英语：两条参考轨，错在不同的地方

在《无间行者》（The Departed）的酒吧盘问戏里，有一句 "I don't know what they do"。豆包把它转成了 "You know what they do"，意思反了。这句 AssemblyAI 转对了。可同一段戏里，AssemblyAI 漏掉了一整句关键的否认 "I am not a fucking cop!"，这一句另外两条轨能补上。

把四段片子逐句读完，这两家的错几乎不落在同一个地方。英语的参考轨就是照这个原则挑的。

测试片

四段好莱坞和英国电影的片段，每段各占一个难点：

• Gosford Park（2001）：英式贵族口音，楼下仆人晚宴，多人快速对答、互相打断，带底噪。
• The Social Network（2010）：干净的美式快语，取证盘问，法律术语和专名很密。
• The Departed（2006）：波士顿口音，酒吧底噪，黑话和脏话，低沉的威胁式盘问。
• August: Osage County（2013）：全家围着饭桌同时开口，互相压着说。

按第一篇的三档，The Social Network 接近中高档，其余三段属于极限档。基础档没有覆盖。

测了哪些引擎

ElevenLabs、AssemblyAI、豆包、Speechmatics（两个模型）、Soniox、Deepgram、Gladia（两个模型）、Gemini，外加 Qwen 的两个模型和 FunASR。讯飞只在第一段上试过，它没有纯英文模式，就没再往下测。

六类红线，各家踩了哪些

整句幻觉。 Gosford Park 里有一句 "I heard Lady Sylvia spoke out of turn"，Soniox 转成了 "My hand, ladies, don't be a stroke out at 20 minutes PC"。Deepgram 在同一段凭空加出两个人名 "Sister Fredrick" 和 "Percy"。Qwen 的一个模型在 The Departed 里写出一整句原话里没有的 "buy some bananas"。

否定反转。 这是英语里最多的一类。The Departed 里 "you're still not a cop"，Soniox 和 Deepgram 都丢了 "not"。Speechmatics 把 "Unless I stop them" 写成 "as I stop them"。豆包就是开头那句。Qwen 我们专门换了一版强约束提示词，明确要求保留否定词，它照样丢了 "not"。

循环复读和塌缩。 August Osage 里有人连喊五遍 "Eat your fish"，Gladia 只转出一遍，后面截断，漏了大约 9 个词。

整段丢失。 Deepgram 在 Gosford Park 上漏了一大段，是四段里错得最多的一家。

语言漂移。 这四段里没有出现。

凭空插入。 除了上面的人名，Speechmatics 把法学院三年级生 "a 3L" 写成 "a three year old"，一个学生变成了三岁小孩。

选了谁

主轨：ElevenLabs Scribe v2。 四段里有三段是最干净或第二干净的，没有哪段塌掉。

参考轨，按优先级：

1. AssemblyAI（universal-2 模型）：四段零幻觉、零反转，骨架最稳。它唯一的问题是漏了 The Departed 那句否认，属于漏，不是编。
2. 豆包：四段零幻觉。August Osage 那五遍 "Eat your fish" 它全收了，这一段语义上比 AssemblyAI 还准。它和 AssemblyAI 技术路线不同，错的地方也不同。
3. Gemini：2026 年 8 月 26 日加入。我们在 26 门语言上给它补测过，英语在可以直接用的那一组里；August Osage 那段满屏吵架，它零红线。

不利于这个选择的证据

• 主轨犯过和豆包一模一样的错。 后来重跑一遍，ElevenLabs 在 The Departed 那句上也转成了 "You know what they do"。而第一次跑它在 Gosford Park 的一处整句崩，重跑又没出现。同样的输入，每次结果不完全一样，所以我们看的是一家引擎「会犯哪类错」，不去数它犯了几次。
• Gemini 也会反转。 早先把它当主轨备份测时，The Departed 里 "Yes. Yes, yes." 被它写成 "No. Yes! Yes, yes!"，"I don't know" 被写成 "I know"。8 月补测时，它在 Gosford Park 的叠音里把 Lady Sylvia 那句改写成了两句不相干的话。我们挂上它，看中的是它作为大模型、犯错的方式和声学引擎不同。可 The Departed 那句 "I don't know"，豆包、Gemini 和重跑后的 ElevenLabs 三家都错了。引擎之间的错并不总是互相独立，这一点我们还没有好办法。
• WER 最低的引擎没有选上。 Gosford Park 上 WER 最低的是 Speechmatics（11.4%），August Osage 上最低的是 Soniox（4.7%）。两家都在别的片段上编过句子或反转过否定，所以没选。

还没解决的问题

• 四段都是电影，没有真实访谈，也没有基础档。
• 口音只覆盖了英国和美国（包括波士顿），其他地区的英语口音都没测。
• 豆包的那处反转我们只见过一次，可它恰好是最危险的那类错。重跑之后，那一句在四条轨里只有 AssemblyAI 是对的。所以在否定和意思正反的地方，我们的合并环节不按多数定：上下文里找不到硬证据，就标出来让人核。