罗马尼亚语：「你饿吗？」被写成「我快饿死了」

一部罗马尼亚电影的开场，两个人一来一回地说话，底噪很低，没有群戏。这是四段测试片里最清晰的一段。

一方问：「Ți-e foame?」你饿吗？

Speechmatics 写成「mor de foame」，我快饿死了。问句变成陈述，说话的人也换了。同一分钟里，它还把「听我说，拜托」写成「我也听到了」，把「我把花拿走了」写成「我把花给了」，又把「蛋白蛋糕」里的 tort（蛋糕）换成了一个接不上的词 satisfăcător（令人满意的）。

在最容易的一段里还犯这种错，说明毛病出在它自己身上，不是录音太难。

测试片：三部电影，四段

• Filantropica（2002）：夜店门口街头群戏，重底噪，多人对喊。极限档。
• Moartea domnului Lăzărescu（2005）：急诊室，医生、护士、病人、电话几条线交错，有钡餐（bariu）这类医学词。中高档。
• 4 luni, 3 săptămâni și 2 zile（2007） 取两段：生日晚宴，一桌人快速交叉对话，频繁打断，价格数字密集（极限档）；开场两人争执，就是上面那段（基础档）。

罗马尼亚语的片源很难找，有音频的没字幕，有字幕的没全片，所以两段只能出自同一部电影。

候选引擎

第一轮：ElevenLabs Scribe v2、AssemblyAI、Speechmatics、豆包（ro-RO）。FunASR、讯飞、Qwen 只作参照。Soniox 的稿子来自另一轮全引擎补测，7 月初复核时纳入。2026 年 8 月补测了 Gemini。

各家的红线

Speechmatics：四段每段都有。除了开头那几处，街头片里把「我们去 Cult Club」写成「我们去睡觉」，把一句「哪儿？」扩写成「Sloop 湖在哪儿」，凭空多出一个地名；急诊室片里凭空加了一句「医生在接电话」。

AssemblyAI：没有复读，但在群戏里爱造词。「Cult Club」两次写成不存在的「Kulfland」；晚宴上两次把「dragă」（亲爱的）写成脏话「dracu」；清晰片里凭空插了一个否定词，把「说吧！我跟你说……」写成「说吧，我不会说……」。另外有人名写错、句首动词写崩、成段漏掉内容的问题。

ElevenLabs：四段零反转。错的地方是漏掉「Cult」，以及把「分」（sutimi）两次听成了发音相近的「胸罩」（sutieni）。

豆包：零幻觉，零反转，晚宴上的价格数字全对。错在发音相近的替换，比如把「帮你从楼下带点什么」里的 ceva（什么）写成 ceaiul（茶）。

Soniox：没有凭空插入，稿子长度和 ElevenLabs、豆包差不多，没有膨胀。人名 Popescu 和条件句「dacă-mi vii」（要是你来）都转对了，这两处恰好是 AssemblyAI 写崩、Speechmatics 反转的地方。清晰片里有两处近音糊掉。

选了谁、为什么

主轨：ElevenLabs Scribe v2。 清晰片错误率最低，四段零反转。

参考轨一：Soniox。 在参考轨候选里，四段错误率都排第一，逐句读也干净。它顶替的是 AssemblyAI。AssemblyAI 的错大多是可疑的怪词，容易认出来，所以它出局的原因是质量不如 Soniox，不是它有毒。

参考轨二：豆包。 零幻觉零反转。Soniox 和 Gemini 都属于大模型路线的转写，豆包的路线不同，留它做对照。

参考轨三：Gemini。 见下一节。

反方证据

• 最初的结论是 AssemblyAI 加豆包，后来 Soniox 的稿子被翻出来复核，结论才改。那份报告的正文至今还是旧结论，只在顶部加了更正。
• 急诊室片里的医学词「bariu」，只有 Speechmatics 两次都写对了。Soniox 写成了「bari」，差一个字母。
• 主轨也会错：「分」被 ElevenLabs 听成了「胸罩」，两次。
• Gemini 在电影片段上没有一段是零红线的。 急诊室片里它把「bariu」写成「bani」（钱），开头还有复读；晚宴片错了四五处，丢了一整句的主干，把「喝威士忌吗」写成「要果汁吗」。后来换了一段 5 分钟的真实访谈播客，它没有幻觉、没有反转、没有复读，只有两处轻微改意（「我」写成「他」，一个习语糊了），还有三处比 ElevenLabs 转得更对。那段播客没有人工标准答案，只和 ElevenLabs 的稿子互相对照。

还没解决的

• 四段只来自三部电影，没有一段是研究访谈。
• 只有急诊室一段有专业术语，在术语上各家差别明显（见上面的「bariu」），这方面的结论还不稳。