Allemand : quand le dialecte viennois a fait passer à l'anglais le moteur le plus stable

Dans une scène d'affrontement autour d'une table de bistrot, tirée du film autrichien Hundstage, plusieurs hommes se provoquent dans un épais dialecte viennois. Sur cette scène, AssemblyAI est soudain passé à l'anglais, produisant des lignes comme « You just often want to sing... I will the luz dance like if I was a toad », dont rien ne figure dans l'audio. Sur la même scène, Doubao est resté en allemand du début à la fin et a été le plus cohérent du groupe.

Sur les trois autres extraits, tous en allemand standard, AssemblyAI a été le moteur le plus propre de ceux que nous avons testés. Au sein d'une même langue, un dialecte peut renverser le classement.

Les extraits de test

Quatre scènes de films, trois allemands et un autrichien, d'environ deux à trois minutes chacune :

• Knockin' on Heaven's Door (1997) : les deux personnages principaux parlent vite dans un restaurant, interrompus par l'appel téléphonique d'un gangster.
• Der Untergang (2004) : un conseil de guerre dans le bunker, cinq officiers ou plus qui se coupent la parole.
• Sophie Scholl (2005) : un interrogatoire au tribunal, avec une foule qui crie par-dessus. C'est le seul extrait où les sous-titres correspondent mot pour mot à l'audio, donc son WER a un sens.
• Hundstage (2001) : dialecte viennois, harcèlement autour d'une table de bistrot. La référence exploitable ne couvre que 1 minute 42 secondes.

Plusieurs autres films figuraient sur notre liste, mais nous n'avons pas pu contourner les restrictions d'âge de YouTube, ou le « film complet » s'est révélé être un résumé en anglais. Les bonnes sources de dialogues de film allemands difficiles sont rares.

Sur les trois niveaux du premier article, Knockin' et Sophie Scholl se situent vers le niveau intermédiaire, et Der Untergang et Hundstage dans le plus difficile. Le niveau de base n'est pas couvert.

Les candidats

ElevenLabs, AssemblyAI, Doubao, Speechmatics (deux modèles), Soniox, Gladia, Deepgram, FunASR, et plus tard Gemini.

Les six lignes rouges, moteur par moteur

Mots et phrases inventés. Dans Sophie Scholl, la foule crie « Frechheit » (quelle insolence). Trois moteurs ont chacun inventé un mot différent à la place : Soniox a écrit « Brecher als sowas Brecher Schwein oder Schwein », Deepgram a écrit « Wecker » (réveil), et Gladia a écrit « Lecker als sowas Lecker Lecker » (délicieux). Dans Knockin', Soniox a entendu « Frankie ist harmlos » (Frankie est inoffensif) comme « ein Harvard » et a ajouté une phrase de son cru. Dans Der Untergang, Deepgram a transformé « kulturlosen Bestien » en une suite de mots inventés.

Dérive de langue. C'est la scène du début. En revérifiant, nous avons constaté qu'AssemblyAI était passé à l'anglais à trois reprises distinctes sur l'extrait autrichien.

Sens inversé. Sur l'extrait autrichien, Speechmatics a transformé « Dir vergeht die Lust, wenn du tot bist » (l'envie te passera quand tu seras mort) en « Ich will dich los wenn du tot bist », changeant à la fois le sujet et le sens, et a ajouté une insulte, « du Schwein ».

Passages sautés. Deepgram a sauté environ 30 secondes de dialogue dans Knockin'. Sur l'extrait autrichien, il a renvoyé 25 mots, en manquant environ 90 %.

Répétition. Soniox a montré une légère répétition sur l'extrait autrichien, avec un mot apparaissant quatre fois d'affilée. Nous n'avons rien relevé de tel pour les autres sur ces quatre extraits.

Ce que nous avons choisi

Piste principale : ElevenLabs Scribe v2. Il n'a jamais changé de langue, n'a jamais inventé de phrase, et a fait entre zéro et trois substitutions par extrait.

Pistes de référence, par ordre de priorité :

1. AssemblyAI (universal-2) : le plus propre sur les trois extraits en allemand standard, avec zéro erreur sur le conseil de guerre de Der Untergang.
2. Doubao : resté en allemand sur les quatre extraits, sans phrase inventée ni grand trou. Sur le dialecte autrichien, il a été plus stable qu'AssemblyAI.
3. Gemini : ajouté le 26 août 2026. Quand nous l'avons testé sur 26 langues, l'allemand faisait partie du groupe où il pouvait entrer directement. Sur Hundstage, il n'a franchi aucune ligne rouge et n'est pas passé à l'anglais là où AssemblyAI l'a fait.

Les éléments qui contredisent notre choix

• Doubao déforme les sens. Il a écrit « Frankie ist harmlos » (Frankie est inoffensif) comme « hart vor », tirant le sens dans l'autre direction. « Ja, no problem » est devenu « ja nur Brot » (juste du pain), et « Acht, Acht » (huit, huit) est devenu le nombre 88.
• La piste principale a aussi changé un sens. Dans Der Untergang, ElevenLabs a transformé « In einem Krieg wie diesem » (dans une guerre comme celle-ci) en « In einem Kollektiv dieser Art » (dans un collectif de ce genre).
• Gemini a inventé une phrase en allemand. Dans Der Untergang, il a écrit une réplique que personne ne prononce, « Flucht oder Berlin wird ein gewaltiger Rückschlag », et a transformé « Tu es fou ? » en « Il est fou. »
• Le seul vainqueur fiable au WER n'a pas été retenu. Speechmatics avait le WER le plus bas sur Sophie Scholl. En allemand standard, il est vraiment sûr ; ses défaillances sont surtout des omissions. Mais sur le dialecte autrichien, il a changé à la fois le sujet et le sens d'une réplique.

Questions ouvertes et limites

• Nous avons un seul extrait autrichien, avec seulement 1 minute 42 secondes de référence exploitable. Le suisse allemand n'a pas du tout été testé.
• Les quatre extraits proviennent de films. Aucun n'est un vrai entretien, et aucun n'est du niveau de base.
• Dans les quelques secondes de cris de la foule de Sophie Scholl, trois moteurs ont chacun inventé un mot, tandis qu'AssemblyAI et Speechmatics ont laissé le trou vide. Un trou vide est plus sûr qu'un mot inventé, mais cela montre que ces secondes restent difficiles pour la plupart des moteurs.