BENCHMARK ΚΑΤΑ ΜΕΤΩΠΟ

Familiar έναντι αυτόματης μεταγλώττισης του YouTube: μελέτη σε παγωμένη κοόρτη

FAMILIAR ΕΡΕΥΝΑΕΝΗΜΕΡΩΣΗ ΟΛΑ ΤΑ ΑΡΘΡΑ
ΔΙΑΒΑΣΤΕ ΤΟ ΣΕEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

ΠΕΡΙΛΗΨΗ

Σε μια παγωμένη κοόρτη 50 ζευγών (Αραβικά, Ισπανικά, Γαλλικά, Χίντι, Κορεατικά· καταγραφή 8 Αυγούστου 2026), το Familiar μέτρησε 182.9% υψηλότερη ομοιότητα με τον ομιλητή από την αυτόματη μεταγλώττιση του YouTube (0.399 έναντι 0.141) και άλλαξε ή έχασε 70.3% λιγότερες σημαντικές ιδέες (43 έναντι 145 στις 528). Το YouTube είχε 232.6% περισσότερα λάθη στον ήχο περιβάλλοντος (11.21 έναντι 3.37 dB). Το Familiar προηγήθηκε και στα φωνητικά συμβάντα. Χρησιμοποιήσιμη αυτόματη μεταγλώττιση υπήρχε για 25 από τα 43 κλιπ-πηγές· το Familiar μεταγλώττισε και τα 43. Πλήρη δεδομένα και έξι συγχρονισμένα ηχητικά παραδείγματα: το πλήρες benchmark απέναντι στο YouTube.

Μέθοδος

ΖΕΥΓΗ

50

Παγωμένη κοόρτη· ένα κλιπ-πηγή × μία γλώσσα-στόχος.

ΓΛΩΣΣΕΣ

5

Αραβικά, Ισπανικά, Γαλλικά, Χίντι, Κορεατικά.

ΚΑΤΑΓΡΑΦΗ

8 Αυγούστου 2026

ΔΙΑΘΕΣΙΜΟΤΗΤΑ

25 από 43

Κλιπ-πηγές με χρησιμοποιήσιμη αυτόματη μεταγλώττιση του YouTube· το Familiar μεταγλώττισε και τα 43.

ΣΕ ΖΕΥΓΗ, ΜΑΥΡΟΥ ΚΟΥΤΙΟΥ
ΠΩΣ ΒΑΘΜΟΛΟΓΕΙΤΑΙΈνα κλιπ-πηγή × μία γλώσσα-στόχος· ο πλήρης τελικός ήχος και από τα δύο συστήματα.
ΜΕΤΡΗΣΕΙΣ ΕΥΑΙΣΘΗΤΕΣ ΣΤΟ ΧΡΟΝΙΣΜΟ
ΠΩΣ ΒΑΘΜΟΛΟΓΕΙΤΑΙΜόνο τα 31 ζεύγη με ανεξάρτητα επαληθευμένη ευθυγράμμιση με τον χρόνο της πηγής (όριο 40 ms· όσα κανάλια είναι αβέβαια αποκλείονται).
ΜΕΤΡΗΣΕΙΣ ΣΥΜΒΑΝΤΩΝ
ΠΩΣ ΒΑΘΜΟΛΟΓΕΙΤΑΙΤα 14 κανάλια με γέλια ή αντιδράσεις επαληθευμένα από ανθρώπους.
ΚΑΝΑΛΙΑ ΧΩΡΙΣ ΜΕΤΑΓΛΩΤΤΙΣΗ ΑΠΟ ΤΟ YOUTUBE
ΠΩΣ ΒΑΘΜΟΛΟΓΕΙΤΑΙΚαταγράφονται ρητά, δεν βαθμολογούνται ποτέ με μηδέν.
ΕΛΕΓΧΟΣ ΝΟΗΜΑΤΟΣ
ΠΩΣ ΒΑΘΜΟΛΟΓΕΙΤΑΙΚρίνει την ομιλία που παραδόθηκε· οι έγκυρες παραφράσεις και οι μικρές αντιδράσεις στο βάθος δεν είναι λάθη· CER/WER εκτός.

Η φωνή: η δική τους είναι ξένη

Η αυτόματη μεταγλώττιση του YouTube μιλάει με ξένη φωνή· το Familiar κρατά τη φωνή του αρχικού ομιλητή.

