Tedesco: quando il dialetto viennese ha fatto passare all'inglese il motore più stabile

In uno scontro al tavolo di un'osteria nel film austriaco Hundstage, diversi uomini si punzecchiano in uno stretto dialetto viennese. Su questa scena AssemblyAI è passato all'improvviso all'inglese, producendo righe come "You just often want to sing... I will the luz dance like if I was a toad," niente delle quali è nell'audio. Sulla stessa scena, Doubao è rimasto in tedesco dall'inizio alla fine ed è stato il più coerente del gruppo.

Sugli altri tre spezzoni, tutti in tedesco standard, AssemblyAI è stato il motore più pulito tra quelli testati. All'interno di una stessa lingua, un dialetto può capovolgere la classifica.

Gli spezzoni di test

Quattro scene da film, tre tedeschi e uno austriaco, di circa due-tre minuti ciascuna:

• Knockin' on Heaven's Door (1997): i due protagonisti parlano velocemente in una tavola calda, interrotti dalla telefonata di un gangster.
• Der Untergang (2004): un consiglio di guerra nel bunker, cinque o più ufficiali che si interrompono a vicenda.
• Sophie Scholl (2005): un interrogatorio in aula con una folla che grida sopra. È l'unico spezzone in cui i sottotitoli corrispondono all'audio parola per parola, quindi il suo WER è significativo.
• Hundstage (2001): dialetto viennese, prepotenze al tavolo di un'osteria. Il riferimento utilizzabile copre solo 1 minuto e 42 secondi.

Avevamo in lista diversi altri film, ma non siamo riusciti a superare le restrizioni d'età di YouTube, oppure il "film completo" si è rivelato un riassunto in inglese. Le buone fonti di dialoghi cinematografici difficili in tedesco scarseggiano.

Sui tre livelli del primo articolo, Knockin' e Sophie Scholl stanno vicino al livello intermedio, mentre Der Untergang e Hundstage sono nel più difficile. Il livello base non è coperto.

I candidati

ElevenLabs, AssemblyAI, Doubao, Speechmatics (due modelli), Soniox, Gladia, Deepgram, FunASR e, più tardi, Gemini.

Le sei linee rosse, motore per motore

Parole e frasi inventate. In Sophie Scholl la folla grida "Frechheit" (che sfacciataggine). Tre motori hanno inventato ciascuno una parola diversa: Soniox ha scritto "Brecher als sowas Brecher Schwein oder Schwein," Deepgram ha scritto "Wecker" (sveglia) e Gladia ha scritto "Lecker als sowas Lecker Lecker" (gustoso). In Knockin', Soniox ha sentito "Frankie ist harmlos" (Frankie è innocuo) come "ein Harvard" e ha aggiunto una frase di suo. In Der Untergang, Deepgram ha trasformato "kulturlosen Bestien" in una sequenza di parole inventate.

Deriva di lingua. È la scena citata all'inizio. Quando abbiamo ricontrollato, AssemblyAI era passato all'inglese tre volte distinte sullo spezzone austriaco.

Significato ribaltato. Sullo spezzone austriaco, Speechmatics ha trasformato "Dir vergeht die Lust, wenn du tot bist" (la voglia ti passa quando sei morto) in "Ich will dich los wenn du tot bist," cambiando sia il soggetto sia il significato, e ha aggiunto un insulto, "du Schwein."

Passaggi persi. Deepgram ha saltato circa 30 secondi di dialogo in Knockin'. Sullo spezzone austriaco ha restituito 25 parole, perdendone circa il 90%.

Ripetizioni. Soniox ha mostrato una lieve ripetizione sullo spezzone austriaco, con una parola comparsa quattro volte di fila. Per gli altri non abbiamo casi del genere su questi quattro spezzoni.

Cosa abbiamo scelto

Traccia principale: ElevenLabs Scribe v2. Non ha mai cambiato lingua, non ha mai inventato una frase e ha fatto tra zero e tre sostituzioni per spezzone.

Tracce di riferimento, in ordine di priorità:

1. AssemblyAI (universal-2): il più pulito sui tre spezzoni in tedesco standard, con zero errori sul consiglio di guerra di Der Untergang.
2. Doubao: è rimasto in tedesco su tutti e quattro gli spezzoni, senza frasi inventate e senza grandi vuoti. Sul dialetto austriaco è stato più stabile di AssemblyAI.
3. Gemini: aggiunto il 26 agosto 2026. Quando lo abbiamo testato su 26 lingue, il tedesco era nel gruppo in cui poteva entrare direttamente. Su Hundstage non ha avuto linee rosse e non è passato all'inglese dove invece l'ha fatto AssemblyAI.

Prove contro la nostra scelta

• Doubao piega i significati. Ha scritto "Frankie ist harmlos" (Frankie è innocuo) come "hart vor," spingendo il significato nella direzione opposta. "Ja, no problem" è diventato "ja nur Brot" (solo pane), e "Acht, Acht" (otto, otto) è diventato il numero 88.
• Anche la traccia principale ha cambiato un significato. In Der Untergang, ElevenLabs ha trasformato "In einem Krieg wie diesem" (in una guerra come questa) in "In einem Kollektiv dieser Art" (in un collettivo di questo tipo).
• Gemini ha inventato una frase in tedesco. In Der Untergang ha scritto una battuta che nessuno pronuncia, "Flucht oder Berlin wird ein gewaltiger Rückschlag," e ha trasformato "Sei matto?" in "È matto."
• L'unico vincitore affidabile per WER non è stato scelto. Speechmatics aveva il WER più basso su Sophie Scholl. Sul tedesco standard è davvero sicuro; i suoi errori sono per lo più omissioni. Ma sul dialetto austriaco ha cambiato sia il soggetto sia il significato di una battuta.

Domande aperte e limiti

• Abbiamo un solo spezzone austriaco, con appena 1 minuto e 42 secondi di riferimento utilizzabile. Il tedesco svizzero non è stato testato affatto.
• Tutti e quattro gli spezzoni vengono da film. Nessuno è un'intervista reale e nessuno è nel livello base.
• Nei pochi secondi di grida della folla in Sophie Scholl, tre motori hanno inventato ciascuno una parola, mentre AssemblyAI e Speechmatics hanno lasciato il vuoto. Un vuoto è più sicuro di una parola inventata, ma mostra che quei secondi restano difficili per la maggior parte dei motori.