Polacco: basta perdere un "nie" e "non avrò figli" diventa "avrò figli"

In una scena tra padre e figlio, il figlio dice: "Ja nie będę miał dzieci." Non avrò figli.

Speechmatics ha scritto "Będę miał dzieci." Manca un "nie", e la frase dice il contrario pur continuando a leggersi benissimo. È stata l'unica negazione capovolta che abbiamo trovato in quattro clip polacche. Quella sola battuta è il motivo per cui Speechmatics non è una traccia di riferimento per il polacco.

Le clip di prova: quattro film, tutti e tre i livelli di difficoltà

• Dzień świra (2002): botta e risposta veloce tra padre e figlio, audio pulito da studio. Il nostro livello di base, e la clip che ha separato meglio i motori.
• Psy (1992): un'irruzione della polizia. Scambi veloci, interruzioni, imprecazioni, rumore di fondo. Livello medio-alto.
• Kiler (1997): un interrogatorio a raffica pieno di nomi propri come modelli di armi e nomi di città. Livello medio-alto.
• Wesele (2004): una festa di nozze che va a rotoli. Ospiti ubriachi che urlano uno sopra l'altro, un telefono che squilla, rumore costante. Il nostro livello più difficile.

Tutte e quattro sono in polacco standard, senza dialetti regionali.

I motori che abbiamo testato

Il primo round ne aveva quattro: ElevenLabs Scribe v2, AssemblyAI, Speechmatics e Doubao (pl-PL). Le trascrizioni di Soniox venivano da un'esecuzione separata con tutti i motori e sono state riviste in seguito. Gemini è stato aggiunto ad agosto 2026. Gladia e Deepgram erano già stati bocciati su altre lingue europee, quindi qui non li abbiamo ritestati.

Linee rosse, motore per motore

Speechmatics: oltre alla negazione capovolta, ha inserito nella scena del matrimonio tre parole che nessuno ha detto, "Myślisz że to" ("pensi che questo").

AssemblyAI: nessuna frase inventata, nessun capovolgimento, ma inventa singole parole. "Zjemy" ("mangeremo") è comparso nella scena dell'irruzione, "otestował" in quella del matrimonio, e nella clip pulita ha aggiunto "lewicką" ("di sinistra") a una battuta su una giacca Levi's.

Doubao: nella clip pulita, durante uno scambio rapidissimo su brani di Chopin, ha infilato "chwalony" ("lodato"). Tutti i motori hanno faticato su quel tratto. Sulle prime due clip Doubao inizialmente aveva ottenuto il 111% e il 118% e prodotto inglese senza senso. L'errore era nostro: il codice di lingua sbagliato lo rimandava in modalità cinese. Con il codice giusto ha prodotto un polacco coerente.

Un punto in cui hanno sbagliato tutti: nella scena del matrimonio qualcuno dice "Psy go zabrali" ("gli sbirri l'hanno preso"). Psy è gergo per polizia. ElevenLabs e Doubao hanno sentito entrambi "Wszyscy" ("tutti"); AssemblyAI ha scritto "Psego". Quando più motori sbagliano nello stesso punto, il problema è l'audio stesso, quindi non lo imputiamo a nessuno in particolare.

Anche nel caos del matrimonio, nessuno dei quattro ha inventato una frase intera.

Tassi di errore sulla clip pulita: ElevenLabs 5,7%, AssemblyAI 7,8%, Doubao 10,2%, Speechmatics 10,6%. ElevenLabs ha fatto un solo vero errore in tutta la clip, scrivendo "Iść" al posto di "Idź".

Cosa abbiamo scelto, e perché

Principale: ElevenLabs Scribe v2. Il più pulito su tutte e quattro le clip, nessun capovolgimento, quasi perfetto su quella pulita.

Riferimento 1: Soniox. Ricontrollato secondo il nostro standard di zero linee rosse, non ha avuto parole inventate, capovolgimenti né battute perse in nessuna delle quattro clip. Con lo stesso metro AssemblyAI aveva tre o più invenzioni deboli e tre battute perse. Nella scena del matrimonio Soniox è stato il migliore del gruppo. È stato l'unico motore a cogliere "Co jest?" ("che succede?") e l'unico a rendere correttamente il plurale "z nimi" ("con loro"). Doubao ha scritto "z nią" ("con lei").

Riferimento 2: Doubao. Nessun capovolgimento, ed è costruito in modo diverso dagli altri, quindi i suoi errori tendono a non coincidere con i loro. La negazione capovolta è il motivo principale per cui ha ottenuto questo posto al posto di Speechmatics.

Riferimento 3: Gemini. Nel round di agosto non ha avuto linee rosse in polacco. Nessuna allucinazione né capovolgimento nella scena dell'irruzione, con le imprecazioni intatte. Nella scena del matrimonio, solo piccoli spostamenti nell'ordine delle parole e nella persona, e ha trascritto una parte di ciò che è stato effettivamente detto più ampia di quella dei sottotitoli.

AssemblyAI è ora il primo della fila come riserva.

Prove contro la nostra scelta

• Soniox non ha vinto al primo passaggio. Nella nostra prima revisione, a inizio luglio, avevamo concluso che era "preciso sulla clip pulita ma non migliore di AssemblyAI e Doubao, e un pareggio non è un motivo per cambiare". Pochi giorni dopo abbiamo ricontato con uno standard più severo sulle linee rosse, le invenzioni deboli di AssemblyAI hanno pesato contro di lui e la decisione si è ribaltata. Un metro diverso può dare un ordine diverso.
• Per tasso di errore, AssemblyAI è arrivato primo sulla clip dell'interrogatorio (28,2%).
• Anche il motore principale sbaglia: pure ElevenLabs ha mancato il gergo "Psy".

Ancora aperto

• Tutte e quattro le clip sono film. Nessuna vera intervista di ricerca.
• Nessun dialetto testato.
• I nomi propri (modelli di armi, titoli di Chopin) mettono in difficoltà quasi tutti i motori. Vanno corretti dal passaggio sulla terminologia che viene eseguito dopo la trascrizione.