DIREKTE BENCHMARK

Familiar mod YouTubes autodubbing: et studie med fastfrosset kohorte

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

RESUMÉ

På en fastfrosset kohorte på 50 par (arabisk, spansk, fransk, hindi, koreansk; optaget 8. august 2026) målte Familiar 182.9% højere stemmelighed med taleren end YouTubes autodubbing (0.399 mod 0.141) og ændrede eller tabte 70.3% færre vigtige pointer (43 mod 145 af 528). YouTube havde 232.6% større fejl i baggrundslyden (11.21 mod 3.37 dB). Familiar førte også på vokale hændelser. En brugbar autodub fandtes for 25 af 43 kildeklip; Familiar dubbede alle 43. Alle data og seks synkroniserede lytteeksempler: hele YouTube-benchmarken.

Metode

PAR

50

Fastfrosset kohorte; ét kildeklip × ét målsprog.

SPROG

5

Arabisk, spansk, fransk, hindi, koreansk.

OPTAGET

8. august 2026

TILGÆNGELIGHED

25 af 43

Kildeklip med en brugbar autodub fra YouTube; Familiar dubbede alle 43.

PARRET, BLACK-BOX
SÅDAN BEDØMMES DENÉt kildeklip × ét målsprog; den komplette færdige lyd fra begge systemer.
TIMINGFØLSOMME MÅL
SÅDAN BEDØMMES DENKun de 31 par med uafhængigt verificeret justering til kildens tidslinje (40 ms-krav; usikre spor udelukkes).
HÆNDELSESMÅL
SÅDAN BEDØMMES DENDe 14 spor med menneskeligt verificerede områder med latter eller reaktioner.
UTILGÆNGELIGE YOUTUBE-SPOR
SÅDAN BEDØMMES DENForbliver synlige som sådan og scores aldrig som nul.
MENINGSGENNEMGANG
SÅDAN BEDØMMES DENBedømmer den leverede tale; gyldige omskrivninger og små reaktioner i baggrunden tæller ikke som fejl; CER/WER er udeladt.

Stemmen: deres er en fremmeds

YouTubes autodub taler med en fremmeds stemme; Familiar bevarer den oprindelige talers.

På de 31 præcist justerede par, stemmelighed med den rigtige taler:

FIG. 01 · STEMMELIGHED MED TALEREN (SIM-O) · 31 JUSTEREDE DUBS · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

Meningen

Af 528 vigtige pointer i kilden på tværs af de 50 gennemgåede dubs ændrede eller tabte YouTube 145; Familiar 43.

FIG. 02 · VIGTIGE POINTER FRA KILDEN ÆNDRET ELLER TABT · AF 528 · FAMILIAR 70.3% FÆRRE
YOUTUBE145
FAMILIAR43
34/50

YouTube-dubs med et vigtigt problem i den talte mening

18/50

Familiar-dubs med et vigtigt problem i den talte mening

12 mod 0

kritiske meningsfejl, YouTube mod Familiar

Scenen og reaktionerne

FIG. 03 · SPEKTRAL FEJL I BAGGRUNDSLYDEN · OMRÅDER UDEN TALE · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 mod 0.236

korrelation af latterens og reaktionernes form · 14 hændelsesspor

0.11 mod 3.36 dB

fejl i lydstyrken på latter og reaktioner · 14 hændelsesspor

25/43

kildeklip med en brugbar autodub fra YouTube; Familiar dubbede alle 43

Familiar leverer den færdige dub i op til 4K med et ægte 5.1-surround- eller stereomix.

Begrænsninger

Et fastfrosset black-box-studie af den optagne kohorte, ikke en påstand om alle YouTube-dubs, alle sprog eller fremtidige versioner af platformen.
AFGRÆNSET TIL KOHORTEN
En modeldiagnostik, ikke et lyttestudie med mennesker; usikkerheden er stor.
FORUDSAGT NATURLIGHED · UTMOS 2.12 MOD 1.85
Beskrivende; intervallet rører nul.
TIMING AF TRANSIENTER · 1.000 MOD 0.789 F1

REFERENCER

  1. [1]Familiar mod YouTubes autodubbing: alle resultater, metode og lytteeksempler
  2. [2]Alle Familiars benchmarks: ElevenLabs, YouTube, menneskelige oversættere
  3. [3]YouTube Hjælp: Brug automatisk dubbing
  4. [4]Anmeldelse af YouTubes autodubbing: hvad vi målte

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