ギリシャ語：アクセント記号を落とすと単語の半分が崩れる

Doubao に正しいギリシャ語の言語コードを渡すと、ちゃんとしたギリシャ語が出てきて、意味も合っていました。ところが、アクセント記号（トノス）の付いた母音がすべて跡形もなく消えていました。κάνεις は κνεις に、έχουμε は χουμε になり、Μπήκε は Βκη にまで縮みました。単語のおよそ半分が崩れていました。

最初は、私たち自身の処理が記号を削っているのではと疑いました。違いました。同じパイプラインで、ほかの四つのエンジンはアクセントを保っていました（それぞれ 81 から 87 個）。Doubao はゼロでした。これは Doubao 自体の挙動です。何かを作り出したり意味を反転させたりはしていません。ただ、リファレンストラックとして使うには崩れすぎていました。

テスト用の音声：四つともクリアな側

• Dogtooth（Κυνόδοντας, 2009）、二つの場面：五人が食卓を囲んで話す、数字だらけの場面。そして警備員の訪問に続いて父親が医学的な質問をする場面で、テンポの速いやり取りと、虫垂炎を表す長い医学用語（σκωληκοειδίτιδα）が出てきます。
• Alps（Άλπεις, 2011）、二つの場面：病院の受付での慌ただしいやり取りで、Jude Law という名前が出てくる場面。そして家庭訪問で誰かがファッション誌を読み上げる場面で、Ferré、Guatemala、Winona Ryder といった外国の名前が続出します。

四つとも同じ監督の作品で、そのスタイルは意図的に冷ややかでゆっくりしています。一人が話し終えてから次の人が話す。私たちの三層の尺度では、大半が基本の層です。騒がしく話者が重なる場面を探して四十本以上の映画を当たりましたが、音声とギリシャ語字幕の両方が手に入るものは見つかりませんでした。

テストしたエンジン

ElevenLabs Scribe v2、Speechmatics、AssemblyAI、Doubao（el-GR）。見直しの際には、別途行った全エンジン実行での Soniox の書き起こしも比較しました。Gemini は 2026年8月に加わりました。

レッドライン、エンジンごとに

AssemblyAI は四つの音声すべてで問題があり、映画を替えても続きました。

• 意味の反転：「Μπήκε χειρουργείο」（手術室に入った）が「Βγήκε η χειρουργία」（手術が出てきた）になりました。完全に逆向きです。
• 一節の脱落：雑誌の場面で、三つの外国の名前が出てくる部分がまるごと抜けていました。
• ループ：最後に、三つの単語が一つのタイムスタンプに積み重なって繰り返されました。
• 作り出された単語：Jude Law は実在しない名前になり、「ユッカに水をやる」では、ユッカが造語の Ιούκαντ になりました。

Speechmatics の誤りは主に冠詞と前置詞の脱落で、最も安全な種類の間違いです。ただし安全でないものが二つありました。雑誌の場面で「Winona Ryder とのインタビュー」が英語の「Coming soon」になり、病院では「同じものをもう一つ」が「そして真実」になりました。また、「コーヒー要る？」（Θες καφέ）を「昨日コーヒー」（Χθες καφέ）と聞きました。

ElevenLabs：ハルシネーションなし。長い医学用語を正しく綴り、Jude Law も正しく、雑誌の三つの外国の名前もすべて正しく書きました（Ferré は一文字欠けていました）。

何を選んだか、そしてなぜ

メイン：ElevenLabs Scribe v2。 四つのうち三つの音声で誤り率が最も低く、残りの一つでも負けたのは数字の書き方だけでした。一行ずつ読むと、間違いはほとんどありませんでした。

リファレンス 1：Speechmatics。 四つの音声すべてで安定した二位で、メインに近い成績です。誤りの大半は脱落で、危険なものは単発でした。

リファレンス 2：Soniox。 四つの音声すべてで AssemblyAI より良く、アクセント記号も保たれていました。

リファレンス 3：Gemini。 八月のラウンドでは、食卓の場面でレッドラインがなく、誤り率も最も低い 11.9% でした。家庭訪問の場面では一回ミスをし、「シュニッツェル」（Σνίτσελ）を「たいてい」（Συνήθως）にしました。

AssemblyAI は常設の構成に入っておらず、Doubao は外しました。

私たちの選択に不利な証拠

• Speechmatics を Soniox より前に置いているのは慣習によるもので、測った結果ではありません。見直しでは、三つの音声で Soniox は Speechmatics と同等以上に読めていました。両方のトラックを動かしている今は、順番は問題になりません。どちらか一つしか残せなくなったら、改めて比較する必要があります。
• Speechmatics の「Coming soon」はどこからともなく出てきた英語で、些細なことではありません。それでも残すのは、四つの音声で一回だけだったこと、そして Doubao がギリシャ語に使えず、代わりになるエンジンが少ないからです。
• 最初の四つのエンジンの中では、食卓の場面で誤り率が最も低かったのは Speechmatics でした。

未解決のこと

• 騒がしく話者が重なる音声がありません。これが最大の穴です。AssemblyAI はこれほどクリアな音声でもつまずきました。騒がしい部屋でどのエンジンがどれだけ持ちこたえるかは、わかりません。
• インタビューの素材がありません。このために優れた字幕付きのギリシャ語作品を見つけましたが、ネット上の唯一の「全編」には別の音声が付いていたため、断念せざるを得ませんでした。