BENCHMARK CARA A CARA

Familiar vs el doblatge automàtic de YouTube: un estudi de cohort congelada

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

RESUM

En una cohort congelada de 50 parells (àrab, espanyol, francès, hindi, coreà; capturats el 8 d'agost de 2026), Familiar va mesurar una semblança amb el parlant un 182.9% més alta que el doblatge automàtic de YouTube (0.399 vs 0.141) i va alterar o perdre un 70.3% menys d'idees importants (43 vs 145 de 528). YouTube tenia un 232.6% més d'error en el so de fons (11.21 vs 3.37 dB). Familiar també va liderar els esdeveniments vocals. Hi havia un doblatge automàtic utilitzable per a 25 dels 43 clips d'origen; Familiar els va doblar tots 43. Totes les dades i sis exemples d'escolta sincronitzats: el benchmark complet amb YouTube.

Mètode

PARELLS

50

Cohort congelada; un clip d'origen × una llengua de destinació.

LLENGÜES

5

Àrab, espanyol, francès, hindi, coreà.

CAPTURAT

8 d'agost de 2026

DISPONIBILITAT

25 de 43

Clips d'origen amb un doblatge automàtic de YouTube utilitzable; Familiar els va doblar tots 43.

APARELLAT, DE CAIXA NEGRA
COM ES PUNTUAUn clip d'origen × una llengua de destinació; l'àudio final complet de tots dos sistemes.
MÈTRIQUES SENSIBLES AL TEMPS
COM ES PUNTUANomés els 31 parells amb l'alineació amb la línia de temps d'origen verificada de manera independent (contracte de 40 ms; els carrils dubtosos queden exclosos).
MÈTRIQUES D'ESDEVENIMENTS
COM ES PUNTUAEls 14 carrils amb regions de rialles o reaccions verificades per persones.
CARRILS DE YOUTUBE NO DISPONIBLES
COM ES PUNTUAEs mostren explícitament; no es puntuen mai com a zero.
REVISIÓ DEL SENTIT
COM ES PUNTUAJutja el discurs lliurat; les paràfrasis vàlides i les reaccions mínimes de fons no són errors; s'exclouen el CER i el WER.

La veu: la seva és la d'un desconegut

El doblatge automàtic de YouTube parla amb la veu d'un desconegut; Familiar conserva la del parlant original.

En els 31 parells alineats amb exactitud, la semblança amb el parlant real:

FIG. 01 · SEMBLANÇA AMB EL PARLANT (SIM-O) · 31 DOBLATGES ALINEATS · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

El sentit

De les 528 idees importants de l'origen en els 50 doblatges revisats, YouTube en va alterar o perdre 145; Familiar, 43.

FIG. 02 · IDEES IMPORTANTS DE L'ORIGEN ALTERADES O PERDUDES · DE 528 · FAMILIAR, UN 70.3% MENYS
YOUTUBE145
FAMILIAR43
34/50

doblatges de YouTube amb algun problema important de sentit en el discurs

18/50

doblatges de Familiar amb algun problema important de sentit en el discurs

12 vs 0

errors de sentit crítics, YouTube vs Familiar

L'escena i les reaccions

FIG. 03 · ERROR ESPECTRAL DEL FONS · REGIONS SENSE VEU · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 vs 0.236

correlació de la forma de les rialles i les reaccions · 14 carrils d'esdeveniments

0.11 vs 3.36 dB

error de volum de les rialles i les reaccions · 14 carrils d'esdeveniments

25/43

clips d'origen amb un doblatge automàtic de YouTube utilitzable; Familiar els va doblar tots 43

Familiar lliura el doblatge acabat fins a 4K amb una mescla envoltant 5.1 real o estèreo.

Límits

Un estudi congelat de caixa negra de la cohort capturada, no una afirmació sobre tots els doblatges, totes les llengües o les versions futures de la plataforma de YouTube.
LIMITAT A LA COHORT
Un diagnòstic de model, no un estudi d'escolta amb persones; la seva incertesa és àmplia.
NATURALITAT PREVISTA · UTMOS 2.12 VS 1.85
Descriptiu; el seu interval toca el zero.
TEMPS DELS TRANSITORIS · F1 DE 1.000 VS 0.789

REFERÈNCIES

  1. [1]Familiar vs el doblatge automàtic de YouTube: resultats complets, mètode i exemples d'escolta
  2. [2]Tots els benchmarks de Familiar: ElevenLabs, YouTube, traductors humans
  3. [3]Ajuda de YouTube: utilitzar el doblatge automàtic
  4. [4]El doblatge automàtic de YouTube a examen: què vam mesurar

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