BENCHMARK TESTA A TESTA

Familiar vs ElevenLabs Dubbing: due studi accoppiati

FAMILIAR RICERCAAGGIORNATO TUTTI GLI ARTICOLI
LEGGILO INEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

SOMMARIO

Sulle stesse clip, Familiar suona il 27.8% più simile alla voce reale di chi parla rispetto a ElevenLabs Dubbing v1, più vicina in tutte e 11 le lingue (418 coppie di risultati, 5 agosto 2026). Su ElevenLabs Dubbing v2 (Alpha), ElevenLabs ha prodotto il 270% in più di errori sui suoni di sottofondo (le risate, la musica, l'atmosfera) e Familiar ha commesso il 54.7% in meno di errori importanti di traduzione nel parlato (29 contro 64; 111 coppie di risultati in mandarino, spagnolo e giapponese). Familiar è anche in testa sugli eventi vocali in entrambi gli studi e sulla naturalezza prevista nello studio su Dubbing v1. Dati completi ed esempi da ascoltare: il benchmark completo su ElevenLabs.

Metodo

DUBBING V1 · COPPIE DI RISULTATI

418

38 clip, 11 lingue

DUBBING V2 (ALPHA) · COPPIE DI RISULTATI

111

Mandarino, spagnolo, giapponese

DATA DELLO STUDIO

5 ago 2026

Entrambi gli studi

CLIP DI PARTENZA

38

In inglese, ognuna con lo stesso peso

  1. 01

    Accoppiato e black-box

    La stessa clip di partenza in inglese e la stessa lingua di destinazione sono andate a ciascun sistema; è stato valutato solo l'audio finale.
  2. 02

    Revisione del significato

    Ogni doppiaggio è stato trascritto con i tempi di ogni parola e confrontato con lo stesso significato di destinazione approvato.
  3. 03

    Misure acustiche

    Confrontano il doppiaggio con la scena di partenza: il tappeto sonoro, l'inviluppo degli eventi vocali e la tempistica dei transienti.
  4. 04

    Statistica

    Le clip di partenza hanno lo stesso peso, gli intervalli al 95% ricampionano le clip di partenza e le due coorti non vengono mai unite.

Il risultato di Familiar porta anche il volto con il lip sync; ogni misura qui sotto confronta audio con audio.

Risultati: ElevenLabs Dubbing v2 (Alpha) (il loro prodotto più recente)

111 COPPIE DI RISULTATI AUDIO FINALIMANDARINOSPAGNOLOGIAPPONESE
FIG. 01 · ERRORI IMPORTANTI DI TRADUZIONE · DUBBING V2 (ALPHA) · FAMILIAR IL 54.7% IN MENO · 111 DOPPIAGGI ACCOPPIATI
ELEVENLABS64
FAMILIAR29
FIG. 02 · DOPPIAGGI FINITI CON ALMENO UN PROBLEMA IMPORTANTE DI SIGNIFICATO · DUBBING V2 (ALPHA) · ELEVENLABS +56.5%
ELEVENLABS36/111
FAMILIAR23/111
270%

ElevenLabs ha prodotto il 270% in più di errori sui suoni di sottofondo: le risate, la musica, l'atmosfera.

11.92 CONTRO 3.22 dB MAE
+221%

ElevenLabs ha prodotto il 221% in più di errori sul volume di risate e reazioni.

3.32 CONTRO 1.04 dB · 18 CLIP / 54 CONFRONTI
+28.2%

Correlazione dell'andamento di risate e reazioni per Familiar: 0.960 contro 0.749. L'intervallo accoppiato al 95% esclude lo zero.

Risultati: ElevenLabs Dubbing v1 (il prodotto stabile)

418 PROVE CLIP-LINGUA38 CLIP11 LINGUEENTRAMBI I SISTEMI HANNO COMPLETATO OGNI PROVA
FIG. 03 · SOMIGLIANZA CON LA VOCE DI CHI PARLA · DUBBING V1 · FAMILIAR +27.8% · TUTTE E 11 LE LINGUE A FAVORE DI FAMILIAR
FAMILIAR0.4605
ELEVENLABS0.3604
FIG. 04 · ERRORE SPETTRALE SUL SOTTOFONDO · DUBBING V1 · dB, PIÙ BASSO È MEGLIO · REGIONI DI SCENA VERIFICATE
ELEVENLABS12.27 dB
FAMILIAR3.40 dB
+95.5%

ElevenLabs ha avuto il 95.5% in più di errori nel parlato segnalati in revisione.

258 CONTRO 132
+243.7%

Correlazione dell'andamento di risate e reazioni per Familiar: 0.759 contro 0.221, su regioni di evento verificate.

+10.2%

Naturalezza prevista per Familiar.

