德语：维也纳方言一来，最稳的引擎说起了英语

在奥地利电影 Hundstage 的一场酒桌冲突里，几个人用很重的维也纳方言互相挖苦。AssemblyAI 在这段突然切成了英语，写出 "You just often want to sing... I will the luz dance like if I was a toad" 这样一串原话里根本没有的句子。同一段，豆包全程保持德语，是几家里最连贯的。

AssemblyAI 在另外三段标准德语上是最干净的引擎。一门语言里，方言能把排名整个翻过来。

测试片

四段电影片段，三段德国，一段奥地利，每段两到三分钟左右：

• Knockin' on Heaven's Door（1997）：两个主角在餐厅里语速很快地聊，中间插进黑帮的电话。
• Der Untergang（2004）：地堡里的作战会议，五个以上的军官互相打断。
• Sophie Scholl（2005）：法庭审讯，夹着人群的怒吼。这是四段里唯一一段字幕与原声完全对应的，WER 可信。
• Hundstage（2001）：维也纳方言，酒桌上的欺凌。可用的标准答案只有 1 分 42 秒。

原计划还有几部片子，都因为 YouTube 年龄限制拿不到，或者片源是英语解说冒充的，只好放弃。德语的高难度正片源很少。

按第一篇的三档，Knockin' 和 Sophie Scholl 接近中高档，Der Untergang 和 Hundstage 在极限档。基础档没有覆盖。

测了哪些引擎

ElevenLabs、AssemblyAI、豆包、Speechmatics（两个模型）、Soniox、Gladia、Deepgram、FunASR，以及后来的 Gemini。

六类红线，各家踩了哪些

整句幻觉。 Sophie Scholl 里人群在喊 "Frechheit"（无耻），三家引擎各自造了一个不同的词：Soniox 写成 "Brecher als sowas Brecher Schwein oder Schwein"，Deepgram 写成 "Wecker"（闹钟），Gladia 写成 "Lecker als sowas Lecker Lecker"（好吃）。Soniox 在 Knockin' 里把 "Frankie ist harmlos"（Frankie 没什么危险）听成 "ein Harvard"，还多插了一句。Deepgram 在 Der Untergang 里把 "kulturlosen Bestien" 转成了一串造出来的词。

语言漂移。 就是开头那段。我们复核时数下来，AssemblyAI 在这段奥地利片上切英文不止一处，一共三处。

否定反转。 Speechmatics 在奥地利片上把 "Dir vergeht die Lust, wenn du tot bist"（你死了就没这兴致了）写成 "Ich will dich los wenn du tot bist"，主语和意思都变了，还多加了一句骂人的 "du Schwein"。

整段丢失。 Deepgram 在 Knockin' 里漏了大约 30 秒的对白；在奥地利片上只转出 25 个词，九成左右没了。

循环复读。 Soniox 在奥地利片上有轻微的叠词，同一个词连着出现四次。其余几家在这四段上没有这类记录。

选了谁

主轨：ElevenLabs Scribe v2。 从不切换语言，没有编过句子，每段零到三处替换。

参考轨，按优先级：

1. AssemblyAI（universal-2）：三段标准德语上最干净，Der Untergang 那场多人打断的会议它一个错都没有。
2. 豆包：四段都没离开德语，没有编句子，没有大段漏。在奥地利方言上它比 AssemblyAI 稳。
3. Gemini：2026 年 8 月 26 日加入。我们在 26 门语言上给它补测过，德语属于可以直接挂上的那一组。在 Hundstage 上它零红线，AssemblyAI 切英文的地方它没切。

不利于这个选择的证据

• 豆包会把话说歪。 "Frankie ist harmlos"（Frankie 没什么危险）它写成 "hart vor"，意思往反方向偏了；"Ja, no problem" 被写成 "ja nur Brot"（只有面包）；"Acht, Acht"（八，八）被写成数字 88。
• 主轨也改过意思。 ElevenLabs 在 Der Untergang 里把 "In einem Krieg wie diesem"（在这样一场战争里）写成 "In einem Kollektiv dieser Art"（在这样一个集体里）。
• Gemini 在德语上也编过句子。 Der Untergang 里它凭空写出一句 "Flucht oder Berlin wird ein gewaltiger Rückschlag"，还把「您疯了吗」写成「他疯了」。
• 唯一可信的 WER 里，第一名没选。 Sophie Scholl 上 WER 最低的是 Speechmatics。它在标准德语上确实安全，失败方式基本是漏；可到了奥地利方言，它把一句话的主语和意思都换了。

还没解决的问题

• 奥地利方言只有一段，可用的标准答案只有 1 分 42 秒。瑞士德语完全没有测。
• 四段都是电影，没有真实访谈，也没有基础档。
• Sophie Scholl 那几秒人群怒吼，三家各造了一个词，AssemblyAI 和 Speechmatics 选择留空。留空比造词安全，可这说明人群叠喊的那几秒，对多数引擎都还是难关。