeste dingen wel, geloof ik. Het interessant aan transcribbers is dat het programma is gewoon via een browser, een webpagina en kan gewoon het computer bestuurd. Alleen alles wat plaatsvindt, gebeurt eigenlijk op server in Oosterrijk. Het werkt zo dat als ik bijvoorbeeld vraag aan transcribbers om een tekst te transcriberen voor. Maar dan geeft mijn computer eigenlijk gewoon een seintje naar Oosterrijk, naar die server. Daar moet je met ook documenten naar uploaden. En daar wordt transcribber op die server zelf. De reden voor is dat transcribbers zoveel kracht en energie nodig heeft. En zo server kan dat gewoon beter aan. Het voorbeeld daarvan is ook dat als je eenmaal in het ingang zet in transcribbers, dat niet uitmaakt of die computer aan staat of niet. Als je gewoon vraagt om iets te laten transcriberen en gewoon je kapiet uit zet en dan blijft het gewoon doorgaan op de server. Dat is een voorbeeld. Het nadeel daarvan, of iets waar we wel aan moeten denken, is bijvoorbeeld documenten van mensen tegeliefd met volkbezeggevens. Ik mogen daar niet naar upload worden. Ze kunnen niet door andere mensen bekeken worden, maar gewoon vanwege privacy redenen. En vanwege privacy vergegen, mag dat gewoon niet. Dat is wel iets om in de gaten te houden. Voor mij maakt het niet uit dat ik besteer mensen die al 400 jaar dood zijn. Dus dat is niet zo. Daarom heb ik dat probleem niet. Oké, de nieuwe interface. Hoe zit de nieuwe interface eruit? Nou, dat ga ik even laten zien. Daarvoor ga ik even naar de website zelf, die even moet laden. Dat mag weg. Oké, dus dit is de website. Dit is de beginpagina. Ja, de beginpagina. Hier zie je, hiervoor zit je allemaal de laatste geraapleegd documenten met de afbeelding van je onderstand aan het op collecties. En dit is gewoon een beetje de startpagina. Deze pagina, collections of collecties, hier staan alle collecties. Dat zijn dus industries waar je een collectie aan maakt. Daar stopt je dan documenten in. En die documenten hebben je dan weer pagina's. Dus het is een collectie van verschillende documenten. En die verschillende documenten hebben je pagina's. Zo is het een beetje opgebouwd. Dit is mijn text, daar komen we later bij. Nou, dit is dan de hoofdwebsite. Daar hebben we ook nog eens van. Zij, weet je, zij, je website of zij. Zij het plat waar alle modellen staan. Om het dan schipjes te gebruiken, heb je een stuk text nodig en een model wat die text kan lezen. De modellen zijn vaak door, zoals Bram uitlegde, door mensen getraind. Dus de mensen hebben de computer eigenlijk pixels laten zien. En daarbij is het ook een text naastgezet. Deze pixels, dit is een L. En zo kan de computer langzaamaan, doordat ze deze trainen, handschriften gaan lezen en transcriberen. En die worden dan in een model gestopt. En die modellen kunnen wij dan gebruiken voor andere teksten. Kunnen wij modelen laten gaan en dan worden die texten voor ons getranscriberen. Dit zijn dan de modellen die ik heb gemaakt. Dat zijn niet heel goed. Maar hiernaast staan alle modellen die er zijn, alle publieke modellen die gemaakt zijn en gepuiseerd zijn door de gebruikers. En dus de andere gebruikers gebruikt kunnen worden. En daar kan ook op gezocht worden. Het zijn er best wel veel verschillende. Dit is een transformer model. Dat zijn hele grote modellen van meerdere taal. De gebransen nog iets meer over vertellen. Maar het is echt van alles. Het is Nederlands, Duits, Frans, Chinese, Zwijts. Volgens mij is er nog Sands Creed. En er zijn ook modellen voor Hebrils. Dus het is best wel uitgebreid. En via de bar hier kan er op taal worden gezocht. Bijvoorbeeld middel Nederlands. Of ja, dit is voor mij meer trouwens. En ik kan ook worden gezocht of ik kan wel gezegd of het handschreef is of geprint. En ook de datum van de tekst kan. Voor het model, hoe oud het materiaal is getraind. Dat kan ook selecteerd worden. En dat is allemaal belangrijk. Dat kan ook allemaal verschil met hoe accurate het model is. Er zijn ook nog andere versies voor layout. Layout had nu in dat het model getraind is om hoe de tekst opgesteld is. Om dat te herkennen. Dus vooral waar loopt de alinea, waar loopt de zin in. Tanscribers kan een tekst die gewoon van boven naar onder en van links naar rechts. Gewoon prima zelf begrijpen. En gewoon goed die alinea's vorm geeft. Maar voor sommige andere documenten kan het al afgesijnen. Ik kom ook straks ook op terug. En daar zijn er aparte modellen voor. Dan hier sites. Ik weet niet of voor mij is dit nog in aanbouw. Als ik het goed begrijp. Maar hier kunnen we aan het eindelijk de websites gemaakt. Waarop het model op stukje digitale gewoerd zijn gepubliceerd kunnen worden. En mensen die ook kunnen door zoeken blijft het delen. En dit is learn. En learn is volgens mij iets waarmee je quizzen en soort examens kan maken. Om te leren een handschrift te lezen, geloof ik. Dus dat is een beetje hoe de grote interface eruit ziet. Ik heb er aan het dia. Oké, en transcribers heeft een nieuwe interface gekregen als een nieuw update. En ik ga nu gewoon even laten zien hoe transcribers nou in de basis precies werkt. Dus om te beginnen waarmee het al begint is een stuk tekst. Ik heb een 17 jaar ousen tekst die ik graag wil laten transcriberen door het programma. Dan kan men heel handig naar transcribers.ai gaan. En daar die tekst invoegen. Zo kan het ook gesloten worden trouwens. En dan via transcribers.ai. Dat is een soort soort pagina waarop je gratis document kan laten skinnen. En de descriptie uit kan komen. Ik kan eigenlijk een beetje testen van heeft. Of ik moet daar zo'n goede taal gebruiken naar dit tijd. Dat is een foutje. Dat bedacht Nederland zijn. Maar dan heb ik even een voorbeeld of er een goed model aanwezig is voor je tekst. En die kun je ook gelijk gebruiken als je in het programma zit. Dat is een soort van voorverkenning. Ten enige wat wel belangrijk is om te houden is dat transcribers.ai niet geen perfecte weergaven geeft. Dus het kan in het programma zelf iets accurate zijn dat de tekst beter getranscriberen is. Maar het kan ook iets minder accurate zijn. Dat kan verschillen per model. Dus het begint eerst wat die eigenlijk wel aangaan begint met uploaden. Dat is in het echte programma ook zo. Je uploadeert eerst een document naar de server. Dan gaat die server een model opzetten om het transcriberen. En dan komt daar een tekst uit als je een goed model aanwezig is. Als geen goed model aanwezig is moet je die zelf maken. Maar dat gaan we zo direct nog even in. Maar dit duurt wel een beetje lang. Nou ik ga het nu even laten. Maar dit is in ieder geval een optie. Meestal is het iets nader dan hier. Nou beginnen bij het begin. Dus ik zit in het transcribers. En waar het al bij begint is het aanmaken van een collectie. Dus dat doe je hier. Hier rechts boven. Nieuwe collection. Je kunt de naam in het typen. Webinar. Dat doe ik even voor het gemak. Dat is een collectie aangemaakt. Webinar. Hier rechts boven is de user manager. Dat in dat je mensen kan toevoegen aan een collectie. Collecties kunnen gedeeld worden. Als je dat wilt doen klikt je hier op. En dan kunt je de email van de genen in tikken. Dat is de email waar iemand zich mee opgeven. Waar je meer een account heeft gemaakt van het transcribers. Je kunt die in tikken en dan kunt je die genen toevoegen. En dan kunt je ook bepalen wat de genensrol is. Zelfs alles kunnen bewerken of alleen maar een gedeelte. Et cetera. Oké, we hebben nu een collectie. Maar nu hebben we nog een stuk tekst nodig