2.51 CONTRO 2.28 · ESPLORATIVO
DUBBING V2 (ALPHA)
LA DIMENSIONECopertura
IL RISULTATOFamiliar ha completato 38/38 clip di partenza; Dubbing v2 (Alpha) ha rifiutato la clip da 10.94 secondi, sotto il suo minimo di 11 secondi (37/38).
DUBBING V2 (ALPHA)
LA DIMENSIONESomiglianza con la voce di chi parla
IL RISULTATONon conclusiva con questo campione; una stima puntuale di +3.5% per Familiar, con un intervallo accoppiato che attraversa lo zero.
DUBBING V1
LA DIMENSIONETempistica dei transienti (effetti sonori e battute)
IL RISULTATOAnche qui a favore di Familiar: F1 0.947 contro 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

I limiti del flusso di lavoro che abbiamo incontrato

ELEVENLABS DUBBING3 LIMITI DEL PRODOTTOOSSERVATI IL 5 AGOSTO 2026
11 s

Durata minima della clip. La clip da 10.94 secondi del nostro set non si è potuta doppiare affatto.

20

Elementi per batch. Quattro video in sei lingue fanno già 24 risultati, più di quanti ne contenga un batch.

30

Richieste simultanee. Dieci video in dieci lingue sono 100 richieste: almeno quattro ondate di batch e di attese.

  • Familiar accetta clip di qualsiasi durata; un solo caricamento si estende a ogni lingua selezionata.

Prezzo

TUTTO INCLUSO

Un solo rendering di Familiar, per minuto finito e per lingua di destinazione: la traduzione, la voce stessa di chi parla, l'audio della scena e il lip sync, consegnati fino al 4K con un mix 5.1 nativo o stereo.

ACCESSO CON CONTRATTO STUDIO
$3

ElevenLabs Dubbing, per minuto doppiato e per lingua di destinazione. Solo audio.

PREZZO AL CHECKOUT · 5 AGO 2026
Con $3 si compra solo l'audio. Per arrivare a un rendering di Familiar devi ancora aggiungere il lip sync: il miglior strumento a sé, Sync.so, costa $8 al minuto, $11 in totale, e comunque senza un mix 5.1. La documentazione stessa di ElevenLabs: i doppiaggi sono «al massimo stereo… il 5.1 e gli altri audio multicanale non vengono conservati». Per avere una scala, il doppiaggio umano completo, traduzione più voce, costa da $70 a $150 per minuto finito; a quel prezzo per la maggior parte del mondo non è praticabile.
Limiti del prodotto e prezzi osservati il 5 agosto 2026; possono cambiare.

Lo studio completo sui prezzi, con le fonti: Quanto costa il doppiaggio nel 2026?

Il testo tradotto a confronto con i traduttori professionisti

Uno studio separato dell'agosto 2026 ha messo la traduzione di produzione di Familiar a confronto con traduttori professionisti esperti, con valutazione alla cieca contro revisioni di riferimento fatte da esperti.

Su francese, cinese, hindi e indonesiano, Familiar è alla pari con la loro prima stesura.

FIG. 05 · QUALITÀ DI TRADUZIONE RISPETTO ALLA PRIMA STESURA DEL PROFESSIONISTA ESPERTO · VALUTAZIONE ALLA CIECA · AGOSTO 2026
FRANCESE100.0%
CINESE98.2%
HINDI103.3%
INDONESIANO99.6%
LINEA TRATTEGGIATA = PRIMA STESURA DEL PROFESSIONISTA (100%)
100.3%

In media, rispetto alla qualità della prima stesura del professionista.

FRANCESE, CINESE, HINDI, INDONESIANO (PRIMA STESURA DEI TRADUTTORI PROFESSIONISTI ESPERTI)

Limiti

La revisione del significato è assistita da un modello e in un solo passaggio; una doppia revisione indipendente di madrelingua è in corso. Somiglianza con la voce e naturalezza su Dubbing v2 (Alpha): non conclusive con questo campione; mai unite al risultato su v1. Clip reali selezionate, non un campione probabilistico di tutti i video.

RIFERIMENTI

  1. [1]Benchmark Familiar vs ElevenLabs: risultati completi, intervalli ed esempi da ascoltare
  2. [2]Traduzione AI e traduzione umana: il confronto con i professionisti (lo studio completo sulla traduzione)
  3. [3]Documentazione di ElevenLabs Dubbing (prezzi in base alla durata della sorgente e al numero di lingue)
  4. [4]Centro assistenza ElevenLabs: quali formati di file supporta Dubbing (audio al massimo stereo; il 5.1 non viene conservato)

Traduzione multimodale

Familiar Labs realizza un doppiaggio di nuova generazione con un modello decisionale multimodale per la localizzazione (MLDM), il primo modello di fondazione per la traduzione multimodale: un solo modello decide cosa localizzare tra testo, audio e video, e ti mostra le scelte. La tua voce e le tue labbra, portate in nuove lingue. Un team di 8 persone con dottorati di ricerca, sostenuto da Samsung, RedBird e Gold House. La nostra missione

Guarda il benchmark completo →Parla con il team