BENCHMARK EN FACE-À-FACE

Familiar face à ElevenLabs Dubbing : deux études appariées

FAMILIAR RECHERCHEMIS À JOUR LE TOUS LES ARTICLES
LIRE ENEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

RÉSUMÉ

Sur les mêmes clips, la voix de Familiar ressort 27.8% plus proche de la vraie voix du locuteur qu'ElevenLabs Dubbing v1, et ce dans les 11 langues (418 paires de résultats, 5 août 2026). Face à ElevenLabs Dubbing v2 (Alpha), ElevenLabs a fait 270% d'erreurs en plus sur le fond sonore (les rires, la musique, l'ambiance) et Familiar a fait 54.7% d'erreurs de traduction importantes en moins à l'oral (29 contre 64 ; 111 paires de résultats en mandarin, espagnol et japonais). Familiar mène aussi sur les événements vocaux dans les deux études et sur le naturel prédit dans l'étude Dubbing v1. Données complètes et extraits à écouter : le benchmark ElevenLabs complet.

Méthode

DUBBING V1 · PAIRES DE RÉSULTATS

418

38 clips, 11 langues

DUBBING V2 (ALPHA) · PAIRES DE RÉSULTATS

111

Mandarin, espagnol, japonais

DATE DE L'ÉTUDE

5 août 2026

Les deux études

CLIPS SOURCES

38

En anglais, chacun au même poids

  1. 01

    Appariées et en boîte noire

    Le même clip source en anglais et la même langue cible ont été soumis à chaque système ; seul l'audio final a été évalué.
  2. 02

    Revue du sens

    Chaque doublage a été transcrit avec l'horodatage de chaque mot, puis comparé au même sens cible validé.
  3. 03

    Mesures acoustiques

    Elles comparent le doublage à la scène source : le fond sonore, l'enveloppe des événements vocaux et le calage des transitoires.
  4. 04

    Statistiques

    Chaque clip source pèse le même poids, les intervalles à 95% rééchantillonnent les clips sources, et les deux cohortes ne sont jamais agrégées.

Le résultat de Familiar porte aussi le visage en lipsync ; chaque mesure ci-dessous compare de l'audio à de l'audio.

Résultats : ElevenLabs Dubbing v2 (Alpha), leur produit le plus récent

111 PAIRES DE RÉSULTATS AUDIO FINAUXMANDARINESPAGNOLJAPONAIS
FIG. 01 · ERREURS DE TRADUCTION IMPORTANTES · DUBBING V2 (ALPHA) · FAMILIAR 54.7% EN MOINS · 111 DOUBLAGES APPARIÉS
ELEVENLABS64
FAMILIAR29
FIG. 02 · DOUBLAGES FINIS AVEC AU MOINS UN PROBLÈME DE SENS IMPORTANT · DUBBING V2 (ALPHA) · ELEVENLABS +56.5%
ELEVENLABS36/111
FAMILIAR23/111
270%

ElevenLabs a fait 270% d'erreurs en plus sur le fond sonore : les rires, la musique, l'ambiance.

11.92 CONTRE 3.22 dB MAE
+221%

ElevenLabs a fait 221% d'erreurs en plus sur le volume des rires et des réactions.

3.32 CONTRE 1.04 dB · 18 CLIPS / 54 COMPARAISONS
+28.2%

Corrélation de forme des rires et des réactions de Familiar : 0.960 contre 0.749. L'intervalle apparié à 95% exclut zéro.

Résultats : ElevenLabs Dubbing v1, le produit stable

418 ESSAIS CLIP-LANGUE38 CLIPS11 LANGUESLES DEUX SYSTÈMES ONT MENÉ CHAQUE ESSAI À TERME
FIG. 03 · RESSEMBLANCE AU LOCUTEUR · DUBBING V1 · FAMILIAR +27.8% · LES 11 LANGUES PENCHENT POUR FAMILIAR
FAMILIAR0.4605
ELEVENLABS0.3604
FIG. 04 · ERREUR SPECTRALE SUR LE FOND SONORE · DUBBING V1 · dB, PLUS BAS = MIEUX · ZONES DE SCÈNE VÉRIFIÉES
ELEVENLABS12.27 dB
FAMILIAR3.40 dB
+95.5%

ElevenLabs a eu 95.5% d'erreurs en plus signalées en revue dans le résultat parlé.

258 CONTRE 132
+243.7%

Corrélation de forme des rires et des réactions de Familiar : 0.759 contre 0.221, sur des zones d'événements vérifiées.

+10.2%

Naturel prédit pour Familiar.