om te transcriberen. Dan klikt je hier op upload. Dan, ja je doet browse maar je kunt ook slappen. Dat is wat dit in voorkeur is. Dan submit. En dan gaat hij zoals hij ook hier aangeeft gaat uploaden. Dit doet hij gelijk, zeg maar. Iets upload gaat meestal heel groot en dat kan iets langer duren. Dit heeft hij gelijk gedaan maar stel als u wil weten hoe het verder is. Soms kan het langer duren. Je kunt hier weer jobs kijken en dan kunt u zien hoe het verder is. Maar hier staat het altijd finished. Het is, hij is klaar. Zometal in de pagina even refreshen. Nieuwe. En dan staat hij als goedstussen. En dan staat hij tussen. Dan ga ik hier naar de 1e pagina. Normaal bij die vorige blad staat er meer pagina's. Dat is meestal gewoon meer pagina's dan deze telp maar eentje. Dan zijn er twee opties. Ik kan het overgelijk met een transcriptie beginnen. Dus u weet dat er al een goed model is. Dan kunt u het gelijk laten transcriberen. Of u kunt eerst een layout analyze doen. En dat houdt in dat de computer gaat kijken, gaat aangeven waar hij zinnen ziet en waar hij aligna's ziet. Dat kan ook al het maat worden gedaan. De computer heeft er soms wat meer moeite mee als het een beetje raar loopt. Zoals hier bijvoorbeeld, want hier, dit is een stuk tekst, apart tekst en dit is ook een stuk apart tekst. Maar in de computer gaat er waarschijnlijk van links naar rechts, want dat klopt niet meer. Dus u kunt zelf ook aangeven waar de aligna's lopen. Dat kan zo. Zo kan dat. Het is dan een aligna, een tekst, vlak een tekstregel of een tekstregel zoals dit in het programma heet. En hier kunnen dan de zinnen mee worden aangeven. Bij een malopende tekst hoeft het niet. En er zijn ook modellen die andere daarvoor teksten automatisch kunnen doen. Dan kunnen we gewoon modelen over heen laten gaan en dat scheelt een hoop tijd. Maar mocht dat niet het geval zijn, dan kunt u het halt maatig doen. En dan kunt u zelfs ook nog zelf een model uitmaken. En dan kunt u zelfs ook nog zelf een model uitmaken die u dan herkent. Maar dat zal ik zo nog laten zien. Dan ga ik even terug. Dan save, want ik wil het namelijk niet op slaan. Voor dit volgaan we gewoon even automatisch een model erop zetten op deze tekst. Daarvoor gaan we naar start automatic transcription. Daar komt u eigenlijk bij een pagina die heel lijkt op die we net eerder hebben gehad. Voor al die modelen tussen staan. We kunnen een model kiezen, we kunnen erop zoeken. Maar ik weet toevallig al eentje die heel goed is. Dus die ga ik gewoon kiezen. Maar dat zijn allemaal opties om de keuze. Wat ook nog een tactiek is om eerst één pagina te laten transgeven. Om te kijken of het een beetje werkt en dan past het meer pagina's. Dat kan ook nog. Ik ga voor de Duchess model. De Duchess model is een model wat eigenlijk meer modellen bij elkaar samen heeft vervoegd. Staten bijna 12 miljoen woorden aan teksten die de computer opgetraind is. Dat is een zeer akkudaat model in de meeste gevallen. Dat is een heel goed model. Dus die is redelijk vertrouwbaar. Dat klinkt op start transcription. En dan gaat hij mee aan de slag. En dat kunnen wij hier rechtsboven ook weer zien. Dan zien we hier running. Dat betekent dat hij mee bezig is. Het kan ook zijn dat hij Q staat. Dat betekent dat hij in de wachtrij staat. Omdat alles op één server wordt gedaan. Dat moet het ook met een server uploaden. Dat die server wordt dus ook transgebeerd. Als je een server zit, dat dat wat langer duurt. Dan kan je in een wachtrij belanden. Dat geluk nu in ieder geval. Nu is hij gelijk bezig. Dat kan er een paar minuten duuren. Dus wij gaan ondertussen even verder. Nou, laat zien wat we gedaan hebben. Wat we hebben eigenlijk gedaan is een document. We hebben eigenlijk een collectie aangemaakt. En daarna een document geupload. Wij zijn deze route afgegaan. Dus wij hebben een model gevonden. Die heeft tekstverkenning gedaan. Of hij is daar nu mee bezig. En dan zijn dit de optie die we daarna hebben. Maar hij is nog even meer bezig. Als er geen model voorhanden is wat tekst kan lezen. Dan moet hij zelf model maken. En dat houdt eigenlijk in zelf transgeberen. 20 of 30 pagina's. Dan doet hij eerst door die layout herkenning. Dus of een model of zelf die zinnetjes aanstrepen. En dan zelf een tekst in typen. Transcript syntieken en dan daar een model uitmaken. Dan komen we straks toch wel even wat meer detail op terug. Dit hebben we allemaal wel gedaan. Ja, want als ik hier eens in houdt. Is dat dus tekst, oude tekst op een afbeelding eigenlijk. We voelen ze in als afbeeldingen. We worden door zoekbaar en eigenlijk overgediefd door de computer. Waardoor ze dus zoekbaar en ook leesbaarer zijn. Daarvoor hebben we twee typen. We hebben HTR. Dat is dus handgeschreven tekst. En we hebben op het Kolkkerkse tekst. Dat is dus gedrukt geprint tekst. En het groot verschil dat tussen is dat handgeschreven tekst. Is het zordige hoofd algemeen. Niemand schrijft zijn L, bijvoorbeeld perfect dezelfde keer. Elke keer verdraagt wat variatie in. Terwijl gedrukt tekst heeft wel de L meestal gewoon precies dezelfde is. En dat zijn dus eigenlijk twee verschillende modellen. Dat wordt daaruit gemaakt. Waarvan de HTR, de handgeschreven tekst, vaak iets minder accurate is. Dan de gedrukt tekst. Hier kunnen we nog even zien. Hier kunnen we nog even zien de precies verschillen. Ik kijk vooral naar afzondelijke personages, characters, characters, letters. Terwijl de HTR model of meer naar de algemeen zin kijken. De zin loopt. Voor eerder aangegeven, er is geen algemeen model voor alle talen. Er zijn gewoon een aantal modellen gemaakt door gebruikers van transcribers. Het vooral is dat die het aanbod aan modelen steeds uitbreidt. Er komen andere talen bij. Maar er komen ook steeds grotere taalmodellen die steeds meer tekst getraind zijn. Dus steeds meer teksten beter kunnen lezen en transcriberen. En dat zijn dus die publieke modellen. Als er eentje tussen zit die goed bij je tekstpas, bij wat je wilt laten transcriberen, dan kunnen die gewoon gebruiken. En dan doet u wat ik net heb gedaan, dat is heel makkelijk. Als er geen model bij je zit, dan moet u het zelf trainen. En dan wordt het iets lastiger. Dat heb ik net allemaal laten zien. Ja, Bram. Kom ik dit eens je afgeven, Bram? Ja, ik kan wel zeker even overnemen. Ja, dat was ik bij mensen die aan het midden op aangespoven hebben. We hebben dat wel even meegegeven. Maar belicht ook al misschien wel eens die andere platformen. We hebben natuurlijk tot nog toe eigenlijk altijd gebruik gemaakt van pilaya technologie voor de modellen. Dat gaat op ATR Plus. Dat is dus eruit. We moeten gaan vanwege het proprietyg software was. Dus dat we het niet meer kunnen gebruiken. Maar we hebben eigenlijk sinds beginnend jaar de ontwikkeling verdergezet van de transformer technologie. Dus transformer modellen die eigenlijk veel breder, makkelijk gereed pasbaar zijn. En zowel voor verschillende talen als verschillende print als aangeschreven, of veel meer handen eigenlijk kunnen ontbatten in één model. Die is er nu ook intussen eigenlijk klaar, deze transformer modellen. Eerst hadden we in het publiek geliezen, we hebben de tekst eigenlijk niet heen. Dan kan je het nu ook gewoon zo uit vaporeren. En je ziet welke talen het al gebruikt. Ik heb er testbedrijven geweest. Zowel ik soms ook op andere talen heb ik al ondervonden. En ja, mijn advies zou eigenlijk altijd zijn, als je gaat beginnen met transcribes tegen gebruiken. Dat is ook wat ik zelf altijd doe als ik