乌克兰语：没人说话的 54 秒，被编成了一段讲座

一部乌克兰电影里有一场客厅戏，背景开着电视，大约一分钟没人说话。字幕上只标了一句：[背景有电视声]。

Soniox 在这段里写出了 54 秒的内容，讲的是有毒植物，中间还卡住重复了几遍。Speechmatics 也填了 29 秒。电视声可能真被它们听到了，但对一份访谈稿来说，结果是一样的：稿子里凭空多出一大段，读起来像受访者说的话。

这是我们整个测试集里最大的一笔凭空插入。Soniox 在好几门语言上已经替换掉了别的引擎，在乌克兰语上没有用，原因就是这 54 秒。

测试片：找片本身就很难

• 《我的想法很安静》（Мої думки тихі，2019） 取了三段：边境走私盘问（重噪声、重外喀尔巴阡方言，极限档）；接着的唇膏搜身（语速更快、叠得更密，极限档）；女教师家客厅（标准乌克兰语、清晰，基础档）。
• 《Стоп-Земля》（2021）：课堂访谈加街头，语速快，说话人换得勤，有街头底噪。中高档。

乌克兰语的素材很难凑：现代电影版权严，战争题材片常没有全片或没有字幕，顿巴斯题材的片子里一半是俄语。前三段只能出自同一部电影，第四段特意换了一部，避免结论只反映一部片子的特点。

候选引擎

ElevenLabs Scribe v2、AssemblyAI、Speechmatics、豆包（uk-UA）。Soniox、Deepgram、Qwen 的稿子来自另一轮全引擎补测，在复核时一起对照。2026 年 8 月补测了 Gemini。

各家的红线

ElevenLabs：四段里没有循环复读、没有幻觉、没有反转。方言词转得最贴，比如 файні трави（好草药）、тя роздеру як жабу（把你像青蛙一样撕了）。

AssemblyAI：唇膏那段结尾，把一句「Треба цього конючку」连着重复了三遍。同一段里把 подозрітєльний（可疑的）写成 правдивий（真实的），意思接近反转，还整段漏掉了一段宣读规定的话。第四段把「А якщо не вступиш?」（要是考不上呢？）写成了 наступиш（踩上去）。

豆包：最初的报告写它「零反转」，复核时数出 3 处反转级错误：把「可疑的」写成 приємний（令人愉快的），把「考不上」写成「踩上去」，还有一句「他没往那去」丢了否定词。另外在街头那段凭空插了一个脏话，和一个 російський（俄罗斯的）。

Speechmatics：客厅那段把电视声编成台词；两处丢了否定，其中一句「Це скоріше не пушка」（这更像不是枪）变成了「这更像枪」；还把 стресорну реакцію（应激反应）写成 сенсорну（感官反应）。

Soniox：见开头的 54 秒。

选了谁、为什么

主轨：ElevenLabs Scribe v2。 四段最稳，三种红线一次都没有。

参考轨一：AssemblyAI。 它的复读只在「重方言 + 快语速 + 密集叠音」三样同时出现时发生过一次。清晰的客厅戏和访谈式的第四段里，它都干净。

参考轨二：豆包。 四段都是连贯的乌克兰语，没有复读，没有乱码。

参考轨三：Gemini。 这条来得有反复，见下一节。

反方证据

• 两条参考轨会一起错。 「可疑的」和「考不上」这两处，AssemblyAI 和豆包错在同一个地方、同一个方向，而被拒掉的 Soniox 两处都对。两条参考轨意见一致，不等于它们是对的，尤其在否定词和褒贬这类位置上。
• 最初的报告对在任引擎是偏宽的：豆包的反转从 0 改成 3，「只有 ElevenLabs 转对了『考不上』」也不成立，ElevenLabs、Speechmatics、Soniox、Deepgram、Qwen 五家都对了。
• Gemini 在电影片段上表现不好。 唇膏那段它中途切成了俄语（базаришь что такое），还凭空插了脏话；清晰的客厅戏它凭空多出 40 个词，另外三家都没有。我们一度把乌克兰语列为「不加」。后来换了一段 5 分钟的真实政治访谈播客，它没有幻觉、没有反转、没有复读，有一处比 ElevenLabs 转得更对（двієчник，差生）。但也有问题：漏了两段直接引语，大约 30 个词，还把 Сповідь（忏悔）写成了 Ковід（新冠）。那段播客没有人工标准答案，只是和 ElevenLabs 的稿子互相对照。

还没解决的

• 三段出自同一部电影，片源很窄。
• 前三段最初只看输出形态、没逐字读，逐句对照是后来复核时补的。
• 没有真实的研究访谈素材，Gemini 的纳入只靠一段 5 分钟的播客。