2.51 CONTRE 2.28 · EXPLORATOIRE
DUBBING V2 (ALPHA)
LA DIMENSIONCouverture
LE RÉSULTATFamiliar a traité 38/38 clips sources ; Dubbing v2 (Alpha) a refusé le clip de 10.94 secondes, sous son minimum de 11 secondes (37/38).
DUBBING V2 (ALPHA)
LA DIMENSIONRessemblance au locuteur
LE RÉSULTATNon concluant à cette taille d'échantillon ; une estimation ponctuelle de +3.5% pour Familiar, avec un intervalle apparié qui franchit zéro.
DUBBING V1
LA DIMENSIONCalage des transitoires (bruitages et temps forts)
LE RÉSULTATEn faveur de Familiar là aussi : F1 0.947 contre 0.762.
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

Les limites de workflow rencontrées en chemin

ELEVENLABS DUBBING3 LIMITES PRODUITOBSERVÉES LE 5 AOÛT 2026
11 s

Durée minimale d'un clip. Le clip de 10.94 secondes de notre jeu de test n'a pas pu être doublé du tout.

20

Éléments par lot. Quatre vidéos en six langues font déjà 24 résultats, plus qu'un lot n'en contient.

30

Requêtes simultanées. Dix vidéos en dix langues font 100 requêtes : au moins quatre vagues de lots et d'attente.

  • Familiar accepte des clips de toute durée ; un seul envoi part vers toutes les langues sélectionnées.

Prix

TOUT COMPRIS

Un seul rendu Familiar, par minute produite et par langue cible : la traduction, la voix du locuteur lui-même, le son de la scène et le lipsync, livrés jusqu'en 4K avec un vrai mixage 5.1 ou stéréo.

ACCÈS PAR CONTRAT STUDIO
$3

ElevenLabs Dubbing, par minute doublée et par langue cible. Audio seul.

TARIF AFFICHÉ AU PAIEMENT · 5 AOÛT 2026
3 $ achètent de l'audio seul. Pour égaler un rendu Familiar, il faut encore y greffer le lipsync : le meilleur outil autonome, Sync.so, coûte 8 $ la minute, 11 $ au total, toujours sans mixage 5.1. La documentation d'ElevenLabs l'indique : les doublages sont « au mieux en stéréo… le 5.1 et les autres formats audio multicanaux ne sont pas conservés ». À titre de comparaison, un doublage humain complet, traduction et voix comprises, coûte de 70 $ à 150 $ la minute produite ; à ce tarif, il reste hors de portée pour la majeure partie du monde.
Limites produit et prix observés le 5 août 2026, susceptibles d'évoluer.

L'étude de prix complète, avec ses sources : Combien coûte le doublage en 2026 ?

Le texte traduit face aux traducteurs professionnels

Une étude distincte, menée en août 2026, a confronté la traduction de production de Familiar à des traducteurs professionnels experts, notée à l'aveugle par rapport aux corrections de référence d'experts.

En français, en chinois, en hindi et en indonésien, Familiar égale leur premier jet.

FIG. 05 · QUALITÉ DE TRADUCTION FACE AU PREMIER JET DU PROFESSIONNEL EXPERT · NOTATION À L'AVEUGLE · AOÛT 2026
FRANÇAIS100.0%
CHINOIS98.2%
HINDI103.3%
INDONÉSIEN99.6%
LIGNE POINTILLÉE = PREMIER JET DU PROFESSIONNEL (100%)
100.3%

En moyenne, de la qualité de traduction du premier jet du professionnel.

FRANÇAIS, CHINOIS, HINDI, INDONÉSIEN (PREMIER JET DES TRADUCTEURS PROFESSIONNELS EXPERTS)

Limites

La revue du sens est assistée par modèle et en une seule passe ; une double relecture native indépendante est en cours. Ressemblance au locuteur et naturel sur Dubbing v2 (Alpha) : non concluants à cette taille d'échantillon, et jamais agrégés avec le résultat v1. Des clips réels sélectionnés, pas un échantillon probabiliste de toutes les vidéos.

RÉFÉRENCES

  1. [1]Benchmark Familiar face à ElevenLabs : résultats complets, intervalles et extraits à écouter
  2. [2]IA contre traduction humaine : testée face aux professionnels (l'étude de traduction complète)
  3. [3]Documentation ElevenLabs Dubbing (tarification selon la durée source et le nombre de langues)
  4. [4]Centre d'aide ElevenLabs : formats de fichiers pris en charge par Dubbing (audio au mieux en stéréo ; 5.1 non conservé)

Traduction multimodale

Familiar Labs conçoit un doublage d'une génération d'avance grâce à un modèle de décision multimodal pour la localisation (MLDM), le premier modèle de fondation pour la traduction multimodale : un seul modèle décide ce qu'il faut localiser dans le texte, le son et l'image, et vous montre les choix. Votre voix et vos lèvres, portées dans de nouvelles langues. Une équipe de 8 personnes, dont des docteurs, soutenue par Samsung, RedBird et Gold House. Notre mission

Voir le benchmark complet →Parler à l'équipe