BENCHMARK HEAD-TO-HEAD

Familiar vs Auto-Dubbing YouTube: Studi Kohort Beku

RISET FAMILIARDIPERBARUI SEMUA ARTIKEL
BACA DALAM BAHASAEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

ABSTRAK

Pada kohort beku 50 pasangan (Arab, Spanyol, Prancis, Hindi, Korea; diambil 8 Agustus 2026), Familiar terukur 182.9% lebih tinggi dalam kemiripan pembicara dibanding auto-dubbing YouTube (0.399 vs 0.141) dan mengubah atau menghilangkan ide penting 70.3% lebih sedikit (43 vs 145 dari 528). YouTube membuat kesalahan suara latar 232.6% lebih banyak (11.21 vs 3.37 dB). Familiar juga unggul pada peristiwa vokal. Auto-dub yang layak pakai hanya tersedia untuk 25 dari 43 klip sumber; Familiar men-dubbing seluruh 43 klip. Data lengkap dan enam contoh tersinkron yang bisa didengarkan: benchmark YouTube lengkap.

Metode

PASANGAN

50

Kohort beku; satu klip sumber × satu bahasa target.

BAHASA

5

Arab, Spanyol, Prancis, Hindi, Korea.

DIAMBIL

8 Agustus 2026

KETERSEDIAAN

25 dari 43

Klip sumber dengan auto-dub YouTube yang layak pakai; Familiar men-dubbing seluruh 43.

BERPASANGAN, BLACK-BOX
CARA PENILAIANNYASatu klip sumber × satu bahasa target; audio akhir lengkap dari kedua sistem.
METRIK YANG PEKA WAKTU
CARA PENILAIANNYAHanya 31 pasangan dengan keselarasan timeline sumber yang diverifikasi secara independen (batas 40 ms; lajur yang meragukan otomatis gugur).
METRIK PERISTIWA
CARA PENILAIANNYA14 lajur dengan region tawa atau reaksi yang diverifikasi manusia.
LAJUR YOUTUBE YANG TIDAK TERSEDIA
CARA PENILAIANNYATetap ditandai jelas, tidak pernah dinilai nol.
REVIEW MAKNA
CARA PENILAIANNYAMenilai ucapan yang disampaikan; parafrasa yang sah dan reaksi latar yang sangat kecil tidak dihitung sebagai kesalahan; CER/WER tidak dipakai.

Suaranya: milik mereka adalah suara orang asing

Auto-dub YouTube berbicara dengan suara orang asing; Familiar mempertahankan suara pembicara aslinya.

Pada 31 pasangan yang selaras persis, kemiripan pembicara dengan pembicara aslinya:

FIG. 01 · KEMIRIPAN PEMBICARA (SIM-O) · 31 DUBBING SELARAS · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

Maknanya

Dari 528 ide penting di sumber pada 50 dubbing yang di-review, YouTube mengubah atau menghilangkan 145; Familiar 43.

FIG. 02 · IDE PENTING DARI SUMBER YANG BERUBAH ATAU HILANG · DARI 528 · FAMILIAR 70.3% LEBIH SEDIKIT
YOUTUBE145
FAMILIAR43
34/50

dubbing YouTube dengan masalah makna ucapan yang penting

18/50

dubbing Familiar dengan masalah makna ucapan yang penting

12 vs 0

kegagalan makna kritis, YouTube vs Familiar

Scene dan reaksinya

FIG. 03 · KESALAHAN SPEKTRAL SUARA LATAR · REGION TANPA UCAPAN · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 vs 0.236

korelasi bentuk tawa/reaksi · 14 lajur peristiwa

0.11 vs 3.36 dB

kesalahan kenyaringan tawa/reaksi · 14 lajur peristiwa

25/43

klip sumber dengan auto-dub YouTube yang layak pakai; Familiar men-dubbing seluruh 43

Familiar mengirim dubbing jadi hingga 4K dengan mix surround 5.1 asli atau stereo.

Batasan

Studi black-box beku atas kohort yang diambil, bukan klaim tentang setiap dubbing YouTube, setiap bahasa, atau versi platform di masa depan.
TERBATAS PADA KOHORT
Diagnostik model, bukan studi dengar oleh manusia; ketidakpastiannya lebar.
PREDIKSI KEALAMIAN · UTMOS 2.12 VS 1.85
Deskriptif; intervalnya menyentuh nol.
KETEPATAN WAKTU TRANSIEN · F1 1.000 VS 0.789

REFERENSI

  1. [1]Familiar vs Auto-Dub YouTube: hasil lengkap, metode, dan contoh yang bisa didengarkan
  2. [2]Semua benchmark Familiar: ElevenLabs, YouTube, penerjemah manusia
  3. [3]Bantuan YouTube: Menggunakan sulih suara otomatis
  4. [4]Ulasan Auto-Dubbing YouTube: Apa yang Kami Ukur

Terjemahan multimodal

Familiar Labs menghadirkan dubbing yang satu generasi lebih baik dengan Model Keputusan Lokalisasi Multimodal (MLDM), model fondasi pertama untuk terjemahan multimodal: satu model memutuskan apa yang dilokalisasi di teks, audio, dan visual, lalu menunjukkan pilihan-pilihannya kepada Anda. Suara dan gerak bibir Anda, dibawa ke bahasa-bahasa baru. Timnya beranggotakan 8 orang, termasuk para PhD, didukung oleh Samsung, RedBird, dan Gold House. Misi kami

Lihat benchmark lengkapnya →Bicara dengan tim