Portugiesisch: drei umgekehrte Zeilen und ein geretteter Schlüsselsatz

In einem ausführlichen Interview aus dem portugiesischen Fernsehen enthält der wichtigste Satz „no chão da cozinha“: auf dem Küchenboden. Unsere Hauptspur, ElevenLabs, schrieb „no som da coxinha“ – eine Lautfolge ohne Bedeutung. Gemini lag richtig.

Im selben Interview machte Gemini aus „nunca disse isto“ (ich habe das nie gesagt) ein „Tu disseste isto“ (du hast das gesagt). In jedem der drei Gespräche, die wir zum Testen hinzugenommen haben, kehrte Gemini auf diese Weise eine Zeile um.

Ob Gemini aufgenommen werden sollte, war die umstrittenste Entscheidung beim Portugiesischen.

Die Testclips

Drei Filmszenen zur Auswahl der akustischen Engines, alle brasilianisches Portugiesisch, jeweils zwei bis drei Minuten:

• Meu Nome Não É Johnny (2008, Rio): eine Party mit einem Drogendeal und Zwischenrufen, dichter Slang, überlappende Stimmen.
• Que Horas Ela Volta? (2015, São Paulo): sechs Personen am Pool, ein Flirt, der plötzlich darin umschlägt, dass alle Befehle brüllen.
• O Auto da Compadecida (2000, der Nordosten): Eine Banditenbande findet heraus, wer jemand wirklich ist; fünf oder sechs Leute sprechen schnell und mit starkem nordöstlichem Akzent.

Drei echte Gespräche, hinzugenommen zum Testen von Gemini, jeweils fünf Minuten, ohne Referenztranskript; wir haben Gemini Zeile für Zeile mit ElevenLabs verglichen. Eines ist ein brasilianisches politisches Interview, eines ein ausführliches Interview im portugiesischen Fernsehen (mit Musikteppichen zwischen den Abschnitten) und eines ein Podcast mit drei Personen, die durcheinanderreden. Die letzten beiden sind europäisches Portugiesisch.

Nach den drei Stufen aus dem ersten Beitrag gehören alle drei Filmszenen zur schwierigsten Stufe. Die Gespräche sind näher an echten Interviews, aber ohne Referenztranskript können wir die Engines nur gegeneinander prüfen.

Die Kandidaten

ElevenLabs, AssemblyAI, Doubao, Speechmatics (zwei Modelle), Soniox, Gladia, Deepgram, FunASR, Qwen und Gemini.

Die sechs roten Linien, Engine für Engine

Erfundene Sätze. An einem Übergang in der São-Paulo-Gruppenszene produzierte AssemblyAI eine englische Zeile, „That's so good.“ Im Nordost-Clip machte es aus „Oxente, e agora é de dois“ (hey, jetzt sind es zwei) ein „Oxe o Diogo agora é de 12“ – es fügte einen Namen hinzu und lag bei der Zahl falsch. Speechmatics fügte „Não mais na escuridão“ (nicht mehr in der Dunkelheit) in den Rio-Clip ein und ließ eine Zeile im São-Paulo-Clip zu „Hoje é um divã Família.“ zusammenfallen. Soniox und Gladia erfanden im Nordost-Clip beide dieselbe emotionale Zeile, „eu adorei“ (ich fand es toll).

Umgekehrte Bedeutung. In den Filmclips machte Gemini in der Rio-Szene aus „du bist jetzt in einem anderen Team“ ein „ich bin jetzt in einem anderen Team“. Neben der Umkehrung am Anfang dieses Beitrags lieferten die Gespräche zwei weitere: Aus „Não, imagina“ (auf keinen Fall) wurde „Imagino“ (ich nehme es an), und aus „E não acertei logo de início“ (ich lag anfangs nicht richtig) wurde „E acertei“ – die Verneinung fiel weg, obwohl die unmittelbar folgenden Worte, „eu falhei“ (ich bin gescheitert), dem widersprechen. Alle drei lagen in kurzen gesprochenen Nebensätzen, alle drei kehrten eine Verneinung oder eine Person um, und keine war aus dem Nichts erfunden.