testmateriaal ga testen. Dat ik binnenkrijg, of als ik met mensen werk voor een project. Is eerst kijken hoe je gaat met tekst eigenlijk niet heen. Hoe goed gaat die werken op die materiaal. Omdat het vaak op name, op cijfers en dan zeker op een mix van handgeschreven en print documenten. Ja, eigenlijk heel goeie plancie, dat heb ik zomaar gehad terug heen. En dan kan je altijd nog veel gaan kijken. Daarna is het geen resultaat die uitkomt goed genoeg of niet. In mijn ervaring vaak wel. Niet altijd. In die niet kan je natuurlijk altijd op basis daarvan eigenlijk met de pagina zich transcriberen. Met de tekst-tijten heen. Dan eigenlijk dat nog niet al gaan gebruiken om een bestaan model te gaan bijtrengen. Van een pilaya gebaseerde technologie. Of om je eigen pilaya model te trainen. Voorlopig kan je nog zelf niet tekst-tijten gaan fine tune-en. Omdat echt zoveel trainingsdata gebaseerd is. Dat gaan hertreinen of bijtreinen enorm lang zou duren. Eventueel kan je wel naar ons komen. Zeker als we een groot bepaalde pagina's zijn. We gaan werken. Dat je toch een fine tune wilt. Kunnen wij het mogelijkst wel voor jou doen als het symbool is. Maar voorlopig kan je dus zelf geen specificiteit gaan toevoegen voor jullie specifieke bron op deze transformadellen. Natuurlijk blijf je op de periode ontwikkelen. Aan deze technologie waardoor het oud-of-the-box-resultaat zoals het dan nog steeds beter wordt. Maar bijvoorbeeld op een periode archiever van 17, 18 eeuwen een testteppel van de boss. Dat was eigenlijk een perfect resultaat. In deze transformadellen. Dus dat was wel een beetje wel blij. Dat er misschien wel een echte nieuwigheid in zit. Ik begon en ik begon. Met veel van jullie gesproken. Ja, zoals Bram aangehouden vroeger. Vroeger moest je vooral zelf echt een model maken. Daar wordt nu steeds minder, want steeds meer ook pare modellen komen. Zijn al 150. En ook steeds grotere modellen komen. We zitten op meerdere talen of één taal. Maar dan misschien nog wel meer periode in de taal. Waardoor dan schieven we zelf al heel veel teksten al enigszins kan transcriberen. En dan kan ook vaak wat ook nog een optie is als we zo'n eerste model op een tekst te zetten. Dan dus het computer te laten transcriberen. En dan zelf de function uit te halen. En dan kan ook opnieuw de computer te laten trainen. Dus ook nog een optie. Dus daar wordt het steeds makkelijker en steeds efficiënter om stukken te laten transcriberen. Naar het filteren. Wat belangrijk is met kijken naar welk model je wilt gebruiken is ook naar het CER. Dat is character error rate. Oftewel de fout marsje. Want als model getraind wordt wordt er ook altijd één pagina wat getranscribeerd door een persoon. Dat is gewoon correctis. En één pagina de computer met elkaar vergelijken of meerdere. En dan wordt gekeken van hoe accurate is het, hoe goed het de computer heeft. En dan kan er nou een soort fout percentage worden vastgesteld. Dat laat zien hoe accurate het model is. Zo lager, hoe beter eigenlijk. Meestal rond de 5% is al goed. En wat voor type model. Dit is vooral een heel groot model. Het is niet echt iets hoger ligt, maar het heeft gewoon heel verschillende dingen getraind. Maar zeker bij kleine modelen is die 5% of de liste onder wel behandig. Deze ga ik even door. Dus dan ik ga even terug naar ons document wat we hebben laten transcriberen. Even kijken of hij al klaar is, volgens mij wel. Hij is gereed. Het mooie ervan is dat dit is een ouder versie van het welhelm. Zoals je kunt zien klopt het wel enigszins. Alleen de zin instaan door elkaar. En het komt tot die complete naast elkaar worden opgeschreven. En de computerlees van lees daar rechts die houdt het door elkaar. Dus het zou zelf moeten aanpassen. Of een andere model op zit op deze structuur van het tekst. Wat ook nog een optie is men kan zelf tekstregio's maken maar ze kunnen ook aangepast worden. Zo bijvoorbeeld. Dat is ook nog een optie. En wat ook handig is aan als een tekst transcriberen is, is het wel klikken op de tekst. Dus klikken op zin. Gaat gelijk hier naar de transcriptie. En als een transcriptievertrager aangeklikt, laat ook zien waar die staat. Dat is heel makkelijk. Wat nog een hele handige optie is van transcribers, is dat naast die oude tekst kan transcriberen is het ook door dat die tekst er dus op slaan. Is dat die tekst ook door zoekbaar kunnen worden. Een soort tekst van gemaakt met karakters. Dus dan naar de collectie gaan of gewoon home mag ook. Hier is een zoekbaar en daar kan gewoon een term in worden getekst bijvoorbeeld. Ik weet wel wat hierin staat. Kan ik erop klikken. Dan zien we hier, dit is dan echt de hele bibliotheek die ik zelf heb. Het is dan heel veel verschillende dingen tussen van alle woorden die de computer naar zou heeft transcriberen. Als de computer iets verkeerd heeft getranscriberen, dan wordt het niet gevonden. Dus als het naar zou staat en de computer denk staat Henk, dan gaat hij het nu niet vinden. Behalve speciaal speciaal manier van transcriberen die aangezet kan worden, als het transcriberen kan zijn dan kan hij het misschien nog wel vinden. Hier kan ook nog per document worden gesorteerd of dit is het document wij hebben gehad transcriberen en dan zien we hem hier staan. We gaan hem eens van de zouten zoals we net hebben gezien. Dus zo kunnen de documenten heel makkelijk te zoekbaar worden gemaakt en dat is heel handig. Dat kan, zoals Bram ook al laat zien, ook op een grote schaal worden gedaan bijvoorbeeld met archieven. Bijvoorbeeld met dat Amsterdam archief, dan kan er ook gewoon iemand gewoon Rembrandt in, en alle documenten waarin de computer Rembrandt heeft gespot of zelfs Rembrandt heeft transcriberen, laat die dan gelijk zien. Zo kunnen heel makkelijk personen en onderwerpen gezocht worden. Dat is dan hoe Smart Search Work werkt. Text, je haakt nu niet te veel op in met wege tijd, maar bij een text kan ook nog text worden, geplaatst voornamelijk voor structureel. Wat welk gedeelte van text is dit? De herring, de titel, is dan bijvoorbeeld de paragraaf. Zo kan op structurele trainen, het computer zelf gaat inzien van dit is een paragraaf en het is zelf goed indelen. En dan kunnen onderzoekers dus ook heel makkelijk op die label zoeken stellen. Ik wil alleen maar titel zien, dit is zoek gedeelte. Wat ook nog een optie is Fuzzy Search, dan houdt transcribers dus rekening mee dat sommige dingen niet helemaal goed getranscriberd zijn. Laat die ook voordat zien die niet precies overeen komen met wat u in de taa en de zoekpak hebt getikt, maar wat wel in de buurt zit. Zo kunnen ook dus worden die niet goed getranscriberd zijn als nog gevonden worden. Het is slim zoeken en het kan aangestet worden als een model over een text gaat en dan kan transcribers zelf dus woorden vinden die niet goed getranscriberd zijn. Bijvoorbeeld hier Tomasso en dan hier stond dominato verkeerd getranscriberd, maar daar vindt hem alsnog. Nou, dat is mooi, we hebben dus een model en dan kan het ook geëxporteerd worden en geëxporteerder houdt in dat we het model of dat we die tekst naar een ander bestand overzetten en dan zelf ons kopiet kunnen opslaan of dat we het kunnen delen met andere mensen. Omdat we doen, simpelweg hierover gaan dit vakje aanklikken dan is het export dan krijgt u allemaal opties verschillende bestandsvormen worden gedaan. Ik ga zelf gewoon meestal voor pdf en dan met de afbeeldingen en dan gewoon met de afbeelding boven en dan de tekst transcripsie onder een karakter nog vergelijken