BENCHMARK CARA A CARA

Familiar vs ElevenLabs Dubbing: dos estudis aparellats

FAMILIAR RECERCAACTUALITZAT TOTS ELS ARTICLES
LLEGEIX-HO ENEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

RESUM

Amb els mateixos clips, Familiar s'assembla un 27.8% més al parlant real que ElevenLabs Dubbing v1, i és més proper en les 11 llengües (418 resultats aparellats, 5 d'agost de 2026). Amb ElevenLabs Dubbing v2 (Alpha), ElevenLabs tenia un 270% més d'error en el so de fons (les rialles, la música, l'ambient) i Familiar va fer un 54.7% menys d'errors de traducció importants en el discurs (29 vs 64; 111 resultats aparellats en mandarí, espanyol i japonès). Familiar també va liderar els esdeveniments vocals en tots dos estudis i la naturalitat prevista a l'estudi de Dubbing v1. Totes les dades i els exemples d'escolta: el benchmark complet amb ElevenLabs.

Mètode

DUBBING V1 · RESULTATS APARELLATS

418

38 clips, 11 llengües

DUBBING V2 (ALPHA) · RESULTATS APARELLATS

111

Mandarí, espanyol, japonès

DATA DE L'ESTUDI

5 d'ag. de 2026

Tots dos estudis

CLIPS D'ORIGEN

38

En anglès, amb el mateix pes cadascun

  1. 01

    Aparellat i de caixa negra

    El mateix clip d'origen en anglès i la mateixa llengua de destinació van passar per cada sistema; només es va avaluar l'àudio final.
  2. 02

    Revisió del sentit

    Cada doblatge es va transcriure amb marques de temps per paraula i es va revisar contra el mateix sentit de destinació aprovat.
  3. 03

    Mesures acústiques

    Comparen el doblatge amb l'escena d'origen: el fons sonor, les envolupants dels esdeveniments vocals i el temps dels transitoris.
  4. 04

    Estadística

    Els clips d'origen tenen el mateix pes, els intervals del 95% remostregen els clips d'origen i les dues cohorts no es combinen mai.

El resultat de Familiar també inclou la cara amb sincronització labial; totes les mesures següents comparen àudio amb àudio.

Resultats: ElevenLabs Dubbing v2 (Alpha) (el seu producte més nou)

111 RESULTATS D'ÀUDIO FINAL APARELLATSMANDARÍESPANYOLJAPONÈS
FIG. 01 · ERRORS DE TRADUCCIÓ IMPORTANTS · DUBBING V2 (ALPHA) · FAMILIAR, UN 54.7% MENYS · 111 DOBLATGES APARELLATS
ELEVENLABS64
FAMILIAR29
FIG. 02 · DOBLATGES ACABATS AMB ALGUN PROBLEMA DE SENTIT IMPORTANT · DUBBING V2 (ALPHA) · ELEVENLABS +56.5%
ELEVENLABS36/111
FAMILIAR23/111
270%

ElevenLabs tenia un 270% més d'error en el so de fons: les rialles, la música, l'ambient.

MAE DE 11.92 VS 3.22 dB
+221%

ElevenLabs tenia un 221% més d'error en el volum de les rialles i les reaccions.

3.32 VS 1.04 dB · 18 CLIPS / 54 COMPARACIONS
+28.2%

Correlació de la forma de les rialles i les reaccions de Familiar: 0.960 vs 0.749. L'interval aparellat del 95% exclou el zero.

Resultats: ElevenLabs Dubbing v1 (el producte estable)

418 PROVES CLIP-LLENGUA38 CLIPS11 LLENGÜESTOTS DOS SISTEMES VAN COMPLETAR TOTES LES PROVES
FIG. 03 · SEMBLANÇA AMB EL PARLANT · DUBBING V1 · FAMILIAR +27.8% · LES 11 LLENGÜES VAN AFAVORIR FAMILIAR
FAMILIAR0.4605
ELEVENLABS0.3604
FIG. 04 · ERROR ESPECTRAL DEL FONS · DUBBING V1 · dB, COM MÉS BAIX MILLOR · REGIONS D'ESCENA VERIFICADES
ELEVENLABS12.27 dB
FAMILIAR3.40 dB
+95.5%

ElevenLabs tenia un 95.5% més d'errors en el discurs marcats a la revisió.

258 VS 132
+243.7%

Correlació de la forma de les rialles i les reaccions de Familiar: 0.759 vs 0.221, en regions d'esdeveniments verificades.

+10.2%

Naturalitat prevista per a Familiar.

2.51 VS 2.28 · EXPLORATORI
DUBBING V2 (ALPHA)
LA DIMENSIÓCobertura
EL RESULTATFamiliar va completar 38/38 clips d'origen; Dubbing v2 (Alpha) va rebutjar el clip de 10.94 segons per sota del seu mínim d'11 segons (37/38).
DUBBING V2 (ALPHA)
LA DIMENSIÓSemblança amb el parlant
EL RESULTATNo concloent amb aquesta mida de mostra; una estimació puntual de +3.5% per a Familiar amb un interval aparellat que travessa el zero.
DUBBING V1
LA DIMENSIÓTemps dels transitoris (efectes de so i cops)
EL RESULTATTambé va afavorir Familiar: F1 0.947 vs 0.762.
ElevenLabsElevenLabsElevenLabsTHEIR DOCS, READ OCTOBER 30, 2026

Editing the translation means their old model.

