MÅLT ANMELDELSE

Anmeldelse af ElevenLabs Dubbing: hvad vi målte

FAMILIAR FORSKNINGOPDATERET ALLE ARTIKLER
LÆS ARTIKLEN PÅEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

RESUMÉ

ElevenLabs Dubbing er kun lyd; målt på de samme klip havde ElevenLabs Dubbing v2 (Alpha) 270% større fejl i baggrundslyden end Familiar (latteren, musikken, atmosfæren), og Familiar lavede 54.7% færre vigtige oversættelsesfejl i det talte (29 mod 64; 111 parrede output på mandarin, spansk og japansk, 5. august 2026). Mod ElevenLabs Dubbing v1 lyder Familiar 27.8% mere som den rigtige taler, tættere på i alle 11 sprog (418 parrede output). Alle data og lytteeksempler: hele ElevenLabs-benchmarken.

Hvad ElevenLabs Dubbing er

DUBBING V1

  • Den stabile, programmatiske vej, som de fleste integrationer bruger.

DUBBING V2 (ALPHA)

  • Det nyere produkt, der tilbydes via hjemmesiden.

Begge tager en video- eller lydfil, transskriberer den, oversætter manuskriptet og indtaler oversættelsen med en stemme, der skal ligne den oprindelige talers.

Målingerne nedenfor er lyd mod lyd.

KUN LYDINGEN LIPSYNCANSIGTET TALER STADIG ORIGINALSPROGET

Hvad det gør godt

ET MODENT, VELDOKUMENTERET API
Stabile endpoints, ligetil integration.
EN MEGET LANG SPROGLISTE
Nyttigt, når målsproget ligger langt uden for de store sprog.
STÆRK SELVSTÆNDIG TEKST-TIL-TALE
Til speak og voice-over ud fra et manuskript er det fortsat et førende værktøj.
KATEGORIENS STØRSTE BRAND
Det produkt, de fleste finder først, når de søger efter stemmekloning, AI-dubbing eller AI-lipsync.

Hvad vi målte

To parrede black-box-studier, begge kørt den 5. august 2026.

  1. 01

    De samme kildeklip og målsprog gik til hvert system.

  2. 02

    Kun den færdige lyd, som brugeren får, blev bedømt.

  3. 03

    De to studier rapporteres hver for sig.

STUDIE A · MOD DUBBING V1
FIG. 01 · STEMMELIGHED MED TALEREN · DUBBING V1 · FAMILIAR +27.8% · ALLE 11 SPROG
FAMILIAR0.4605
ELEVENLABS0.3604
+95.5%

ElevenLabs havde 95.5% flere fejl i det talte output, markeret ved gennemgangen.

258 MOD 132
+261%

ElevenLabs havde 261% større spektral fejl i baggrundslyden.

12.27 MOD 3.40 dB
+10.2%

Forudsagt naturlighed for Familiar.

2.51 MOD 2.28 · EKSPLORATIVT
Korrelation af latterens og reaktionernes form: Familiar +243.7% højere, 0.759 mod 0.221. F1 for timing af lydeffekter og beats: Familiar +24.3% højere, 0.947 mod 0.762.
STUDIE A | 418 PARREDE OUTPUT | 38 KLIP | 11 SPROG | KØRT 5. AUGUST 2026
STUDIE B · MOD DUBBING V2 (ALPHA)
FIG. 02 · VIGTIGE OVERSÆTTELSESFEJL · DUBBING V2 (ALPHA) · FAMILIAR 54.7% FÆRRE · 111 PARREDE DUBS
ELEVENLABS64
FAMILIAR29
FIG. 03 · DUBS MED ET VIGTIGT MENINGSPROBLEM · DUBBING V2 (ALPHA) 36/111 MOD FAMILIAR 23/111 (+56.5%)
  • Dubs med mindst ét vigtigt meningsproblem32%
  • Dubs uden et vigtigt meningsproblem68%
270%

ElevenLabs havde 270% større fejl i baggrundslyden: latteren, musikken, atmosfæren.

11.92 MOD 3.22 dB MAE
+221%

ElevenLabs havde 221% større fejl i lydstyrken på latter og reaktioner.

3.32 MOD 1.04 dB · 18 KLIP / 54 SAMMENLIGNINGER
+28.2%

Familiars korrelation af latterens og reaktionernes form: 0.960 mod 0.749. Det parrede 95%-interval udelukker nul.

Stemmelighed med taleren: ikke entydigt ved denne stikprøvestørrelse (et punktestimat på +3.5% for Familiar; intervallet krydsede nul); det samme gjaldt forudsagt naturlighed. Dækning: Familiar gennemførte 38/38 kildeklip; Dubbing v2 (Alpha) afviste klippet på 10.94 sekunder under sit minimum på 11 sekunder (37/38).
STUDIE B | 111 PARREDE OUTPUT | MANDARIN, SPANSK, JAPANSK | KØRT 5. AUGUST 2026
FIG. 04 · KVALITATIV GENNEMGANG AF DE SAMME KLIP · ELEVENLABS-FEJL EFTER KLASSE · 5. AUGUST 2026
ORD45
LATTER/FX8
STEMME TABT6
OVERLAP6
FREMFØRELSE4
ATMOSFÆRE4
ORD
ANTAL45
SÅDAN LYDER DENTabt eller opfundet.
LATTER/FX
ANTAL8
SÅDAN LYDER DENLatter og lydeffekter ødelagt.
STEMME TABT
ANTAL6
SÅDAN LYDER DENTalerens stemme mistet.
OVERLAP
ANTAL6
SÅDAN LYDER DENTalere smeltet sammen til én stemme.
FREMFØRELSE
ANTAL4
SÅDAN LYDER DENFladet ud.
ATMOSFÆRE
ANTAL4
SÅDAN LYDER DENLydtæppet fjernet.

