马来语：受访者说英语，引擎却「翻译」成了马来语

一段马来西亚的政论访谈里，嘉宾说到一半换成英语：「enforcing the letter of the law, without looking at … mood music around you」。

ElevenLabs 把这段英语一字不差地写了下来。AssemblyAI 则写出了大约 15 个词的马来语，意思差不多，读起来也通顺，可嘉宾根本没说这些话。

对做研究的人来说，这是马来语里最危险的一种错：引擎替受访者做了翻译，稿子上看不出任何破绽。

测试片：三段，重点是夹码

• 一部马来剧的片段：母子对白，加一场缉毒抓捕，有人喊叫，夹了几句英语（「under arrest」之类）。
• 两段马来西亚政论访谈节目：时评人一句马来语一句英语地切换，还有整段的英语从句，人名、政党名很密。

本来有第四段 TEDx 演讲，但它的志愿者字幕是精简版，3 分钟只有 170 个词，不能当标准答案，剔掉了。马来语免费、口语、逐字的素材很少，我们停在三段。这三段是按夹码的轻重挑的，没有按我们的三档难度去配，强噪声加多人抢话的极限场景没有专门测。

候选引擎

十一个：ElevenLabs Scribe v2、Soniox、豆包（ms-MY）、AssemblyAI、FunASR、Qwen、Speechmatics（enhanced 和 Melia-1 两档）、Gladia、Deepgram，加上 2026 年 8 月补测的 Gemini。

各家的红线

把英语改写成马来语：AssemblyAI 和 Gladia 都在上面那段法律陈述上这么做了。AssemblyAI 在另一段里还把「asking for the removal」（要求罢免）改写成了马来语的「复原」，意思正好相反。Gladia 把「我们会看评论」写成「我们会打压评论」。

否定反转：

• Deepgram 把「他被调查」写成「他逃脱了」。
• FunASR 把剧里的「你抓错人了」写成「你抓对了人」。
• Speechmatics 把一句英语「I don't know what that means」写成了「I know What I means」。

整段丢失：Deepgram 在剧片 2 分 11 秒之后整段截断，丢了大约三成内容。FunASR 在一段访谈里漏掉了约 20 秒。

凭空插入：Speechmatics 在一句话里插进了「menipu」（欺骗）。

循环复读：Speechmatics 的 Melia-1 档在剧片结尾把「eh」吐了大约 50 次，访谈里还有一串「ada ada ada」。这串复读最初被记在 Qwen 头上，复核时发现记错了人。

选了谁、为什么

主轨：ElevenLabs Scribe v2。 三段里夹码最干净，英语从句逐词保留，人名最准。

参考轨一：Soniox。 三段零幻觉零反转，三段的错误率都排第一（剧片上和 AssemblyAI 只差 0.4 个点）。唯一的小错是把 letter 写成了发音相近的 latter。

参考轨二：豆包。 三段零幻觉零反转，也是唯一一个三段从头到尾没有「翻译」行为的引擎。剧里的英语句子「You got the wrong person」「under arrest」它都原样保留了。它的错是人名和近音词，比如把「gelak」（笑）写成「gelap」（黑）。

参考轨三：Gemini。 8 月补测里，第一段政论访谈它最多一处模糊，政党和机构名称全对；TEDx 那段它转出 304 个词，连贯，没有幻觉。

反方证据

• Soniox 也会「马来化」。 剧片里它把英语原声「You are under arrest」写成了马来语「awak ditangkap」。意思没错，也没有反转，但这和我们扣 AssemblyAI 分的是同一类行为，最初的报告没有标出来。复核建议上线初期抽查夹码段。
• 豆包不是断层第二。 在政论访谈上，它的错误率和 FunASR、Qwen 互有胜负。当初选它，理由之一是 FunASR 大段漏、Qwen 有复读，而豆包都没有。后一条后来发现记错了人（见最后一条）。
• AssemblyAI 在剧片上其实很好，错误率 17.4%，和 Soniox 并列最优。它只在密集夹码的访谈里出问题，现在留作备用。
• Qwen 一度被两条证据定罪，后来发现两条都不成立：复读是 Melia-1 的，「凭空造词」其实是嘉宾真说了一半又改口。它现在是可用的备选，没进常驻，因为它的时间戳是均匀切出来的，不是真实的。

还没解决的

• 只有三段，样本小。
• 没有专门测强噪声、多人抢话的场景。
• 密集夹码只在政论访谈这一种场景里测过。