met elkaar. Dat zijn allemaal opties. Dan zal transcribers het een download link via uw mail stuur die heeft gebruikt om een account aan te maken kun je het via uw mail downloaden en daar staat het voor uw cooter. Dus ook kunnen teksten geexporteerd worden. Transcripsies geexporteerd worden. Oké dit is het gedeelte over trainingsmodellen, want ja, stel, we hebben een tekst die zo lastig is of zo waar geen trainingsmodel voor is die het goed kan transcriberen, dan moeten we dus zelf een model maken. Modellen kunnen dus verschillende dingen getraind worden getraind voor het tekst, simpelweg voor het tekst die het kan lezen. Ze kunnen gemaakt worden voor lijnen, dus dat ze de zinnen goed herkennen voor veel, dat ze de tekstregio's goed herkennen en ook voor tabellen. Dus echt voor tekst die uit tabellen staat, vaak administratieve, financiële stukken hebben we nog wel tabellen met rekenzommen en degelijke. Transcribers kunnen ook leren om die tabellen te herkennen en goed transcriberen goed mee te nemen. Hoe werkt het tenen van een tekstmodel? Allereerst heeft u daarvoor 15-15 pagina's aan transcripties nodig, 15-15 woorden. Dat kan heel erg verschillen met, het ligt heel erg aan uw materiaal wat u wilt gaan transcriberen. Dat bijvoorbeeld, als ik 1 periode neemt, bijvoorbeeld 10 jaar of gewoon echt 1 periode 1650 1 gebied, 1 schrijver dat gaat al snel naar die 5.000 daar heeft u dan genoeg aan. Of heb ik al genoeg aan mijn stel als ik een grotere periode neem dus 200 jaar, een grotere regio verschillende handen, verschillende mensen die hebben geschreven dus op een andere handschrift hebben hoe meer van dat soort complicaties wijkomen, hoe meer worden en meer transcrips nodig zijn om een goed model te creëren. Wat wel fijn is, is dat veel van die pliekmodellen ook als basemodel een soort van fundament zijn waarop de computer dan kan voortbouwen en kan leren. Dat is voorhoog de accurateheid van de computer ook al een hoop van de transcripsies. Dan ga ik weer even terug naar drama dan de stel, als ik zelf vanaf begin echt transcripsies wil maken wil ik gaan transcriberen, zoals ik net heb laten zien dan is het belangrijk om of via model leo analysis te maken en het houdt in dat de computer gaat kijken van waar lopen de regio's of als het echt niet lukt zelf haalt matig te doen maar meestal kan de computer het wel herkennen behalve de zin af en toe in de tot rare gevallen en dan zelf hier de transcripsies in te tikken en dan heeft u een pagina die heet Crown Trove en dat is een pagina met een correcte transcripsie die gebruikt kan worden om de computer te trainen dit is geen Crown Trove als je dan een model wil maken gaat u eerst naar models klik je op het tweede in uw model dan geeft u hier de schende opties dit is gewoon puur voor het maken van transcripsies dit is puur voor te kennen van zinnen van zins lopen de computer gaat leren hoe die zinnen lopen dat kan voltein op het pagina of het tekst zijn waar de zinnen misschien wat kronkelijk zijn of anders lopen dan kan de computer daar een moeite mee hebben en dat is een field die je kunt zien en dan moet u daar een moeite mee hebben en dat is een field model en dat houdt gewoon puur in waar de tekstregio's lopen we gaan even voor tekst recognition model dan moet eerst de training data dus de pagina's voorop waar de computer gaan trainen wij hadden webinar wat ik ingetikt hier webinar dit is niet genoeg maar het is gewoon puur om even te laten zien van hoe de computer loopt dan hebben we dit als training data dus hier gaan we de computer op trainen dan gaan we naar dat vond ik niet leuk nee ik moest hem echt slikken geef terug webinar neer de training data daar gaan we de computer trainen het overmateriaal geselcteerd nu moet het validatiemateriaal dat houdt in dat bij elk model de computer gaan trainen dan gaat die afbeelding vergelijken tussen de pixels en de letters en we hebben een aantal pagina's van deze acuraat hier kan deze kan de computer vergelijken met zijn eigen transcripties en zo kijken in hoeveel acuraat is en daar kan de computer ook zelf van zijn fouten leren om het model te verbeteren en hier kan de model de model een naam geven voor het oefening hier kun je dan alle details kwijt van hoe het gemaakt is waar het op gemaakt is het type materiaal de tekst aan te geven een foto of een afbeelding en hier kun je dan de talen geven en hier de tijd de oudheid en dan kunt de next en dan gaat die het maken dat gaan we nu even niet doen maar dit is dus hoe een model gemaakt wordt en dan gaat die draaien dat kan model duurden vaak wat langer dat kan even u of die dan klaar is met het maken van het model en als die het model gemaakt heeft laat je ook een pagina's als je weer een pagina's ziet door de computer en geeft die ook een fouten marsje aan dan kan je het wel eens vernieten ja voor de pagina's waarmee die computer gaat gelijken of het nauwkeurig is of niet dat moet altijd een beetje 10% zijn van de training set dus daarom ga ik op 20 pagina's trainen daar heb ik 2 pagina's nodig om mee te valideren en die 2 pagina's moet ook eens sinds replistitief zijn voor waar de computer getraind en dat gaat op 20 pagina's Nederlands tekstlijnen ik doe dan 2 pagina's latijn als validatie daar gaat het niet goed komen dus dat is wel heel belangrijk omdat het echt goed replistitief voor de tekst is nou dit zijn de verschillen die ik al heb uitgelegd crown truth de training set de pagina's vrouw de computer op trainen de validatie set dat is dit kan ook nog worden aangegeven de appbox en euristopping appbox is de hoeveelheid hoeveel keer de computer over de teksten heen gaat en gaat gelijken met transcripties hier zal je het dan nog 100 keer doen en euristopping houdt in tot hier met 20 als de computer naar 20 keer dezelfde pagina's gekeken en geen verbeteling plaatsvindt in zijn eigen transcripties dan stopt die dat is vooral belangrijk omdat we de server met z'n allen delen waar het op plaatsvindt en als er heel veel modellen worden getraind die niet beter worden dan is het beter om die eerder af te kappen zodat andere mensen ruimte hebben om hun modeler te trainen daarvoor maar hier is het hoe het dan loopt dit is dan train character error rates dus de focusje aan het maken met trainen die zijn dan de focusje aan het maken met voideren en als het goed loopt dan gaan die bijlijnen onlaag rond de 4% 5% er zal altijd een perfecte transcriptie is haast omhoog een aantal focusjes er zal altijd wel een paar procent zijn al is het mensen voor mij wel gelukt op 2% of 1% te halen er is echt heel veel materiaal te gebruiken dus dat is op zich mogelijk dus ik heb uitgelegd we kunnen dus op ons eigen materiaal gaan trainen maar we kunnen ook ons eigen materiaal gebruiken en een basismodel dan gebruik ik wel een publiek model op de staat we kunnen dan een soort van fundament gebruiken en daar kan, kunnen wij met ons eigen materiaal verder op bouwen en verder op trainen en dan wordt het vaak wel wat accurate de transcripties en er is ook een optie om teksten van rechts naar links om het aan te zetten nou dit is een kort overzicht dat ik al een beetje uitgelegd hoe meer pagina's hoe groter de error rate er zijn hoe meer handen hoe meer pagina's hoe meer verschillende mensen die daarin hebben gewerkt hoe groter de error rate is hoe hoe groter de tijdperiode van de stukken hoe groter de error rate is om mee te nemen dus hoe lastiger het wordt door een langere periode of door verschillende handen verschillende size stylen