Konfidensintervaller, opdeling pr. sprog og lytteeksempler: /benchmark/elevenlabs. Den fulde direkte sammenligning: Familiar mod ElevenLabs Dubbing: to parrede studier.

Arbejdsgangens grænser i katalogskala

Observeret 5. august 2026:

11 s

Mindste kliplængde. Shorts, cold opens og reaktionsklip under grænsen kan ikke dubbes; vores klip på 10.94 sekunder blev afvist.

20

Elementer pr. batch. Fire videoer til seks sprog giver 24 output, mere end én batch kan rumme.

30

Samtidige forespørgsler. Ti videoer til ti sprog giver 100 forespørgsler: mindst fire runder.

v1

Redigering af oversættelsen. På den nuværende Dubbing v2 er redigering af transskriptionen og ny generering af lyd via API'et kun for Enterprise-abonnementer; den fulde editor, Dubbing Studio, kører på v1-modellen, i vedligeholdelsestilstand (deres dokumentation, 30. oktober 2026).

Intet af dette betyder noget for én video til ét sprog. For et bagkatalog eller en række kanaler på flere sprog sammenligner De bedste alternativer til ElevenLabs til dubbing mulighederne. Drejebøger for kataloger og lanceringer: Sådan lukker streamingtjenester hullet i dubbing på lokale sprog og Lanceringer i flere lande: dubbing til alle markeder på én gang.

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

Pris

ALT INKLUDERET

Én Familiar-rendering pr. færdigt minut pr. målsprog: oversættelsen, talerens egen stemme, scenens lyd og lipsyncen, leveret i op til 4K med et ægte 5.1- eller stereomix.

ADGANG VIA STUDIO-KONTRAKT
$3

ElevenLabs Dubbing pr. dubbet minut pr. målsprog. Kun lyd.

PRIS VED KASSEN · 5. AUG. 2026

Syr man lipsync på via Sync.so, det bedste selvstændige værktøj, koster det $8 mere i minuttet: $11 samlet, og stadig uden et 5.1-mix. ElevenLabs' egen dokumentation om lyden i deres dubs:

…højst stereo… 5.1 og anden flerkanalslyd bevares ikke.
ElevenLabs Help Center, which file formats are supported by Dubbing

Til sammenligning koster komplet dubbing udført af mennesker, oversættelse plus stemme, $70 til $150 pr. færdigt minut; til den pris kan den ikke bruges i det meste af verden. I den visuelle top er værktøjerne assisterende: værktøjer som Flawless TrueSync kræver et hold af VFX-artister og uger pr. projekt, og hvert sprog er et nyt projekt. ElevenLabs dubber i én omgang og ofrer resten, som målt ovenfor; Familiar er én omgang og kvaliteten.

Det bredere prisbillede, inklusive takster for dubbing udført af mennesker: Hvad koster dubbing i 2026?

Konklusion

DUBBING AF VIDEO

Målingerne peger et andet sted hen.

SELVSTÆNDIG STEMMEGENERERING
KONKLUSIONENElevenLabs er fortsat et førende værktøj; til dubbing med lyd alene til et sjældent sprog kan det være den eneste praktiske mulighed.
DUBBING AF VIDEO
KONKLUSIONENFærre oversættelsesfejl og lavere fejl i scenens lyd i begge studier; en stemme, der er 27.8% tættere på den rigtige taler mod Dubbing v1.
PÅ SKÆRMEN
KONKLUSIONENEt ansigt, der taler det nye sprog: lipsync og hele ansigtets præstation ud over den.
OVERSÆTTELSESTEKSTEN
KONKLUSIONENTestet separat mod professionelle ekspertoversættere, og den matcher deres første udkast (AI mod menneskelig oversættelse: testet mod professionelle).
HeyGenHeyGenElevenLabsElevenLabsHeyGen + 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
30 SPROG, FRA ALLE TIL ALLEOVERSÆTTELSE + STEMME + SCENENS LYD + LIPSYNC, ÉN RENDERINGOP TIL 4K-BILLEDE · ÆGTE 5.1-MIXADGANG VIA STUDIO-KONTRAKT, DIMENSIONERET EFTER JERES KATALOG

REFERENCER

  1. [1]Familiar mod ElevenLabs-benchmarken: alle resultater, intervaller og lytteeksempler
  2. [2]AI mod menneskelig oversættelse: testet mod professionelle (hele oversættelsesstudiet)
  3. [3]ElevenLabs Dubbing-dokumentation
  4. [4]ElevenLabs Help Center: hvilke filformater Dubbing understøtter (lyd højst i stereo; 5.1 bevares ikke)

Multimodal oversættelse

Familiar Labs laver en ny generation af dubbing med en multimodal beslutningsmodel til lokalisering (MLDM), den første grundmodel til multimodal oversættelse: én model beslutter, hvad der skal lokaliseres på tværs af tekst, lyd og billede, og viser dig valgene. Din stemme og dine læber, båret over i nye sprog. De er et team på 8 med ph.d.er, støttet af Samsung, RedBird og Gold House. Vores mission

Se hele benchmarken →Tal med teamet