Portugais : trois répliques inversées, et une phrase clé sauvée

Dans une interview approfondie de la télévision portugaise, la phrase la plus importante contient "no chão da cozinha" : sur le sol de la cuisine. Notre piste principale, ElevenLabs, a écrit "no som da coxinha", une suite de sons sans aucun sens. Gemini l'a eue juste.

Dans la même interview, Gemini a transformé "nunca disse isto" (je n'ai jamais dit ça) en "Tu disseste isto" (tu as dit ça). Dans chacune des trois conversations que nous avons ajoutées pour le tester, Gemini a inversé une réplique de cette façon.

Inclure ou non Gemini a été la décision la plus débattue pour le portugais.

Les extraits de test

Trois scènes de films pour choisir les moteurs acoustiques, toutes en portugais du Brésil, de deux à trois minutes chacune :

• Meu Nome Não É Johnny (2008, Rio) : une fête avec un deal de drogue et des gens qui chahutent, un argot dense, des voix qui se chevauchent.
• Que Horas Ela Volta? (2015, São Paulo) : six personnes au bord d'une piscine, un flirt qui tourne soudain en concert d'ordres criés par tout le monde.
• O Auto da Compadecida (2000, le Nordeste) : une bande de brigands découvre qui est vraiment quelqu'un, cinq ou six personnes qui parlent vite avec un fort accent du Nordeste.

Trois vraies conversations ajoutées pour tester Gemini, de cinq minutes chacune, sans transcription de référence ; nous avons comparé Gemini à ElevenLabs ligne par ligne. L'une est une interview politique brésilienne, une autre une interview approfondie de la télévision portugaise (avec des fonds musicaux entre les séquences), et la dernière un podcast à trois voix qui parlent en même temps. Les deux dernières sont en portugais européen.

Sur les trois niveaux du premier article, les trois scènes de films se situent au niveau le plus difficile. Les conversations sont plus proches de vraies interviews, mais sans transcription de référence, nous ne pouvons que comparer les moteurs entre eux.

Les candidats

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

Les six lignes rouges, moteur par moteur

Phrases inventées. À une transition de la scène de foule à São Paulo, AssemblyAI a produit une réplique en anglais, "That's so good." Dans l'extrait du Nordeste, il a transformé "Oxente, e agora é de dois" (hé, maintenant c'est deux) en "Oxe o Diogo agora é de 12", en ajoutant un prénom et en se trompant de nombre. Speechmatics a inséré "Não mais na escuridão" (plus jamais dans l'obscurité) dans l'extrait de Rio et a réduit une réplique de l'extrait de São Paulo à "Hoje é um divã Família." Soniox et Gladia ont tous deux inventé la même réplique émotionnelle dans l'extrait du Nordeste, "eu adorei" (j'ai adoré).

Sens inversé. Dans les extraits de films, Gemini a transformé « tu es dans une autre équipe maintenant » en « je suis dans une autre équipe maintenant » dans la scène de Rio. Outre l'inversion citée en tête de cet article, les conversations nous en ont donné deux autres : "Não, imagina" (pas du tout) est devenu "Imagino" (j'imagine), et "E não acertei logo de início" (je n'ai pas réussi du premier coup) est devenu "E acertei", la négation ayant disparu, alors même que les mots qui suivent, "eu falhei" (j'ai échoué), le contredisent. Les trois se trouvaient dans de courtes propositions orales, les trois inversaient une négation ou une personne, et aucune n'était inventée de toutes pièces.

Contenu inséré. Dans l'interview télévisée, Gemini a transcrit la musique entre les séquences comme s'il s'agissait de paroles, à trois endroits, dont l'un est un fragment d'anglais approximatif. Les trois tombaient dans des trous où ElevenLabs n'avait rien produit. Cela ne s'est pas produit dans le podcast, qui n'a pas de musique.

Passages perdus. Dans l'extrait du Nordeste, Gladia a sauté tout l'échange de la boulangerie, environ huit phrases.

Boucles de répétition. Aucune relevée sur ces extraits portugais.

Une autre erreur mérite d'être notée : Speechmatics a transformé le "eu sou casada" (je suis mariée, au féminin) d'une femme en masculin, "casado".

Ce que nous avons choisi

Piste principale : ElevenLabs Scribe v2. La plus complète sur les trois scènes de films, avec seulement quelques mots insérés mineurs.

Pistes de référence :

• AssemblyAI (universal-2) : globalement le plus précis des moteurs internationaux. Il a inventé une chose dans chacun des extraits de São Paulo et du Nordeste, et rien du tout dans l'extrait de Rio, où il avait aussi le meilleur WER.
• Doubao : régulier dans les trois régions brésiliennes, sans phrases inventées ni inversions.
• Gemini : ajouté le 26 août 2026.

AssemblyAI figure avant Doubao dans la configuration pour s'aligner sur nos autres langues européennes. L'ordre ne signifie pas qu'il est meilleur.

Les éléments qui plaident contre notre choix

• Doubao est plus sûr sur le sens qu'AssemblyAI. Sur les trois extraits de films, Doubao n'a rien inventé ; AssemblyAI a inventé deux choses.
• Les noms sont un angle mort pour les trois pistes. Des noms comme João Guilherme et Dona Bárbara étaient faux sur les trois pistes, chacune à sa manière, si bien que l'étape de fusion n'a rien de fiable sur quoi s'appuyer. Les interviews riches en noms ont besoin du glossaire.
• Les trois inversions de Gemini sont réelles. Dans chaque cas, les répliques voisines montrent la contradiction. Mais ces conversations n'ont été comparées qu'à la piste principale ; les deux autres pistes de référence n'ont pas été lancées dessus.
• D'après nos relevés d'août, il n'existait aucune protection dédiée contre le son de fond transcrit comme de la parole. Une télévision ou une radio allumée sur le lieu d'une interview pourrait ainsi se retrouver dans la transcription.

Questions ouvertes et limites

• Il n'y a aucun extrait de test en portugais européen. Le seul film candidat s'est révélé être une production française aux dialogues majoritairement en français, et les sources disponibles étaient de toute façon erronées. Les films en portugais européen n'ont presque jamais de sous-titres natifs, nous ne pouvons donc pas construire de transcription de référence. Nos seules preuves en portugais européen sont les deux conversations ajoutées pour Gemini, et elles n'ont pas de référence non plus.
• Doubao n'est peut-être pas fiable en portugais européen. Nous envoyons à Doubao le code de langue du portugais du Brésil. Nos relevés indiquent qu'il se dégrade discrètement en charabia sur le portugais européen, mais sans extrait de test nous ne l'avons jamais vérifié nous-mêmes. Il existe un moteur de secours candidat pour le portugais européen, Speechmatics Melia-1, qui attend encore d'être validé.
• Les trois scènes de films sont des scènes de foule ; il n'y a aucun extrait de niveau de base.