Griego: si se pierden las tildes, la mitad de las palabras se desmorona

En cuanto le dimos a Doubao el código de idioma griego correcto, produjo griego real, y el significado coincidía. Pero todas las vocales que llevaban tilde (el tonos) desaparecieron por completo. κάνεις se convirtió en κνεις, έχουμε en χουμε, y Μπήκε se encogió hasta Βκη. Aproximadamente la mitad de las palabras salieron rotas.

Nuestra primera sospecha fue que nuestro propio procesamiento estaba quitando las tildes. No era así. En el mismo proceso, los otros cuatro motores conservaron intactas sus tildes (entre 81 y 87 cada uno); Doubao tuvo cero. Así se comporta el propio Doubao. No inventó nada ni invirtió ningún significado. Simplemente estaba demasiado roto para servir como pista de referencia.

Los fragmentos de prueba: los cuatro del lado claro

• Dogtooth (Κυνόδοντας, 2009), dos escenas: cinco personas hablando alrededor de una mesa, llena de cifras; y la visita de un vigilante de seguridad seguida de las preguntas médicas de un padre, con intercambios rápidos y una palabra médica larga para la apendicitis (σκωληκοειδίτιδα).
• Alps (Άλπεις, 2011), dos escenas: un intercambio apresurado en la recepción de un hospital, que incluye el nombre Jude Law; y una visita a domicilio en la que alguien lee una revista de moda, llena de nombres extranjeros como Ferré, Guatemala y Winona Ryder.

Los cuatro proceden del mismo director, cuyo estilo es deliberadamente frío y lento: una persona termina y luego habla la siguiente. En nuestra escala de tres niveles, casi todo esto es nivel básico. Revisamos más de cuarenta películas en busca de una escena ruidosa con gente hablando a la vez y no encontramos ninguna con el audio y los subtítulos en griego disponibles.

Motores que probamos

ElevenLabs Scribe v2, Speechmatics, AssemblyAI y Doubao (el-GR). Durante la revisión se compararon transcripciones de Soniox procedentes de una ejecución aparte con todos los motores. Gemini se añadió en agosto de 2026.

Líneas rojas, motor por motor

AssemblyAI tuvo problemas en los cuatro fragmentos, y persistieron cuando cambiamos de película:

• Significado invertido: "Μπήκε χειρουργείο" (entró en quirófano) se convirtió en "Βγήκε η χειρουργία" (la cirugía salió). Totalmente al revés.
• Pasaje perdido: en la escena de la revista, el tramo con los tres nombres extranjeros simplemente faltaba.
• Bucle: al final, tres palabras se amontonaron en una sola marca de tiempo, repetidas.
• Palabras inventadas: Jude Law se convirtió en un nombre que no existe, y en «riega la yuca», la yuca se convirtió en una palabra inventada, Ιούκαντ.

Speechmatics sobre todo omitió artículos y preposiciones, el tipo de error más seguro. Pero cometió dos que no lo eran: en la escena de la revista, «entrevista con Winona Ryder» se convirtió en el inglés "Coming soon"; en el hospital, «otro igual» se convirtió en «y la verdad». También oyó «¿quieres café?» (Θες καφέ) como «ayer café» (Χθες καφέ).

ElevenLabs: sin alucinaciones. Escribió bien la palabra médica larga, acertó con Jude Law y con los tres nombres extranjeros de la revista (a Ferré le faltaba una letra).

Qué elegimos y por qué

Principal: ElevenLabs Scribe v2. La tasa de error más baja en tres de los cuatro fragmentos; en el cuarto solo perdió por cómo escribía las cifras. Leyendo línea por línea, casi no cometió errores.

Referencia 1: Speechmatics. Un segundo puesto estable en los cuatro fragmentos, cerca del principal. La mayoría de sus errores fueron omisiones, y los peligrosos fueron aislados.

Referencia 2: Soniox. Mejor que AssemblyAI en los cuatro fragmentos, con las tildes intactas.

Referencia 3: Gemini. En la ronda de agosto no tuvo líneas rojas en la escena de la cena y obtuvo allí la tasa de error más baja, un 11.9%. En la escena de la visita a domicilio tuvo un desliz: convirtió «schnitzel» (Σνίτσελ) en «normalmente» (Συνήθως).

AssemblyAI no está en la alineación fija, y Doubao queda fuera.

Pruebas en contra de nuestra elección

• Speechmatics aparece por delante de Soniox por costumbre, no porque lo hayamos medido. En la revisión, Soniox se leía al menos tan bien como Speechmatics en tres fragmentos. Con las dos pistas en marcha, el orden no importa por ahora. Si algún día tenemos que quedarnos solo con una, habrá que volver a compararlas.
• El "Coming soon" de Speechmatics es inglés salido de la nada, y eso no es poca cosa. Se queda porque ocurrió una vez en cuatro fragmentos, y porque Doubao no sirve para el griego, así que hay pocos motores que puedan ocupar su lugar.
• Entre los cuatro motores originales, Speechmatics tuvo la tasa de error más baja en la escena de la cena.

Pendiente

• No hay fragmentos ruidosos con habla superpuesta. Es la mayor laguna. AssemblyAI tropezó incluso con fragmentos así de claros; cómo aguanta cualquier motor en una sala ruidosa, no lo sabemos.
• No hay material de entrevistas. Encontramos para ello una producción griega con subtítulos excelentes, pero la única copia «completa» en internet tenía el audio equivocado, así que tuvimos que descartarla.