Rumeno: "Hai fame?" è diventato "Muoio di fame"

L'inizio di un film rumeno: due persone che parlano a botta e risposta, pochissimo rumore di fondo, nessuna folla. Delle nostre quattro clip in rumeno, è la più chiara.

Uno dei due chiede: "Ți-e foame?" Hai fame?

Speechmatics ha scritto "mor de foame": muoio di fame. Una domanda è diventata un'affermazione, e ora viene dall'altra persona. Nello stesso minuto ha trasformato "ascolta, per favore" in "l'ho sentito anch'io", "ho preso i fiori" in "ho dato i fiori", e ha sostituito il "tort" (torta) di "torta meringata" con una parola che non c'entra, satisfăcător ("soddisfacente").

Quando un motore fa questo sulla clip più facile del set, il problema è il motore, non la registrazione.

Le clip di prova: tre film, quattro scene

• Filantropica (2002): una folla fuori da un locale notturno, rumore forte, persone che urlano una sopra l'altra. Livello più difficile.
• The Death of Mr. Lăzărescu (Moartea domnului Lăzărescu, 2005): un pronto soccorso, con medici, infermieri, pazienti e telefonate che si accavallano, più termini medici come bariu (bario). Livello medio-alto.
• 4 Months, 3 Weeks and 2 Days (4 luni, 3 săptămâni și 2 zile, 2007), due scene: una cena di compleanno con un'intera tavolata che parla a incrocio, interruzioni continue e molti prezzi (livello più difficile); e la discussione iniziale tra due persone descritta sopra (livello di base).

Le fonti in rumeno scarseggiano. I film con l'audio disponibile non hanno sottotitoli, e quelli con i sottotitoli non hanno l'audio completo, quindi due scene sono dovute venire dallo stesso film.

I motori che abbiamo testato

Primo round: ElevenLabs Scribe v2, AssemblyAI, Speechmatics e Doubao (ro-RO). FunASR, iFlytek e Qwen sono stati eseguiti solo come riferimento. Le trascrizioni di Soniox venivano da un'esecuzione separata con tutti i motori e sono entrate nella revisione a inizio luglio. Gemini è stato aggiunto ad agosto 2026.

Linee rosse, motore per motore

Speechmatics ha avuto problemi su ogni clip. Oltre a quelli sopra: in strada, "andiamo al Cult Club" è diventato "andiamo a letto", e un semplice "Dove?" si è gonfiato in "Dov'è Lake Sloop", un luogo che nessuno ha nominato. Al pronto soccorso ha aggiunto una frase che nessuno ha detto, più o meno "il dottore è al telefono".

AssemblyAI non è andato in loop, ma nelle scene affollate inventa parole. "Cult Club" è diventato due volte una non-parola, "Kulfland". Alla cena ha trasformato due volte "dragă" (caro) nell'imprecazione "dracu". Sulla clip chiara ha inserito una negazione, per cui "Vai avanti! Ti dirò…" è diventato "Vai avanti, non ti dirò…". Ha anche storpiato un nome, spezzato il verbo all'inizio di una frase e tralasciato interi tratti.

ElevenLabs: nessun capovolgimento su nessuna clip. I suoi errori sono stati perdere "Cult" e sentire due volte "sutimi" (centesimi) come il simile "sutieni" (reggiseni).

Doubao: nessuna allucinazione, nessun capovolgimento, e tutti i prezzi della cena corretti. I suoi errori sono stati scambi tra parole dal suono simile, come ceaiul (il tè) al posto di ceva (qualcosa) in "posso portarti qualcosa da giù?"

Soniox: nessun passaggio inventato; le sue trascrizioni avevano più o meno la stessa lunghezza di quelle di ElevenLabs e Doubao, non gonfiate. Ha azzeccato il nome Popescu e il condizionale "dacă-mi vii" (se vieni da me), esattamente dove AssemblyAI ha storpiato e Speechmatics ha capovolto. Ha reso confusi due punti dal suono simile sulla clip chiara.

Cosa abbiamo scelto, e perché

Principale: ElevenLabs Scribe v2. Il tasso di errore più basso sulla clip chiara, nessun capovolgimento su nessuna clip.

Riferimento 1: Soniox. Tra i candidati di riferimento ha avuto il tasso di errore più basso su tutte e quattro le clip, e alla lettura riga per riga è risultato pulito. Ha sostituito AssemblyAI. Gli errori di AssemblyAI sono per lo più parole strane che saltano all'occhio, quindi è uscito perché più debole di Soniox, non perché pericoloso.

Riferimento 2: Doubao. Nessuna allucinazione, nessun capovolgimento. Soniox e Gemini sono entrambi trascrittori basati su grandi modelli; Doubao segue un approccio diverso, il che lo rende un utile contrappeso.

Riferimento 3: Gemini. Vedi la sezione successiva.

Prove contro la nostra scelta

• La conclusione originale era AssemblyAI più Doubao. È cambiata solo dopo che le trascrizioni di Soniox sono state recuperate e riviste. Il corpo di quel rapporto originale riporta ancora la vecchia conclusione, con una correzione aggiunta in cima.
• Speechmatics è stato l'unico motore ad azzeccare il termine medico "bariu" entrambe le volte. Soniox ha scritto "bari", una lettera in meno.
• Anche il motore principale sbaglia: ElevenLabs ha sentito "centesimi" come "reggiseni", due volte.
• Gemini non ha avuto nessuna clip di film pulita in rumeno. Al pronto soccorso ha trasformato "bariu" in "bani" (soldi) e si è ripetuto all'inizio. Alla cena ha fatto quattro o cinque errori, perdendo il nucleo di una frase e trasformando "whisky?" in "succo?". Poi abbiamo eseguito un podcast di cinque minuti con un'intervista reale. Nessuna allucinazione, nessun capovolgimento, nessun loop; due piccoli scivoloni ("io" reso come "lui", e un modo di dire confuso), e tre punti in cui è stato più preciso di ElevenLabs. Quel podcast non aveva una trascrizione di riferimento umana; abbiamo confrontato Gemini solo con ElevenLabs.

Ancora aperto

• Quattro scene da tre film, e nessuna è un'intervista di ricerca.
• Solo la clip del pronto soccorso ha un lessico specialistico, e lì i motori si sono differenziati molto (vedi "bariu" sopra). I risultati in quel campo non sono ancora solidi.