BENCHMARK CARA A CARA

Familiar frente al doblaje automático de YouTube: un estudio de cohorte congelada

FAMILIAR INVESTIGACIÓNACTUALIZADO TODOS LOS ARTÍCULOS

RESUMEN

En una cohorte congelada de 50 pares (árabe, español, francés, hindi, coreano; capturada el 8 de agosto de 2026), Familiar obtuvo un parecido con la voz real de quien habla un 182.9% mayor que el doblaje automático de YouTube (0.399 frente a 0.141) y cambió o perdió un 70.3% menos de ideas importantes (43 frente a 145 de 528). YouTube tuvo un 232.6% más de errores en el sonido de fondo (11.21 frente a 3.37 dB). Familiar también fue mejor en los eventos vocales. Había un doblaje automático utilizable para 25 de los 43 clips de origen; Familiar dobló los 43. Datos completos y seis ejemplos sincronizados para escuchar: el benchmark completo frente a YouTube.

Método

PARES

50

Cohorte congelada; un clip de origen × un idioma de destino.

IDIOMAS

5

Árabe, español, francés, hindi, coreano.

CAPTURA

8 de agosto de 2026

DISPONIBILIDAD

25 de 43

Clips de origen con un doblaje automático de YouTube utilizable; Familiar dobló los 43.

PAREADO, DE CAJA NEGRA
CÓMO SE PUNTÚAUn clip de origen × un idioma de destino; el audio final completo de ambos sistemas.
MÉTRICAS SENSIBLES A LA SINCRONÍA
CÓMO SE PUNTÚASolo los 31 pares con alineación verificada de forma independiente con la línea de tiempo de origen (tolerancia de 40 ms; las pistas dudosas quedan fuera).
MÉTRICAS DE EVENTOS
CÓMO SE PUNTÚALas 14 pistas con regiones de risas o reacciones verificadas por personas.
PISTAS DE YOUTUBE NO DISPONIBLES
CÓMO SE PUNTÚASe indican de forma explícita y nunca se puntúan como cero.
REVISIÓN DEL SIGNIFICADO
CÓMO SE PUNTÚAEvalúa el habla entregada; las paráfrasis válidas y las reacciones mínimas de fondo no son errores; se excluyen CER y WER.

La voz: la suya es la de un extraño

El doblaje automático de YouTube habla con la voz de un extraño; Familiar conserva la de quien habla en el original.

En los 31 pares alineados con exactitud, el parecido con la voz real de quien habla:

FIG. 01 · PARECIDO CON LA VOZ DE QUIEN HABLA (SIM-O) · 31 DOBLAJES ALINEADOS · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

El significado

De 528 ideas importantes del original en los 50 doblajes revisados, YouTube cambió o perdió 145; Familiar, 43.

FIG. 02 · IDEAS IMPORTANTES DEL ORIGINAL CAMBIADAS O PERDIDAS · DE 528 · FAMILIAR, UN 70.3% MENOS
YOUTUBE145
FAMILIAR43
34/50

Doblajes de YouTube con un problema importante en el significado hablado

18/50

Doblajes de Familiar con un problema importante en el significado hablado

12 vs 0

fallos críticos de significado, YouTube frente a Familiar

La escena y las reacciones

FIG. 03 · ERROR ESPECTRAL DEL SONIDO DE FONDO · REGIONES SIN HABLA · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 vs 0.236

correlación en la forma de las risas y las reacciones · 14 pistas de eventos

0.11 vs 3.36 dB

error en el volumen de las risas y las reacciones · 14 pistas de eventos

25/43

clips de origen con un doblaje automático de YouTube utilizable; Familiar dobló los 43

Familiar entrega el doblaje terminado hasta en 4K, con una mezcla en sonido envolvente 5.1 real o en estéreo.

Límites

Un estudio congelado de caja negra sobre la cohorte capturada, no una afirmación sobre todos los doblajes de YouTube, todos los idiomas ni las versiones futuras de la plataforma.
LIMITADO A LA COHORTE
Un diagnóstico de modelo, no un estudio de escucha con personas; su incertidumbre es amplia.
NATURALIDAD ESTIMADA · UTMOS 2.12 FRENTE A 1.85
Descriptivo; su intervalo toca el cero.
SINCRONÍA DE LOS TRANSITORIOS · F1 1.000 FRENTE A 0.789

REFERENCIAS

  1. [1]Familiar frente al doblaje automático de YouTube: resultados completos, método y ejemplos para escuchar
  2. [2]Todos los benchmarks de Familiar: ElevenLabs, YouTube, traductores humanos
  3. [3]Ayuda de YouTube: Usar el doblaje automático
  4. [4]Reseña del doblaje automático de YouTube: lo que medimos

Traducción multimodal

Familiar Labs hace un doblaje de otra generación con un modelo multimodal de decisiones de localización (MLDM), el primer modelo fundacional de traducción multimodal: un solo modelo decide qué localizar en texto, audio e imagen, y muestra las opciones. La voz y los labios de cada persona, llevados a nuevos idiomas. Un equipo de 8 con doctorados, con el respaldo de Samsung, RedBird y Gold House. Nuestra misión