Eingefügte Inhalte. Im Fernsehinterview transkribierte Gemini die Musik zwischen den Abschnitten an drei Stellen, als wäre sie Sprache, eine davon ein Fragment gebrochenen Englischs. Alle drei lagen in Lücken, in denen ElevenLabs nichts ausgegeben hatte. Im Podcast, der keine Musik hat, kam das nicht vor.

Ausgelassene Passagen. Im Nordost-Clip übersprang Gladia den gesamten Wortwechsel in der Bäckerei, etwa acht Sätze.

Wiederholungsschleifen. Bei diesen portugiesischen Clips keine verzeichnet.

Ein weiterer erwähnenswerter Fehler: Speechmatics machte aus dem „eu sou casada“ einer Frau (ich bin verheiratet, weibliche Form) das maskuline „casado“.

Was wir gewählt haben

Hauptspur: ElevenLabs Scribe v2. Bei allen drei Filmszenen am vollständigsten, mit nur kleineren eingefügten Wörtern.

Referenzspuren:

• AssemblyAI (universal-2): insgesamt die genaueste der internationalen Engines. Im São-Paulo- und im Nordost-Clip erfand es je eine Sache, im Rio-Clip gar nichts – dort hatte es auch die beste WER.
• Doubao: stabil über alle drei brasilianischen Regionen, ohne erfundene Sätze und ohne Umkehrungen.
• Gemini: hinzugefügt am 26. August 2026.

AssemblyAI steht in der Konfiguration vor Doubao, passend zu unseren anderen europäischen Sprachen. Die Reihenfolge bedeutet nicht, dass es besser ist.

Was gegen unsere Wahl spricht

• Doubao ist semantisch sicherer als AssemblyAI. Bei den drei Filmclips erfand Doubao nichts; AssemblyAI erfand zwei Dinge.
• Namen sind ein blinder Fleck aller drei Spuren. Namen wie João Guilherme und Dona Bárbara waren auf allen drei Spuren falsch, jeweils auf andere Weise, sodass der Zusammenführungsschritt nichts Verlässliches hat, woran er sich halten kann. Interviews mit vielen Namen brauchen das Glossar.
• Geminis drei Umkehrungen sind echt. In jedem Fall zeigen die umgebenden Zeilen den Widerspruch. Diese Gespräche wurden aber nur mit der Hauptspur verglichen; die anderen beiden Referenzspuren liefen nicht darauf.
• Laut unseren Aufzeichnungen vom August gab es keine eigene Schutzvorkehrung dagegen, dass Hintergrundton als Sprache mitgeschrieben wird. Ein Fernseher oder Radio, das am Interviewort läuft, könnte so im Transkript landen.

Offene Fragen und Grenzen

• Es gibt keinen Testclip für europäisches Portugiesisch. Der einzige Kandidatenfilm erwies sich als französische Produktion mit überwiegend französischen Dialogen, und die verfügbaren Quellen waren ohnehin falsch. Europäisch-portugiesische Filme haben fast nie muttersprachliche Untertitel, daher können wir kein Referenztranskript erstellen. Unsere einzige Evidenz für europäisches Portugiesisch sind die beiden Gespräche, die wir für Gemini hinzugenommen haben, und auch sie haben keine Referenz.
• Doubao ist bei europäischem Portugiesisch möglicherweise nicht verlässlich. Wir schicken Doubao den Sprachcode für brasilianisches Portugiesisch. Laut unseren Aufzeichnungen verfällt es bei europäischem Portugiesisch still in Kauderwelsch, aber ohne Testclip haben wir das nie selbst überprüft. Es gibt eine Kandidaten-Ausweich-Engine für europäisches Portugiesisch, Speechmatics Melia-1, die noch auf ihre Validierung wartet.
• Alle drei Filmszenen sind Gruppenszenen; es gibt keinen Clip der Basisstufe.