Assisteret visuel AI-dubbing mod fuld AI-dubbing: sådan lokaliseres titler (2026)

01. Hvad assisteret betyder, fra leverandørens egen side

Flawless TrueSync

Flawless beskriver TrueSync i fire trin, citeret fra deres side om lokalisering:

To linjer mere fra samme side trækker grænsen. TrueSync er »lyduafhængig«: den tager imod dubbet lyd fra enhver kilde og »genererer, ændrer eller syntetiserer« ikke lyd. Og den »genererer, udskifter eller syntetiserer ikke ansigter«: den justerer ansigtsanimationen i den oprindelige præstation efter de nye ord. Visuel dubbing, eller vubbing, er netop den ene justering.

02. Det menneskelige arbejde i en assisteret proces

For hver titel og hvert sprog, før og efter AI-trinnet:

1. 01

   Oversæt og tilpas manuskriptet,

   med hver replikks timing for øje.
2. 02

   Cast og indspil en stemmeskuespiller pr. skuespiller på skærmen,

   hver på sit eget rene spor, fordi synkroniseringen kræver én stemme pr. ansigt. To personer, der taler over ét mixet spor, skal først skilles ad.
3. 03

   Markér, hvilket ansigt der siger hver replik

   i hver optagelse, så synkroniseringen rammer den rigtige mund.
4. 04

   Kør synkroniseringen,

   AI-trinnet.
5. 05

   Gennemgå optagelse for optagelse i 8K

   efter produktionens standarder.
6. 06

   Tilpas og levér

   gennem et lokaliseringshus.

Fem af de seks trin er mennesker, og de to dyreste, casting og indspilning af dubben, er det, en almindelig dub allerede betaler for. En komplet dub udført af mennesker, oversættelse plus stemme, koster $70–150 pr. færdigt minut, og derfor dubber selv de største produktioner kun til få sprog; den assisterede runde kommer oveni. Den er også et trin inde i produktionen: den kræver dialogen pr. skuespiller og de folk, der lavede titlen.

03. Hvad den fulde løsning gør i stedet

De værktøjer, der i dag dubber i én omgang, er hurtige og ofrer resten: oversættelsen kan ikke redigeres, musikken og rummet forsvinder, stemmen glider væk fra taleren, og læberne svigter ved en hånd foran ansigtet, en mikrofon, uskarphed, bokeh, en sidevinkel eller flere personer i billedet, uden rumlig ræsonnering og uden forståelse af verden. Fuld AI-dubbing er én omgang og kvaliteten. Den starter fra den færdige titel, det mixede spor og det hele; Familiars multimodale beslutningsmodel til lokalisering (MLDM), den første grundmodel til multimodal oversættelse, et nyt paradigme og det første af sin slags, beslutter resten:

ElevenLabsElevenLabsTHEIR 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 ↗

Fuld AI-dubbing leverer det, efterproduktionen forventer:

04. Hvem hver af dem er bygget til

HeyGenElevenLabsHeyGen + ElevenLabsONE-SHOT TOOLS · NO CONTROL

One shot today means giving up the rest.

The one-shot tools today give up the rest: the translation cannot be edited, the music and the room drop out, the voice drifts, and the lips fail on a hand over the face, a microphone, blur, bokeh, a side view or several people in frame. No spatial reasoning, no understanding of the world, no control. ElevenLabs' current Dubbing v2 edits only through an Enterprise API, and its full editor is the older model, in maintenance mode; HeyGen stitches a lip-sync over a dub like that, and the lip-sync breaks on the ordinary shots of any episode. Familiar is one shot and the quality: translation first, reviewed; then the voice, the lips and the scene together, through the hard shots.

54.7%

FEWER TRANSLATION ERRORS · FAMILIAR VS ELEVENLABS DUBBING V2

270%

ELEVENLABS MORE BACKGROUND-SOUND ERROR · THE LAUGHTER, THE MUSIC, THE AMBIENCE

+27.8%

FAMILIAR CLOSER TO THE REAL SPEAKER

FAMILIAR · ONE SHOT AND THE QUALITYFamiliar vs Flawless TrueSync →The ElevenLabs study →The demos →

05. Det løft, begge jagter

Flawless offentliggør tre engagementstal for titler med visuel dubbing, med deres egne sammenligningsgrundlag:

Familiars egne parrede målinger, mod ElevenLabs, YouTubes autodubbing og menneskelige oversættere: benchmark-hubben.

SPØRGSMÅL