hoe meer pagina's zijn woorden en nodig zijn om de computer op te trainen om een goed model mee te kunnen maken en de karakter fout het karakter fout presentatie is altijd wel iets hoger zijn bij die grotere modellen ok, modelen voor trainingslijnen ga ik even kort door wat we eigenlijk net hebben gedaan is dus een wordel trainen op tekst, dus tekstvergelijken of een tacitvergelijk met pixels en daar dan de woorden uit halen hier kunnen we het zelf doen maar dan gewoon met tekstregio's dus we laten gewoon zien van hier staat een alinia de computer kijkt daarnaar veldpatroon zien, denkt ok, hier zit een alinia en hopelijk bij een volgende pagina die diezelfde indeling heeft ziet hij ook gelijk op het stuk en alinia staat en geeft het ook aan het staat vooral om de zoals hier, hier zeggen we dan, hier maken we dan 1 alinia van eigenlijk zijn het 2 volgens mij hier wordt de vast 1 alinia aangeven dit is 1 alinia en dan hopelijk in de andere pagina's die erop lijken dat ook herkennen en gewoon automatisch zeggen ok, dit is 1 alinia dat is zo aangeven zelf geld voor Sine en dergelijke er zijn ook allemaal opties in zal ik niet veel op in gaan maar er zijn meerdere opties in en meerdere ook paar modellen die die verschende layouts opgetraind zijn maar dat is vooral met je experimenteren en zelf kijken wat het beste werkt ook hier zijn allemaal meer opties in maar dat ga ik nu niet veel op in maar als we het eerst aangeven hebben het veld en tabellmodellen veldmodellen kan de computer zelf begrijpen een soort teksten begrijpen dit stukje gaat over de namen dus dit moet dan een naam zijn dit stukje gaat over het gehoord ja en de plaats dus dan begrijp het gehoord ja en dit is de gehoord ja en dit is de plaats en zo kunnen we dus aan die kwitea en die specificatie aan die teksten die labels kan de computer al begrijpen dat dit stukje informatie over een jaar gaat met zelf aangeven en dat kan ook getraind worden dit is ook heel interessant het is krantsegmentatie dat houdt in dat de computer getraind is om allemaal van die subcoppen en kopjes in een krant linia's in een krant te begrijpen en ook gelijk te teggen te labelen waardoor de computers gelijk begrijpen van oh dit is een stuk tekst moet ik van links naar rechts want als dat niet zo gedaan wordt dan zou de computer hier van links naar hier helemaal rechts gaan want het gaat de tekst loopt zo en niet zo dus dat is dat zou, dat is een beter versie daar zijn al modelen van die op kranten getraind zijn kranten kunnen initceren zelfde geld voor tekstregio's zijn er ook al modelen die er op getraind zijn dit is die vorm zegmentatie dus dat verschillende delen van een tekst of iemand zijn naam dat de computer wel herkent dat ze een naam dat ook zelf een tek geeft en daar kan er ook makkelijk op gezocht worden dit zijn tabellmodellen tabellmodellen zijn dus samen zo uitgelegd voor tabellen die dan kunnen gewoon makkelijk, die de computer makkelijk kan herkennen en ook gewoon beter kan transcriberen en makkelijk die indelingen kan herkennen in zo'n tabellopen want ook anders ja zodat de computer synocridaabing gaat doen als het niet verduidelijk in de tabell is dan gaat die gewoon ook weer van links en rechts en het kan ook weer de fout ingaan daar worden ook modelen van gemaakt die zijn binnenkort ook beschikbaar dus het is meer nog een beetje een toekomstding dit is LAM dit houdt in dat verschillende labels in een tekst bekeken kunnen worden door de computer en de computer ook wel lijk automatisch gaat begrijpen het gaat over een plaat, het gaat over een naam dat kan dus, wij kunnen het dus trainen maar er zijn dus ook manier op de computer dat langzamerhand zelf kan leren en ook kan gaan toepassen bijvoorbeeld hier, hier staat het van ok dit is een persoon dit is een locatie, dit is een locatie, dit is een tijd en zo, dus heel en dat worden dus ook weer tekst en labels, en op die labels en tekst kunnen ook weer, kan ook weer gesocht worden ik doe bijvoorbeeld een onderzoek of gearbal daar of ik doe bijvoorbeeld onderzoek of plaatsen je kan gelijk met tek plaatsen zoeken en dan kan je alle plaatsen in een tekst vinden dus dat, naar hier kant kan hij ook heel goed bijvoorbeeld testamenten sorteren in een tabel met alle informatie tijden gesorteerd zodat hij hetzelfde weer hoeft uitzoeken er staan ook allemaal opties, maar het is ook nog een beetje toekomst muziek volgens mij of je dat kan wel, maar ook nog aan gewerkt brand, dan geef ik nu weer aan jou over oké, dus een stuk wel een van de meeste de meeste grootste vernieuwingen zal ik maar zeggen, of veranderen, of aanpassen natuurlijk, net zoals alles veranderd, we moeten ook aanpassen aan de organisatie een groep die groeit een groep in de schap is groeit en waarom hebben we eigenlijk, oké, hoe gaat we deze organisatie om met toelaten of het toestaan van gebruik van de software of op een mogelijk manier hoe we dat ver gaan organiseren en zoals jullie weten we hebben eigenlijk al nu een kredite pakket gewerkt waarbij je paale kredits aankort en waarbij stafels waren waarbij telkens per kredit goedkoop wordt dus de grote aantal er waren en er dan kredits opgeconsumeerd werden bij het herkennen van pakings dus zijn we op de print of wel aangeschreven, dat waren de procenten van krediten opgebruikt werden maar natuurlijk, wat waarvan achter kwamen is dat dat eerlijk sinds problematisch werd of zoals we in de chat al een keer aangeven, sommige gebruikers enorm grote aantallen van onze storage opgebruiken of dat sommige gebruikers heel veel trainen gronds, heel veel trainen andere gebruikers niet, waarom geen kost aan de bombel was een proces in capaciteit vraagt van ons, waar wij moeten investeren natuurlijk dus we hebben gaan na een keer hoe kunnen wij hier een systeep bedenken dat het voor ons mogelijk maakt en mogelijk houdt om de software te blijven ontwikkelen en vooral om eigenlijk de infrastructuur de processing en de storage te doen instand kan houden en dat dat veel bij ontwikkelen op manier die fijn blijft en die ook uit de gang blijft voor iedereen dus hebben we eigenlijk gaan kijken naar een soort van abonnementssysteem zal het me zeggen dat denk ik toch vrij flexibel is het is natuurlijk wel een verandering van manier van werken ook al kan je eigenlijk wel de manier werken als je voorheen werkt maar het is belangrijk dat we een fijn manier vinden voor iedereen, dus voor alle gebruikers dat iedereen eigenlijk gelijk gebruik aan maakt van systeem en dat ook dat wij vergelijkt, gelijk of het een fijn houdt voor de proces en ik ga hier nog eens voor zaken gebeuren dus daarom ook ja, het is misschien slagwerk en gaan we nu opst wat er eigenlijk zal veranderen dat je eigenlijk een abonnementssysteem hebt dat kan per maand, dat kan per jaar dat kan ook voor 3 maand voor 5 maand, voor 6 maand dat kan ook voor 2, 3 jaar dat kan allemaal oprijden en ik zeg het neem ik ons straks bij ons op over jouw specifieke case hoe je het en schermen zou gebruiken dan kunnen we altijd wel kijken hoe je wel een maand kunt gebruiken zeker voor speciale gevallen we weten dat je weer hoort of op onderzoekers werken vaak in projecten die wil niet per se elke maand zaken gaan processen daar zijn zeker een maand te passen ik zal er ook even wat in gaan maar het is eigenlijk meer van oké hoe kunnen wij eigenlijk zoals je gebruik van meer gaan sprijden met het gebruik van service en ook kunnen wij misschien mensen die continu de software gebruiken om weer gaan belomen dat zijn eigenlijk