Polaco: quita un "nie" y "no tendré hijos" pasa a ser "los tendré"

En una escena entre padre e hijo, el hijo dice: "Ja nie będę miał dzieci." No voy a tener hijos.

Speechmatics escribió "Będę miał dzieci." Falta un "nie", y la frase dice lo contrario sin dejar de leerse perfectamente. Fue la única negación invertida que encontramos en cuatro clips en polaco. Esa sola frase es la razón por la que Speechmatics no es una pista de referencia para el polaco.

Los clips de prueba: cuatro películas, los tres niveles de dificultad

• Dzień świra (2002): diálogo rápido entre padre e hijo, sonido limpio de estudio. Nuestro nivel de base, y el clip que mejor separó a los motores.
• Psy (1992): una redada policial. Intercambios rápidos, interrupciones, palabrotas, ruido de fondo. Nivel medio-alto.
• Kiler (1997): un interrogatorio a toda velocidad, repleto de nombres propios como modelos de armas y nombres de ciudades. Nivel medio-alto.
• Wesele (2004): una boda que se viene abajo. Invitados borrachos gritándose unos encima de otros, un teléfono sonando, ruido constante. Nuestro nivel más difícil.

Los cuatro son en polaco estándar, sin dialecto regional.

Motores que probamos

La primera ronda tuvo cuatro: ElevenLabs Scribe v2, AssemblyAI, Speechmatics y Doubao (pl-PL). Las transcripciones de Soniox salieron de una ejecución aparte con todos los motores y se revisaron después. Gemini se añadió en agosto de 2026. Gladia y Deepgram ya habían fallado en otros idiomas europeos, así que no los volvimos a probar aquí.

Líneas rojas, motor por motor

Speechmatics: además de la negación invertida, insertó tres palabras que nadie dijo en la escena de la boda, "Myślisz że to" ("crees que eso").

AssemblyAI: ninguna frase inventada, ninguna inversión, pero sí inventa palabras sueltas. "Zjemy" ("comeremos") apareció en la escena de la redada, "otestował" en la de la boda, y en el clip limpio añadió "lewicką" ("de izquierdas") a una frase sobre una chaqueta Levi's.

Doubao: en el clip limpio, durante un intercambio rápido sobre piezas de Chopin, coló "chwalony" ("elogiado"). Todos los motores tuvieron problemas en ese tramo. En los dos primeros clips Doubao obtuvo inicialmente un 111 % y un 118 % y produjo galimatías en inglés. Fue error nuestro: el código de idioma equivocado lo devolvió al modo chino. Con el código correcto produjo polaco coherente.

Un punto donde todos fallaron: en la escena de la boda alguien dice "Psy go zabrali" ("se lo llevó la pasma"). Psy es jerga para la policía. ElevenLabs y Doubao oyeron "Wszyscy" ("todos"); AssemblyAI escribió "Psego". Cuando varios motores fallan en el mismo punto, el problema es el propio audio, así que no se lo tenemos en cuenta a ninguno.

Incluso en el caos de la boda, ninguno de los cuatro inventó una frase entera.

Tasas de error en el clip limpio: ElevenLabs 5,7 %, AssemblyAI 7,8 %, Doubao 10,2 %, Speechmatics 10,6 %. ElevenLabs cometió un solo error real en todo el clip: escribió "Iść" en lugar de "Idź".

Qué elegimos y por qué

Principal: ElevenLabs Scribe v2. El más limpio en los cuatro clips, sin inversiones, casi perfecto en el limpio.

Referencia 1: Soniox. Revisado de nuevo con nuestro criterio de cero líneas rojas, no tuvo palabras inventadas, ni inversiones, ni frases perdidas en los cuatro clips. Con la misma vara, AssemblyAI tuvo tres o más invenciones leves y perdió tres frases. En la escena de la boda Soniox fue el mejor del grupo. Fue el único motor que captó "Co jest?" ("¿qué pasa?") y el único que acertó el plural "z nimi" ("con ellos"). Doubao escribió "z nią" ("con ella").

Referencia 2: Doubao. Sin inversiones, y está construido de forma distinta a los demás, así que sus errores tienden a no coincidir con los de ellos. La negación invertida es la razón principal por la que se quedó este puesto en lugar de Speechmatics.

Referencia 3: Gemini. En la ronda de agosto no tuvo líneas rojas en polaco. Ni alucinaciones ni inversiones en la escena de la redada, con las palabrotas intactas. En la escena de la boda, solo pequeños cambios de orden de palabras y de persona, y transcribió más de lo que realmente se dijo que los propios subtítulos.

AssemblyAI es ahora el primero en la lista de reserva.

Pruebas en contra de nuestra elección

• Soniox no ganó a la primera. En nuestra primera revisión, a principios de julio, concluimos que era "preciso en el clip limpio, pero no mejor que AssemblyAI y Doubao, y un empate no es motivo para cambiar". Unos días después volvimos a contar con un criterio de líneas rojas más estricto, las invenciones leves de AssemblyAI contaron en su contra y la decisión se invirtió. Una vara de medir distinta puede dar un orden distinto.
• Por tasa de error, AssemblyAI quedó primero en el clip del interrogatorio (28,2 %).
• El motor principal también se equivoca: ElevenLabs tampoco captó la jerga "Psy".

Aún pendiente

• Los cuatro clips son películas. Ninguna entrevista de investigación real.
• No se han probado dialectos.
• Los nombres propios (modelos de armas, títulos de Chopin) hacen tropezar a casi todos los motores. Hay que corregirlos en el paso de terminología que se ejecuta después de la transcripción.