韩语：三家引擎错成了同一个否定句

韩语测试里有一句，三家引擎错得一字不差。原话里没有否定，豆包、AssemblyAI、Soniox 却都写成了 쓰지 않았어，一个带「没」的否定句。

三家同时错，说明这里的声音本身就容易听岔，算不到哪一家头上。如果因为这一处淘汰 Soniox，那在位的两家也得一起淘汰。这句话也提醒我们：三家投票，在否定句上靠不住。

测试片

四段韩语电影对白，标准答案是韩语听障字幕：

• 《杀人回忆》审讯戏：三个人，夹着笑声、呻吟和叠音。
• 《杀人回忆》最后一场审问：四五个人，情绪激动，大声吼叫、骂人。
• 《极限职业》给炸鸡起名那场：好几个人快速抢话，还有欢呼。
• 《侦探：回归》委托追踪那场：四个人快问快答，中间有一段演示黑客操作。

前两段在三档难度里算高档，后两段算中档。没有低档片。前两段用的是片方官方放出的场景片段。

测了哪些引擎

第一轮是 ElevenLabs Scribe v2、AssemblyAI、豆包、Speechmatics。Soniox、Gladia 等在后来的补测里也跑过。Gemini 单独补测。

各家的红线

否定反转。 除了开头那句三家同错，Speechmatics 在侦探那场还单独有一处反转，出入在「오빠 넣으면」和带否定的「안 오면」（要是不来）之间。

凭空插入。 Speechmatics 在炸鸡那场凭空造了一个人名「박동규야」。豆包的毛病在数字上：凭空写出「5 존맛」，还把一段哭声写成了「6 6」。

循环复读。 豆包在《杀人回忆》的笑声段里，把笑声写成一串 ㅎ，重复了 40 次。同样的坍缩在两段中档片里一次都没出现，只发生在极端的笑声、吼叫段。Gladia 在韩语上也有复读。Soniox 是唯一在两段高档片上都没坍缩的引擎。

整段丢失。 AssemblyAI 最大的毛病是漏：整块整块地跳过，字数经常四家最少。它不怎么编，但信息丢得多。

选了谁，为什么

主轨 ElevenLabs Scribe v2。 四段都是第一，平均 11.6%，第二名是 17.0%。它也是唯一常能把人名写对的一家。

参考轨，按顺序：豆包、Soniox、Gemini。 生产里三条都跑。

• 豆包：平均分第二，两段中档片都稳在第二。它的坍缩只出现在极端笑声段，真实访谈里很少碰到。
• Soniox：顶替了 AssemblyAI。理由不在分数上：我们发现 AssemblyAI 最严重的那类错，Soniox 基本也会犯，两家常常错在同一处；AssemblyAI 独有的，又恰恰是最严重的整块漏。留着它，参考轨之间的错误重合度更高。换成 Soniox，它和豆包的错误重合得少一些。
• Gemini：挂在第三条。

不利于我们的证据

• 第一份韩语四片报告的建议跟现在不一样：当时推荐豆包加 AssemblyAI，理由是 AssemblyAI「只漏不编，最安全」。后来复核发现 AssemblyAI 也参与了那句三家同错的否定，「最安全」的说法站不住，才换成 Soniox。
• Gemini 在韩语上的记录并不好。补测它的时候，韩语放在「不纳入」一档：炸鸡那场有四五处改意，「肉汁还在」写成「赦免肉身」，还漏了内容；侦探那场有 3 处改意，「以为是尸体」写成「以为睡着了」，还丢了一个「5%」。这些错大多是改意替换，不在六类红线之内，但对访谈稿同样危险。它目前在配置里，这是一个需要盯着的地方。
• 豆包那些凭空冒出的数字，放到访谈稿里很容易被当成受访者说的数据。

还没解决的问题

• 两段高档片当时只看了字错误率和有没有崩，没有逐句核对意思。
• 四段都是电影，没有真实访谈。配置里至今留着一条提醒：正式投产前，应当用一段真实访谈把整条流程跑一遍。
• 开头那种三家同错，靠投票解决不了。所以遇到否定和肯定分歧的地方，我们的合并环节不按票数定；找不到硬证据，就标出来让人核。