葡萄牙语：三次说反，也救回了主轨崩掉的关键句

一段葡萄牙电视台的深度访谈里，全片最关键的一句话里有「no chão da cozinha」：在厨房的地板上。我们的主轨 ElevenLabs 把它写成了「no som da coxinha」，一串没有意义的音。Gemini 转对了。

同一段访谈，Gemini 也把「nunca disse isto」（我从没说过这话）写成了「Tu disseste isto」（你说过这话）。我们给它加测的三段对谈里，每段都有一处这样的反转。

纳不纳入 Gemini，是葡语这门里争论最多的决定。

测试片

用于挑声学引擎的三段电影，全是巴西葡语，每段两到三分钟：

• Meu Nome Não É Johnny（2008，里约）：派对上边做毒品交易边起哄，俚语密集，人声叠在一起。
• Que Horas Ela Volta（2015，圣保罗）：泳池边六个人，从调情突然转成一起喊叫下命令。
• O Auto da Compadecida（2000，东北部）：一帮土匪撞破身份，五六个人快速对答，东北口音很重。

专门给 Gemini 加测的三段真实对谈，每段 5 分钟，没有标准答案，只把 Gemini 和 ElevenLabs 逐句对照：一段巴西政治访谈，一段葡萄牙电视台的深度访谈（段落之间有音乐垫），一段三个人互相抢话的播客。后两段是欧洲葡语。

按第一篇的三档，三段电影都在极限档；那三段对谈更接近真实访谈，但没有标准答案，只能互相印证。

测了哪些引擎

ElevenLabs、AssemblyAI、豆包、Speechmatics（两个模型）、Soniox、Gladia、Deepgram、FunASR、Qwen，以及 Gemini。

六类红线，各家踩了哪些

整句幻觉。 AssemblyAI 在圣保罗那段的群戏过渡处冒出一句英文 "That's so good"；在东北那段，把 "Oxente, e agora é de dois"（哎，现在是两个了）写成 "Oxe o Diogo agora é de 12"，多了一个人名，数字也错了。Speechmatics 在里约那段插进一句 "Não mais na escuridão"（不再在黑暗中），在圣保罗那段把一句话崩成 "Hoje é um divã Família"。Soniox 和 Gladia 在东北那段都编出了同一句情绪 "eu adorei"（我好喜欢）。

否定反转。 电影片里，Gemini 在里约那段把「你现在在别的队」写成「我现在在别的队」。三段对谈里的三处反转，除了开头那句，还有「Não, imagina」（怎么可能）被写成「Imagino」（我想是吧），「E não acertei logo de início」（我一开始没选对）被写成「E acertei」，丢了否定词，可紧接着一句「eu falhei」（我失败了）马上自相矛盾。三处都在短的口语从句上，都是否定词或人称翻掉，都不是凭空编的。

凭空插入。 Gemini 在那段电视访谈里，把段落间的背景音乐转成了正文，三处，其中一处是一句不成句的英文。这三处全落在 ElevenLabs 没有输出的空档里。纯对话的播客没有出现。

整段丢失。 Gladia 在东北那段漏掉了面包店那一整段，大约 8 句。

循环复读。 这批葡语片上没有记录。

还有一处性别错误：Speechmatics 把女角说的 "eu sou casada"（我已婚，阴性）写成了阳性的 "casado"。

选了谁

主轨：ElevenLabs Scribe v2。 三段电影上最完整，只有轻微的插词。

参考轨：

• AssemblyAI（universal-2）：三段综合是最准的国际引擎。它在圣保罗和东北两段各编过一处，在里约那段一处都没有，WER 还是第一。
• 豆包：巴西三个地区都稳，三段零幻觉、零反转。
• Gemini：2026 年 8 月 26 日加入。

配置里 AssemblyAI 排在豆包前面，这是和其他欧洲语言保持一致的惯例，不代表 AssemblyAI 更好。

不利于这个选择的证据

• 豆包在语义上比 AssemblyAI 更安全。 三段里豆包零幻觉，AssemblyAI 有两处。
• 人名是三条轨共同的盲区。 João Guilherme、Dona Bárbara 这样的名字，三条轨全错，而且错法各不相同，合并时没有一条能当依据。人名多的访谈，需要术语库兜底。
• Gemini 的三处反转是真实存在的。 三处紧挨着的上下文都能看出矛盾。可这三段对谈只拿它和主轨对照过，另外两条参考轨在这几段上没有跑。
• 背景音转进正文，在我们 8 月的记录里还没有专门的防线。 访谈现场的电视声、广播声，就可能被这样写进稿子。

还没解决的问题

• 欧洲葡语没有测试片。 唯一的候选电影其实是一部以法语对白为主的法国片，能找到的片源也不对。欧洲葡语几乎没有原生字幕，标准答案做不出来。我们手上关于欧洲葡语的证据，只有给 Gemini 加测的那两段对谈，而且没有标准答案。
• 豆包在欧洲葡语上可能不可靠。 我们给豆包用的是巴西葡语的语言代码。我们的记录写着它跑欧洲葡语会悄悄退化成乱码，但因为没有测试片，这一点我们自己没有实测过。欧洲葡语的备用引擎有一个候选（Speechmatics Melia-1），还在等验证。
• 三段电影都是群戏，没有基础档的片子。