Malayo: el hablante pasó al inglés y el motor lo tradujo de vuelta

En una entrevista de actualidad malasia, el invitado pasa al inglés a mitad de camino: "enforcing the letter of the law, without looking at … mood music around you."

ElevenLabs transcribió ese inglés palabra por palabra. AssemblyAI produjo en su lugar unas quince palabras en malayo. Más o menos el mismo significado, perfectamente fluido, y no lo que dijo el invitado.

Para quien investiga, este es el error más peligroso en malayo. El motor ha hecho una traducción en nombre del entrevistado, y nada en la página lo delata.

Los clips de prueba: tres, elegidos por la alternancia de idiomas

• Una escena de una serie de televisión malaya: una madre y su hijo conversan; luego, una detención de la brigada antidroga con gritos y algunas frases en inglés ("under arrest" y similares).
• Dos entrevistas de tertulias políticas malasias: comentaristas que alternan malayo e inglés frase a frase, oraciones enteras en inglés y muchísimos nombres de personas y partidos.

Había un cuarto clip, una charla TEDx, pero sus subtítulos voluntarios eran un resumen, 170 palabras para tres minutos, así que no servía como referencia y lo descartamos. El material en malayo libre, conversacional y literal escasea, y nos quedamos en tres. Los clips se eligieron por la cantidad de alternancia de idiomas que contienen, no para cubrir nuestros tres niveles de dificultad. No probamos específicamente ruido intenso con gente hablando a la vez.

Motores que probamos

Once: ElevenLabs Scribe v2, Soniox, Doubao (ms-MY), AssemblyAI, FunASR, Qwen, Speechmatics (enhanced y Melia-1), Gladia y Deepgram, más Gemini, añadido en agosto de 2026.

Líneas rojas, motor por motor

Reescribir el inglés como malayo: AssemblyAI y Gladia lo hicieron en el pasaje jurídico de arriba. En la otra entrevista AssemblyAI también convirtió "asking for the removal" en la palabra malaya para "restauración", el significado opuesto. Gladia convirtió "we'll look at the comments" en "suprimiremos los comentarios".

Significado invertido:

• Deepgram convirtió "está siendo investigado" en "escapó".
• FunASR convirtió la frase de la serie "te has equivocado de persona" en "has dado con la persona correcta".
• Speechmatics convirtió el inglés "I don't know what that means" en "I know What I means".

Pasajes perdidos: Deepgram cortó la serie después del 2:11 y perdió aproximadamente el 30 % de ella. FunASR se saltó unos 20 segundos de una entrevista.

Palabras insertadas: Speechmatics coló "menipu" ("engañar") en una frase.

Bucles: la versión Melia-1 de Speechmatics repitió "eh" unas cincuenta veces al final de la serie, y produjo una ristra de "ada ada ada" en una entrevista. Esa ristra se atribuyó primero a Qwen; la revisión descubrió que se la habíamos cargado al motor equivocado.

Qué elegimos y por qué

Principal: ElevenLabs Scribe v2. El más limpio con la alternancia de idiomas en los tres clips, con las oraciones en inglés conservadas palabra por palabra, y el más preciso con los nombres.

Referencia 1: Soniox. Ninguna alucinación ni inversión en ningún clip, y la tasa de error más baja en los tres (solo 0,4 puntos por delante de AssemblyAI en la serie). Su único desliz fue escribir "latter" en lugar de "letter".

Referencia 2: Doubao. Tampoco alucinaciones ni inversiones, y el único motor que nunca "tradujo" nada en los tres clips. Mantuvo las frases en inglés de la serie, "You got the wrong person" y "under arrest", tal como se dijeron. Sus errores fueron nombres y palabras que suenan parecido, como "gelap" (oscuro) por "gelak" (risa).

Referencia 3: Gemini. En la ronda de agosto tuvo como mucho una frase borrosa en la primera tertulia, con todos los nombres de partidos e instituciones correctos. En la charla TEDx produjo 304 palabras coherentes sin alucinaciones.

Pruebas en contra de nuestra elección

• Soniox también malayiza. En la serie escribió la frase inglesa "You are under arrest" como el malayo "awak ditangkap". El significado es correcto y nada se invierte, pero es el mismo tipo de comportamiento por el que penalizamos a AssemblyAI, y el informe original no lo señaló. La revisión recomienda revisar por muestreo los pasajes con alternancia de idiomas en las primeras semanas de producción.
• Doubao no es un segundo claro. En las tertulias, su tasa de error se intercambia puestos con FunASR y Qwen. Una de las razones para elegirlo fue que FunASR perdía grandes fragmentos y Qwen entraba en bucle, mientras que Doubao no hacía ninguna de las dos cosas. La segunda mitad de ese argumento resultó estar atribuida al motor equivocado (véase el último punto).
• AssemblyAI es en realidad muy bueno en la serie: 17,4 %, empatado con Soniox en cabeza. Solo se desmorona con la alternancia densa de las entrevistas. Ahora es un motor de reserva.
• Qwen fue condenado con dos pruebas que se vinieron abajo: el bucle era de Melia-1, y la "frase inventada" era el hablante empezando de verdad una frase y corrigiéndose. Ahora es una reserva utilizable, pero no una pista fija, porque sus marcas de tiempo son una cuadrícula a intervalos regulares y no tiempos reales.

Aún pendiente

• Tres clips es una muestra pequeña.
• No hay una prueba dedicada de ruido intenso con gente hablando a la vez.
• La alternancia densa de idiomas solo se ha probado en un contexto: las tertulias políticas.