de concepten erachter nu denk een belangrijk punt is je krijgt 500 kredits gratis tot nu toe als je een account aan maakt dan kan je experimenteren en testen dan moet er dan kredits aangekort worden aan een paule prijs wat eigenlijk in diesel misschien wel een vergeting is voor altijd een gratis al moment daar bestaan zoals je kan zien in de visual prijs 0 als je een al moment neemt van 100 kredits dus als je een account aan maakt en je hebt geen geld je hebt niks te gesparen je krijgt elke maand van eigenlijk een quantum van 100 kredits die je kan gebruiken dus je kreditsstapel niet op dat vormt niet alleen aan maand 200 kredits maar je kan dus eigenlijk 3 gratis gebruik blijven maken van de software in een vergeten maand natuurlijk, een ander element dat je eigenlijk niet kijkt is dat alle features hier tot deze zomer ontwikkeld zijn dus door jouw terkenning die blijven ook allemaal in het gaatste moment in de mogelijk maar op nieuwe features zoals bijvoorbeeld een tabelerkening of een field recognition zomeer geïnvangenteerd door jouw terkenning of bijvoorbeeld hetzelfde die zeer op jouw prescribus sites er zitten sowieso vroeger ook al de kosten aan vast nu is het eigenlijk ondergebreid in dat scholar moment waar je bij over 1000 pagina's bemaalt inclusief altijd kan boosten dus de nieuwe features die gaan eigenlijk wel verbanden worden aan de hogere stappels op het moment waardoor eigenlijk die ook wel die nieuwe ontwikkelingen en ook die processing power die die nieuwe ontwikkelingen vragen als je die had toepassen en het blijft ontwikkelen en onderraald misschien kort over de verschillende soort momenten zoals je ziet eigenlijk in de visual misschien voor mensen zoals ik die in een privé tijd voor familieleden onderzoek doen en dresskitjes zullen maken dan kan je het gaatste moment nemen stel nu dat je ook meer dan 100 pagina's of 100 verwerkingen per maand tot gaan doen dan kan je ook hoger moment nemen voor scholar heb je dan eigenlijk echt researches, veel researches die er wel meer nodig hebben die misschien ook wel meer mogelijk hebben voor de verwerking school misschien ook meer opslag bijvoorbeeld dat is eigenlijk tussen in en dan ook organisatie momenten wanneer je echt gaat over grote projecten op echt organisaties en visiteiten waar het continu door het jaar heel wat carats gebruikt wordt door verschillende onderzoekers dan is dat ook mogelijk we proberen eigenlijk veel mogelijk een pijn in de hoespolitie hoogte ja het raakt hierbij dus vooral zaken zoals er zal de rij en inpersoogd moment en niet aan wat kredites natuurlijk en ook aan bepaalde nieuwe features die je kan gebruiken of niet bijvoorbeeld zoals ik avanceer dat dat wel herkenning op de jaar te kennen nu mij lijkt zeker als je nog in het graadste moment of hoogte moment als je spreekt over 5 dan kan je even nahalen of je zeker hebt als we spreeken over een 20 gigabyte opslag voor individueel element en voor organisaties graadgaans of verschillende terabytes een training runs van 5 voor individueel moment of 30 per maand bij het schoolerabelement dan zijn dat denk ik de kallen die alsnog fijder zijn en die alsnog wel maken zelfs we weinig of gratis eigenlijk software kan gebruiken zoals je dat houdt een ander blijk element is denk ik wel zeker als je per kredite gaat kijken er zijn misschien meer bewerkingen die bepaalde zaken kosten de TransLeo Technician zal een kredite kosten maar dat kost per kredite als je gaat vergelijken voor een moment waarbij je 30.000 kredites op een jaar hebt een pakket waar je vroeger 30.000 kredites kocht dat de prijzen enorm betaald zijn dus dat staat in die zin is het ook denk ik zelfs verdeeliger geworden als je optimaal gebruikt maakt van de quota en als je echt een project hebt je zegt oké, toen je op 2 maand tijd 30.000 platzijden gaat dan krijg je een tekst erkennen of werkelijk je kan perfect een jaar element nemen dan krijg je een maand gratis dan krijg je eigenlijk dat kosten voor heel wat jaar kan je gebruiken, want in dat jaar wanneer je wilt en als je een maand element neemt dan krijg je ook welk maand afzicht erkennen, kosten per maand dus zo gaat het eigenlijk werken in die zin dus dat is eigenlijk de grote verandering zoals ik al zei, kom naar mij kom naar ons vraag vragen met je specifiek geval of zelfs verdeeliging is dan voor je heen maar het is een verandering een verandering van mindset, ook al is misschien een goeie verandering het begint altijd een beetje pijn ik weet dat er, net zoals voor de verandering van expert-client die zeker wel altijd in gebruik zal blijven en zeer goed is, maar in ieder geval opgelegd zal worden naar web-interface die uiteindelijk niet eens goed of beter zal worden dan de expert-client uiteindelijk is dat even een verandering van mindset, en het is blij dat we mee te geven en de zaken alleen maar beter worden en dat we zo beter blijven ontwikkelen ja ik ben hier van het verliegen aan de woest qua slides, misschien nog kort in overzicht de meeste zaken heb ik hier al vermeld dus de overgangs zijn we eigenlijk maken nu en zal finale zijn in oktober misschien blaag element als je lid bent dan krijg je een makkie uit welke element je hebt dus als je ook in ieder geval lid bent en je hebt in ieder geval element krijg je toch toegang van alle functionaliteiten dus dat is ook alweer een voordeel om lid te worden zoals je al zei dat hij de 100 keer het schaat is bij een basismoment blijft en laatst heb ik ook al gezegd dat de bedoeling is dat iedereen er beter van wordt dat we deze verandering doorbevoegen dat we eigenlijk moderniseren in deze zin die uit de meest organisaties werkt dat je hoort een soort van subscription of element systeem en wij moeten dat eigenlijk ook doen om door te blijven misschien gewoon een slide en natuurlijk het beurzen programma zoals we hebben gehad de studenten of leraar het kan zijn voor de mastercoer het kan zijn voor een tijd tot draadscoer of voor leraar de grond trascibusloebruik tijdens de UMS blijft het mogelijk om eigenlijk het beurzen programma of het scholarship programma aan te vragen natuurlijk er zijn enige voorwaarden aan te vonden dat heeft ook enige perking aantallen voor de creditie kan krijgen maar ik zou zeggen, doe een aanvraag leg uit wat je wilt doen wat de rol van de grond trascibus is en dan komen wij bij jou terug aan te kijken ja, hoe kunnen we het kunnen we het mogelijk maken dat is natuurlijk niet de bedoeling dat het is een give and take en ook daarvoor hebben we perings van belang en ik denk ja dat we hier nog final hebben zoals we zeiden onze website ons help center voor de resources waar je de technische relatie kan vinden en de address waar je de vragen aan kan stellen natuurlijk de meeste van jullie denk ik in mijn address dat is berik.jaak op aftrikorps.bu.eu kan je onze vragen stellen zoals ik heb op de fiscale aspecten over projecten, hoe we het respect uit te voelen ja, we zijn er hier om vragen aan te doen ik denk dat we dan eigenlijk rond zijn maar tijdens de vragen kunnen komen er was misschien één vraag die ik had recht om te beantwoorden van Martel Streefkerk zijn er al institutioneel gebruikers die praktijk hebben hoe eigenlijk documenten beheerend toeceren, die had collectiebeheeringssystemen als je daarmee bedoelt de integraties waar we met cms voorzieners of providers aan het werk zijn van de spreken zijn dan zijn de eerste testprekken die daar in september en zodat november de sender aflopen afhankelijk van de standigheden