Στα 31 ακριβώς ευθυγραμμισμένα ζεύγη, η ομοιότητα με τον πραγματικό ομιλητή:

FIG. 01 · ΟΜΟΙΟΤΗΤΑ ΜΕ ΤΟΝ ΟΜΙΛΗΤΗ (SIM-O) · 31 ΕΥΘΥΓΡΑΜΜΙΣΜΕΝΕΣ ΜΕΤΑΓΛΩΤΤΙΣΕΙΣ · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

Το νόημα

Από τις 528 σημαντικές ιδέες της πηγής στις 50 μεταγλωττίσεις που ελέγχθηκαν, το YouTube άλλαξε ή έχασε 145· το Familiar 43.

FIG. 02 · ΣΗΜΑΝΤΙΚΕΣ ΙΔΕΕΣ ΤΗΣ ΠΗΓΗΣ ΠΟΥ ΑΛΛΑΞΑΝ Ή ΧΑΘΗΚΑΝ · ΑΠΟ 528 · FAMILIAR 70.3% ΛΙΓΟΤΕΡΕΣ
YOUTUBE145
FAMILIAR43
34/50

μεταγλωττίσεις του YouTube με σοβαρό πρόβλημα στο νόημα της ομιλίας

18/50

μεταγλωττίσεις του Familiar με σοβαρό πρόβλημα στο νόημα της ομιλίας

12 έναντι 0

κρίσιμα λάθη νοήματος, YouTube έναντι Familiar

Η σκηνή και οι αντιδράσεις

FIG. 03 · ΦΑΣΜΑΤΙΚΟ ΣΦΑΛΜΑ ΗΧΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ · ΠΕΡΙΟΧΕΣ ΧΩΡΙΣ ΟΜΙΛΙΑ · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 έναντι 0.236

συσχέτιση σχήματος γέλιων/αντιδράσεων · 14 κανάλια συμβάντων

0.11 έναντι 3.36 dB

σφάλμα έντασης γέλιων/αντιδράσεων · 14 κανάλια συμβάντων

25/43

κλιπ-πηγές με χρησιμοποιήσιμη αυτόματη μεταγλώττιση του YouTube· το Familiar μεταγλώττισε και τα 43

Το Familiar παραδίδει την τελική μεταγλώττιση έως 4K με πραγματική μίξη surround 5.1 ή στερεοφωνική.

Όρια

Μια παγωμένη μελέτη μαύρου κουτιού της κοόρτης που καταγράφηκε, όχι ισχυρισμός για κάθε μεταγλώττιση, γλώσσα ή μελλοντική έκδοση της πλατφόρμας του YouTube.
ΜΟΝΟ ΓΙΑ ΤΗΝ ΚΟΟΡΤΗ
Διαγνωστικός δείκτης μοντέλου, όχι μελέτη ακρόασης με ανθρώπους· η αβεβαιότητά του είναι μεγάλη.
ΠΡΟΒΛΕΠΟΜΕΝΗ ΦΥΣΙΚΟΤΗΤΑ · UTMOS 2.12 ΕΝΑΝΤΙ 1.85
Περιγραφικό· το διάστημά του αγγίζει το μηδέν.
ΧΡΟΝΙΣΜΟΣ ΜΕΤΑΒΑΤΙΚΩΝ ΗΧΩΝ · 1.000 ΕΝΑΝΤΙ 0.789 F1

ΠΑΡΑΠΟΜΠΕΣ

  1. [1]Familiar έναντι αυτόματης μεταγλώττισης του YouTube: πλήρη αποτελέσματα, μέθοδος και ηχητικά παραδείγματα
  2. [2]Όλα τα benchmark του Familiar: ElevenLabs, YouTube, επαγγελματίες μεταφραστές
  3. [3]Βοήθεια YouTube: Χρήση της αυτόματης μεταγλώττισης
  4. [4]Αυτόματη μεταγλώττιση του YouTube: τι μετρήσαμε

ΠΟΛΥΤΡΟΠΙΚΗ ΜΕΤΑΦΡΑΣΗ

Η Familiar Labs φτιάχνει μεταγλώττιση νέας γενιάς με ένα πολυτροπικό μοντέλο αποφάσεων τοπικοποίησης (MLDM), το πρώτο θεμελιώδες μοντέλο για πολυτροπική μετάφραση: ένα μοντέλο αποφασίζει τι θα τοπικοποιηθεί σε κείμενο, ήχο και εικόνα και σου δείχνει τις επιλογές. Η φωνή και τα χείλη σου, μεταφερμένα σε νέες γλώσσες. Μια ομάδα 8 ατόμων με διδάκτορες, με την υποστήριξη των Samsung, RedBird και Gold House. Η αποστολή μας

Δες το πλήρες benchmark →Μίλα με την ομάδα