波兰语：少了一个 nie，「我不要孩子」变成「我要孩子」

一段父子对话里，儿子说：「Ja nie będę miał dzieci」，我不会要孩子。

Speechmatics 转成了「Będę miał dzieci」。少了一个 nie，意思正好反过来，而且读起来完全通顺。四段波兰语测下来，这是唯一一处否定反转。就这一处，让 Speechmatics 没能进波兰语的参考轨。

测试片：四段电影，三档难度都有

• Dzień świra（2002）：父子快嘴对白，录音干净。基础档，也是最能拉开差距的一段。
• Psy（1992）：警察突击现场，多人快速对答、打断、脏话、底噪。中高档。
• Kiler（1997）：审讯室快问快答，枪械、城市名这类专有名词很密。中高档。
• Wesele（2004）：婚宴骚乱，醉酒、多人对喊、电话铃、底噪全叠在一起。极限档。

四段都是标准波兰语，没有方言。

候选引擎

第一轮四家：ElevenLabs Scribe v2、AssemblyAI、Speechmatics、豆包（pl-PL）。Soniox 的稿子是另一轮全引擎补测时跑的，后来单独复核。2026 年 8 月又补测了 Gemini。Gladia、Deepgram 在其他欧洲语言上已经出局，波兰语没有再测。

各家的红线

Speechmatics：除了上面那处否定反转，在婚宴片里还凭空插了三个词「Myślisz że to」（你觉得这是）。

AssemblyAI：没有整句幻觉，也没有反转，但会造单个词。警察片里冒出一个「Zjemy」（我们吃掉），婚宴片里造出「otestował」，干净片里给「Levi's 夹克」凭空加了个「lewicką」（左翼的）。

豆包：干净片里问肖邦曲目的那段，插进一个「chwalony」（被赞颂的）。那段各家都乱了。豆包前两段最初的错误率是 111% 和 118%，输出是一串英文。那是因为当时没传对语言代码，系统退回了中文模式，和豆包的波兰语能力无关。代码改对后，它转出的是连贯的波兰语。

一处大家都错的地方：婚宴片里「Psy go zabrali」（条子把他带走了）。Psy 是俚语，意思是警察。ElevenLabs 和豆包都听成「Wszyscy」（所有人），AssemblyAI 写成「Psego」。几家在同一个地方错，说明那里的录音本身难，不记在任何一家头上。

哪怕是婚宴那段，四家都没有编出整句话。

干净片上的错误率：ElevenLabs 5.7%，AssemblyAI 7.8%，豆包 10.2%，Speechmatics 10.6%。ElevenLabs 全段只有一处真错，把 Idź 写成了 Iść。

选了谁、为什么

主轨：ElevenLabs Scribe v2。 四段里最干净，零反转，干净片接近满分。

参考轨一：Soniox。 按「零红线」的标准重新复核，四段里它造词 0 处、反转 0 处、漏行 0 处；AssemblyAI 同一把尺子下有 3 处以上弱造词、漏了 3 行。婚宴片里 Soniox 全场最好：只有它转出了「Co jest?」（怎么了？），也只有它把「z nimi」（和他们）转对了，豆包写成了「z nią」（和她）。

参考轨二：豆包。 零反转，而且技术路线和前几家不同，错的地方不容易和别家重叠。选它不选 Speechmatics，主要就是因为那处反转。

参考轨三：Gemini。 8 月补测里，它在波兰语上没有红线：警察片没幻觉没反转，脏话都保留了；婚宴片只有句序和人称的小偏移，还转出了比字幕更完整的原话。

AssemblyAI 现在是第一顺位备用。

反方证据

• Soniox 并不是一开始就赢。7 月初第一次复核时，我们的结论是它「干净片准，但没有压过 AssemblyAI 和豆包，打平就不换」。几天后改用更严的红线标准重新数，AssemblyAI 那几个弱造词被算进去，结论才翻过来。换一把尺子，排序就可能不同。
• 按错误率算，审讯片上 AssemblyAI 是第一（28.2%）。
• 主轨也会错：「Psy」那个俚语，ElevenLabs 同样没听出来。

还没解决的

• 四段都是电影，没有真实的研究访谈。
• 没测方言。
• 专有名词（枪械型号、肖邦的曲名）几乎所有引擎都会错，得靠转写之后的术语处理来补。