On ElevenLabs' current Dubbing v2, in alpha, editing the translation and regenerating the audio through the API is for their Enterprise plans only. Their full editor, Dubbing Studio, is "only available via the v1 model" and "in maintenance mode", in their words. Dubbing v1 is the model our 418-pair study measured, and its output is mono.

+27.8%

FAMILIAR CLOSER TO THE REAL SPEAKER · ALL 11 LANGUAGES

261%

ELEVENLABS MORE BACKGROUND ERROR · THE MUSIC, THE AMBIENCE

+243.7%

FAMILIAR ON LAUGHTER AND REACTION SHAPE

ELEVENLABS DUBBING V1 · 418 PAIRED OUTPUTS · 11 LANGUAGES · AUGUST 5, 2026Read the study Their docs

Límits del flux de treball que vam trobar pel camí

ELEVENLABS DUBBING3 LÍMITS DEL PRODUCTEOBSERVAT EL 5 D'AG. DE 2026
11 s

Durada mínima del clip. El clip de 10.94 segons del nostre conjunt no es va poder doblar de cap manera.

20

Elements per lot. Quatre vídeos a sis llengües ja són 24 resultats, més del que cap en un lot.

30

Peticions simultànies. Deu vídeos a deu llengües són 100 peticions: com a mínim quatre tandes de lots i d'espera.

  • Familiar accepta clips de qualsevol durada; una sola pujada es reparteix a totes les llengües seleccionades.

Preu

TOT INCLÒS

Una renderització de Familiar, per minut acabat i per llengua de destinació: la traducció, la veu pròpia del parlant, el so de l'escena i la sincronització labial, lliurada fins a 4K amb una mescla 5.1 real o estèreo.

ACCÉS PER CONTRACTE STUDIO
$3

ElevenLabs Dubbing, per minut doblat i per llengua de destinació. Només àudio.

PREU DEL PROCÉS DE COMPRA · 5 D'AG. DE 2026
Amb $3 només tens àudio. Per igualar una renderització de Familiar encara has d'afegir-hi la sincronització labial: la millor eina independent, Sync.so, costa $8 el minut, $11 en total, i tot i així sense mescla 5.1. La documentació d'ElevenLabs diu que els doblatges són «com a màxim estèreo… l'àudio 5.1 i altres àudios multicanal no es conserven». Com a referència, el doblatge humà complet, traducció i veu, costa entre $70 i $150 per minut acabat; a aquest preu, la major part del món no el pot fer servir.
Els límits del producte i els preus es van observar el 5 d'agost de 2026 i poden canviar.

L'estudi de preus complet, amb fonts: Quant costa el doblatge el 2026?

Text de la traducció vs traductors professionals

Un estudi a part, de l'agost de 2026, va posar la traducció de producció de Familiar contra traductors professionals experts, puntuada a cegues amb edicions de referència d'experts.

En francès, xinès, hindi i indonesi, Familiar iguala la seva primera versió.

FIG. 05 · QUALITAT DE TRADUCCIÓ VS PRIMERA VERSIÓ D'UN PROFESSIONAL EXPERT · PUNTUACIÓ A CEGUES · AGOST DE 2026
FRANCÈS100.0%
XINÈS98.2%
HINDI103.3%
INDONESI99.6%
LÍNIA DISCONTÍNUA = PRIMERA VERSIÓ D'UN PROFESSIONAL (100%)
100.3%

Mitjana de la qualitat de traducció de la primera versió d'un professional.

FRANCÈS, XINÈS, HINDI, INDONESI (PRIMERA VERSIÓ DE TRADUCTORS PROFESSIONALS EXPERTS)

Limitacions

La revisió del sentit és assistida per model i d'una sola passada; la doble revisió nativa independent està pendent. Semblança amb el parlant i naturalitat de Dubbing v2 (Alpha): no concloents amb aquesta mida de mostra; no es combinen mai amb el resultat de v1. Clips reals seleccionats, no una mostra probabilística de tot el vídeo.

REFERÈNCIES

  1. [1]Benchmark Familiar vs ElevenLabs: resultats complets, intervals i exemples d'escolta
  2. [2]Traducció amb IA vs traducció humana: a prova contra professionals (l'estudi de traducció complet)
  3. [3]Documentació d'ElevenLabs Dubbing (preus segons la durada de l'origen i el nombre de llengües)
  4. [4]Centre d'ajuda d'ElevenLabs: quins formats de fitxer admet Dubbing (àudio com a màxim estèreo; el 5.1 no es conserva)

Traducció multimodal

Familiar Labs fa un doblatge d'una altra generació amb un model multimodal de decisió de localització (MLDM), el primer model fundacional de traducció multimodal: un sol model decideix què cal localitzar en el text, l'àudio i la imatge, i et mostra les opcions. La teva veu i els teus llavis, portats a llengües noves. Un equip de 8 persones amb doctorats, amb el suport de Samsung, RedBird i Gold House. La nostra missió

Mira el benchmark complet →Parla amb l'equip