maar het gaat dan vooral eerst in instantie om eigenlijk die werkvloon om documenten vanuit cms makkelijker in cms te krijgen en dan ook weer de resultaten, de auto's van cms weer makkelijker in cms dus we zijn er ook op de juiste plaats op de juiste naamgeving en dergelijke meer ook deze cms-provijers zijn natuurlijk aan het kijken naar een vioer te maken als dat er zo mooi kunnen geëxempteerd worden maar los daarvan is het natuurlijk perfect mooi als je documenten in transcribbers bijkomt die in jou verkiezen praat vormaal dat jij verkiezt iatxt, autoxml om die uit transcribbers te halen en zo te gaan hoosten op welk cms of welk platform welk website je jezelf kunt vragen en dat is natuurlijk hoe het op nu toe het al meestal gebeurt is natuurlijk en daarnaast natuurlijk de read&search dat is eigenlijk dat wij zelf voorzien waarmee je zaken met transcribbers kan produceren dus ik hoor dat die vragen antwoord er zijn er verschillende manieren die vragen en kijk, dingen zijn al moeilijk manier te antwoord dus er zijn testprojecten er zijn ook de meeste gebruikers transcribbers gebruiken de laatste jaren hier natuurlijk op de manier te produceren door gewoon manueel erg zaken te exporteren en op de website te produceren dan kijken we nog even naar andere vragen de meeste vragen in de nummer 1 te antwoord zijn misschien nog zaken ik denk dat de meeste zaken daar getekkelt zijn misschien nog zaken in de nummer 1 te aang halen natuurlijk ja, alle modellen de oudgebruik van transcribbers is ook een vraagje vaak rijk je moet geen lid zijn om modelen te kunnen gebruiken of om transcribbers te kunnen gebruiken dat moet helemaal niet het kan voordelig zijn financieel of andere manieren en het is leuk om ons te steunen en ook om de enige gemeenschap te steunen om dit te worden, maar het is geen prijst de output-formats daar is het voor gezend op ons website, is daarvan wel wat op te vinden ik zie verder eigenlijk geen vragen meer we zijn nog voor de rest vragen hebben mensen een vraag van andere dingen maar je kan het zien in de chat oh dat is een goeie is het gebruik van een scantent beter dan met gewoon een fotocamera een scantent gebruikt eigenlijk een fotocamera een mobiele camera maar het vooral van scantent is dat het licht van de omgeving beter gereguleerd is het is echt een tent eromheen die ook licht geeft, dus de document stel de meest archief van de goed belicht of stel dat er een archief van de minder goed belicht is want als scantent heel handig zijn die gaat gewoon goed licht dat het document gewoon helder een helder foto kunnen worden gemaakt een document dat gewoon helder in transcribbers komt een beter transcripsie van zo'n maken misschien nog wel van mijn kant er zijn veel vragen over data security of het mogelijkheid van verwijderen documenten, privacy en natuurlijk de meeste documenten staat de zaak die upload die worden als je een teksterkennig wilt toepassen of een model wilt trainen is het mogelijk dat die onderzoekers komen in Oostenrijk dus die zijn in het Oropa GDPR zijn we compliant het is zeker mogelijk om documenten te verwijderen je kan altijd het afhalen als je wilt in die zin is jouw data ook veilig we gaan die ook niet doodverkopen we gaan die ook niet publiceren zonder dat jij het wilt kopen aan derde partijen eigenlijk meer en het is ook mogelijk natuurlijk als je zelf die infrastructuur hebt om transcribbers op je eigen infrastructuur op je eigen on-premise te laten installeren daar gaat eigenlijk data documenten en de bewerking nu niet buiten jullie infrastructuur beweren dat kan ook is er aan een andere kostel ook wel bij dat kan ook in die zin heel interessant zijn want je ziet de infrastructuur waar heel veel kost bij ons weg valt maar je moet de infrastructuur wel hebben en dan kan je eigenlijk op die manier als op persoonlijke data gaat gezondheidsdata hebben we dat ook al gedaan bij enkele instituuties om eigenlijk echt gewoon het dag te laten installeren en de zaak het dag te laten processen dat eigenlijk alles in het land blijft of zelfs binnen het eigen baal dat zal ik maar zeggen er zijn of onze YouTube-kanaal transcribbers, als je hoort transcribbers in dit dan vind je de opname van dit webnet terug en ook andere clubjes trouwens over van alle onderwichten maar dit webnet zal daar ook gepost worden het is ook wel een goede aanrader om mee te oefenen, dat heb ik zelf gedaan gewoon een video bij te pakken en gewoon die stappen eigenlijk na te doen en dan leert u het wel of zelf wel want het is niet heel ingewikkeld en dat is zo'n video daarnaast heel allemaal daarvoor ja, exact het is ook altijd hetzelfde gelegende woord aangehaald van de gebruikers we gaan even kijken naar vergerede vragen wat wordt u gebedoeld voor organisaties, wel kijk, als u een meer nodig hebt dan wat een individueel of schollerplein af moment hier kan bieden dan is het eigenlijk altijd de bedoeling met mij of met mijn collega's om te gaan kijken, hoe kunnen we eigenlijk best eens gaan voorzien het idee is eigenlijk hoe groot is de schaal van wat u moet gaan doen met transcribes als u er per maand ook gaat transcriberen met transcribes op eigen gebruik dan is de individueel plan goed van onderzoekers die misschien deze gaat schrijven of die een jaren lang onderzoek naar de valtombreed en echt duizend documenten moet gaan gebruiken of die misschien erna ook zijn vergeten via transcribes sites en de schollerplein goed en als je echt een organisatiesomeel voor een niveau gaat kijken en dan wordt het aan de bestijter of zelfs een heel groot archieve dan is een organisatie plan meer gezicht want daar kan ook bijvoorbeeld het manager van verschillende gebruikers binnen de organisatie makkelijk je kan gebeuren dat de ene moment of features welke zaken je kan gebruiken per deel kan worden makkelijk binnen de organisatie dus dat komt eigenlijk wanneer het organisatie plan is wanneer je echt een droge verschil gaat werken dan op de schollerplein of in de individueel plan de doelings eigenlijk op de organisatie plan is altijd goed dat je met onze contact komt als individueel plan of in de schollerplein is het eigenlijk idee meestal is het ook het geval dat je hem als zelf weg kan dat je ook niet per se die avanceerde features gaat gebruiken dat komt werken of er nog meer wat moet je doen hoe gaat de transcripties om met afkort in afkortnis-tekens in de tekst, dat is ook een goede vraag hierbij is het vooral belangrijk om consistent te zijn want transcripties kan leeren dat een afkorting voor een woord staat maar dan moet het wel elke keer zo getranscribeerd worden het is ook prima om gewoon de afkorting zelf, dus gewoon die paar letters te nemen die neemt hij ook over maar hier is gewoon constantie van belang dus dat is gewoon de keuze van de geën die transcribeerd van of ik die hem uit of ik laat hem zo zo staan maar transcripties kan afkortingen wel leeren en misschien om daarom toe te boegen wat je ook kan doen is dat je de afkorting wat staat zoals die scheeven is maar dat je hem dan wel gaat teggen en dan eigenlijk afkorten in expansions hebt kan ook, en dat leert hij dan ook als je het in de periode staat aan te slogen dus dat is ook een moeilijkheid als je niet al tekst bewaard blijft maar ik weet het tijdelijk hoe de afkorting die aan wel voor mensen die misschien niet verproot zijn dat die afkorting wel leersbaar is in die tech, in die expansion er was ook nog verder een ander vraag die ik voorbij zou komen voor collectie beheerende instelling zijn