匈牙利语：把「票」复读 23 遍的引擎，我们为什么还留着

匈牙利电影 Kontroll（2003）里有一场地铁查票的混战。检票员一遍遍喊 "Jegy!"（票）。AssemblyAI 把这个词连着写了 23 遍，后面的一整段对话全被吞掉了。

换到另一部片里小吃摊前的快速点单，同一个引擎一次都没复读。这门语言最后留下了它，但留下它的理由，没有我们当初以为的那么硬。

测试片

五段，全部是电影：

后三段出自同一部片。现代匈牙利语电影很难找到完整、干净的片源，有一部我们想用的片子，唯一的全长片源被年龄限制挡住了。

测了哪些引擎

ElevenLabs Scribe v2、AssemblyAI、Speechmatics、Soniox、Deepgram、Gladia、FunASR、豆包，后来又补测了 Gemini。

豆包不在它官方支持的语言里，五段全部输出乱码。Deepgram 和 FunASR 转出的内容太少，分别只有标准答案字数的十分之一和十分之三左右，等于大段没转。

各家踩了哪些红线

循环复读：开头的 "Jegy" 是一例。轮胎铺那段，AssemblyAI 又把一句 "Mi az hogy mi között van" 复读了 18 遍，吞掉六句不同的台词。Gemini 在 Kontroll 里也有好几组复读。

否定反转：Speechmatics 把 "Ne csináljátok a fotót"（别拍那张照片）写成了 "Csináljátok a fotót"（拍吧）。AssemblyAI 把「这派对爽翻了」写成「这派对怎么不好」；在点单那段，它把 megvennék（我想买）听成了 megvernék（我想揍）。Gemini 把「别插嘴」写成了「插嘴吧」。

整句幻觉：派对那段音乐盖过人声的地方，Speechmatics 凭空造出一串笑声和一句话，原片里没有。AssemblyAI 在 Kontroll 里也把一句话整个换成了另一句。Gemini 在轮胎铺那段凭空多出一句「我们付车钱」。

整段丢失：点单那段，AssemblyAI 漏掉了对讲机里的两段话。

凭空插入：同一段里，Gemini 把对讲机的呼叫插进了对话中间，重复了 6 次。

语言漂移：只有豆包。

ElevenLabs 五段里没有复读、没有反转，错处都是音近替换，比如把 szénád 写成 színed。

选了谁

• 主引擎：ElevenLabs Scribe v2。
• 参考引擎：AssemblyAI、Soniox、Gemini。

AssemblyAI 留下，是因为它的复读只出现在长时间、势均力敌的叠喊里。在两人对白和点单那两段，它没有复读，也没有吞段。真实访谈里很少有长时间多人对吼。

Soniox 顶替的是 Speechmatics。Speechmatics 在噪声里会凭空造句，还丢过否定词，现在只作应急备用。复核时，Soniox 在五段上的表现全部好于 AssemblyAI，出错时多是看得出来的碎词。

Gemini 是 8 月全语言加挂的，它和声学引擎的出错方式不一样，可以互相印证。

反方证据

这门语言的反方证据比较多。

• AssemblyAI「在对话里很干净」这个说法，被它自己的错打了折扣：「想买」变「想揍」恰好出在最像访谈的点单那段。
• 复核结论是 Soniox 五段全胜 AssemblyAI，但配置里 AssemblyAI 仍排在 Soniox 前面。顺序和证据是反的。
• Gemini 只有一段对话类素材可以判，那段零红线。两段群戏里它有一处反转、一处凭空造句和几组复读；点单那段，它还把对讲机呼叫往对话里插了 6 次。
• 单看 WER，在两人对白和点单这两段，Speechmatics 都最低（20.5%、33.5%），ElevenLabs 是 27.6% 和 36.3%。我们没按这个数选，理由见 WER 会骗人。

还没解决的

• Gemini 在匈牙利语上的证据只有一段对话，还需要补测。
• 三段片子来自同一部电影，场景多样性有限。
• 参考引擎的排序要不要按复核结果调整，还没定。