toch gewoon variant van digitalisering projecten van beeld naar inhoud in plaats van analoog naar digitaal ja het is wel een digitalisering het project alleen vroeger was het alleen mogelijk om foto's te maken van een oude tekst echt een oude handschrijving tekst om dat online te plaatsen door transcripties geplaatst worden oude schrijvings, de tekst van echt digitaal gemaakt in plaats van een plaatje echt tekst wordt geplaatst voor een website en die kan ook doorzocht worden dat is eigenlijk voor al het grote voorbeeld dat schrijvings daar aan toevoegt misschien ook daarover het belangrijkste om te melden het raakkijk ook wel regelmatig is ja, doe wij ook het scanner of digitizeer van documenten aan zich ja, buiten natuurlijk met een scan tent maar dat is misschien een kwaliteit hiervoor en daarvoor hebt scan tents wel goed om kwaliteit die hoog genoeg is aan schrijvings te gebruiken of als je er veel scans wilt nemen en je hebt niet de middel van de kwaliteit omdat met de juror is materiaal te gaan doen maar het is wel zo je hebt die digitale materiaal moet al digitaal zijn dat moet een gastkant zijn dat komt in transcripties om het te gaan gebruiken en die transcripties te hebben en natuurlijk het grote voorbeeld is transcripties als je het al zei verwezenbaarheid maar je zal het ook doorzoekbaarheid wat ook mogelijk is en natuurlijk nog wel nu ook al mogelijk is dat transcripties van stukken gepubliceerd kunnen worden op een pagina en stel als u een scriptie of een ander artikel aanschrijven bent dan kunt u in de voetnoten niet alleen daar de pagina zelf refereren met gewoon die pagina dat stuk u kunt zelfs ook nog links naar die pagina dan kunnen mensen ook echt zelf de transcripties bekijken dat is het vooral van digitaal maken van transcripties en aardkoude teksten. Ik zie ook iemand vragen, als je alle credits opgebruikt, onder geen kosten passen met verwekkende keg, als je credits opgebruikt zijn of je quota is op, dan kan je geen bewerkingen meer doen die iets zouden kosten. Misschien ook wel een lange punt dat het abonnent systeem nog meer meld heeft is, dat is niet ideaal want dan is de prijs per credit wel hoger dan in het moment, maar stel nu eens met een faal de piek van bewerkingen of we toch net met de project afheffen binnen die maand en je quota is op, je kan ook nog credit pakket bij bovenop ook, maar het is beter om voorhoudig te plannen dan dat om het te doen, maar in die zin is het dus niet mogelijk met terugwekkende keg, de kosten worden aangreken voor zaak omdat je credits opgebruikt en dan toch nog meer beweegt. Dat is ook wel een goede statement van heer Onder, qua organisaties zijn digitale seriensprojecten. Eenderkant wel, het wordt digitaal gemaakt, aan de andere kant veel instituties die mee werken, werken ook met vrijwilligers teams die ook die transcriptie zelf maken en ook een model van maken, dus het komt over re, maar er zit ook nog wel een ander stuk bij ook vaak, dus om de verwillegers worden ingezet die dan moeten haleren transcriberen die dan ook die transcriptie maken om samen een model in elkaar te zetten, dus er komt wel een dimensie bij, maar het lijkt er wel enigszins op, ja. Ja, heel veel vragen inderdaad over bemoorkeerde van de ExpertFly en versus de web app, zowel qua uploads maar qua downloads denk ik dan, specifiek ga de vragen over de titel IF-manifest, dat dit, je kan triple IF-manifests uploaden in de Expertversie, dat kan ook niet in de webversie, het komt er eigenlijk om neer dat dit soort functionaliteiten, alles wat met wat Expertversie kan, het gale termijn en het doel is, maar dat was ook te doen, dus we gaan missieus blijven, we zeggen altijd, we wikken naar de zon, dan raken we de maand, denk ik dan maar, het doel is dat eigenlijk alle functionaliteiten die in de Expertversie zitten op termijn, naar het einde van het jaar, die al niet is, ook in de webversie komen, dus dat is een werk in progress, we hebben eigenlijk eerst voor gezorgd dat we zorgen dat het concept, het concept uweel, de webversie goed in elkaar zetten, dat het goed werkt, dat het maar gaat werken, want ja, dat is natuurlijk de exit plan, dat kan je heel veel nemen, maar het is niet per se het eerst opzicht dat de meest gebruikselijke toe, die zijn natuurlijk beter in het werk, dat kan je heel veel nemen, het doel is eigenlijk om die gebruikselinkheid van die webversie en die wilden we echt nu goed hebben te combineren met de functionaliteit van de Expertversie en ja, dat tweede deel, dat zijn we daar nu aan, we wilden eigenlijk eerst zorgen dat die webversie, dat concept goed zat, dat de gebruikselinkheid goed zat, want dan eigenlijk die functionaliteit in de extra versie zater, zoals bijvoorbeeld de verschillende formats qua uploads of downloads, om die aan te gaan integreren over je manier, en zodat gaan we eigenlijk ernaar weer van de vergebouwen en wegen in de verhaal. Ik zou aanraden om, het is begon toen met de deserkte lightversie of ja, het heeft nu officieel niet meer lightversie, maar er is echt een lightversie, om daarmee te beginnen, want die is gebruikselvindelijk puur omdat er niet 300 iconjes in uw gezicht gedeeld worden. En als ze er eenmaal weten hoe het werkt, dan zou ik een expert overstappen, voor nu dan in ieder geval, omdat het expert wel iets meer functionaliteit heeft, alleen het is wel een stuk lastiger om mee om te gaan op die hele interface, gewoon zo volgens met verschillende iconjes en opties, dat voor een begin nogal een beetje overweldigd kan zijn. Ik zie ook nog een vraag, zijn jullie beschermd tegen overnamen? Dat is een interessante vraag, die ik niet eerder gekregen, ik ben zeker gegeven, ik spijr wat treft drijfsvormen in structuren. Natuurlijk zijn de eigenaars van de ritkwap, zijn de gebruikers, dus dat gaat van de satzactief afstand tot in de expulveren. Utrecht statief of in zoveel leden die die zijn eigenaars van de ritkwap. Dus dat maakt ook, als wij overgenomen zouden moeten worden, wat volgens mij in die zin al gewoon niet kan, dan zou die persoon eigenlijk alle aandeel van half zin de deel gebruikers en organisaties moeten gaan overkopen, om dan eigenlijk in die zin alleen recht te krijgen, maar volgens mij is dat zelfs niet de mogelijkheid, want je kunt als instituut van organisatie kan maximaal vier aandelen kopen, en dus vier stemrecht hebben, en die vliegen maxim één. Dus in die zin is het eigenlijk in vijf, dus ik kan het eigenlijk niet mogen. En maar ik kom echt op, ja, de Google heeft ook nog niet veel machine-dezware scans, ja, er zijn zeker nog heel veel miljoenen documenten online of offline die we kunnen gaan bewerken. Natuurlijk weet dat organisaties zoals Microsoft en Google ook wel een OCR-ontpouwde haat die echt aanbieden, maar ik ben nog niet veel gehoord dat die dezelfde kwaliteit in het leven, want ik heb natuurlijk niet, ja, dat kooperatieven hebben, die inputs in al die gebruikers en al die inputs die werken, maar wij hebben het niet bij de baal. Als er geen verdere vragen zijn, dan zou ik, ja, inderdaad, dan zou ik je ook iedereen nog wel bedanken voor je aanwezigheid op deze warme dag en voor de aandacht en de goede vragen. En zoals gezegd, ja, hier heb je onze contact gegeven, de video komt op YouTube en je weet het te vinden bij verdere vragen of de organisaties zelf die je ziet contact geven. Dus ik zou zeggen, als er geen verdere vragen zijn, dan waarom wie je hebt, dan langt. Dankzij allemaal voor je aandacht en nog een fijn avond. Fijn avond, bedankt.