測定レビュー

ElevenLabs吹き替えレビュー：測定した結果

FAMILIAR 研究更新日 記事一覧
他の言語で読むEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

要旨

ElevenLabs Dubbingは音声のみです。同じクリップで測ると、ElevenLabs Dubbing v2 (Alpha)はFamiliarより笑い声や音楽、空気感といった背景音のエラーが270%多く発生し、話し言葉の重要な翻訳ミスはFamiliarのほうが54.7%少なくなりました（29件 vs 64件。中国語、スペイン語、日本語の111ペアの出力、2026年8月5日）。ElevenLabs Dubbing v1との比較では、Familiarの声は本人に27.8%近く聞こえ、全11言語でより近いと測定されました（418ペアの出力）。全データと試聴サンプル：ElevenLabsベンチマークの全結果。

ElevenLabs Dubbingとは

DUBBING V1

  • 多くの連携で使われている、安定したプログラム向けの経路。

DUBBING V2 (ALPHA)

  • Webサイトから提供される新しい製品。

どちらも動画か音声ファイルを受け取り、書き起こし、台本を翻訳し、元の話し手に合わせた声で翻訳を読み上げます。

以下の測定は、音声と音声の比較です。

音声のみリップシンクなし顔は元の言語のまま話す

得意なこと

成熟した、ドキュメントの充実したAPI
安定したエンドポイントで、連携しやすい。
非常に幅広い対応言語
対象言語が主要言語から大きく外れる場合に役立ちます。
単体でも強力な音声合成
台本からのナレーションやボイスオーバーでは、今も代表的なツールです。
この分野で最大のブランド
ボイスクローン、AI吹き替え、AIリップシンクを検索すると、多くの人が最初に見つける製品です。

測定したこと

ペア比較のブラックボックス型研究を2つ、どちらも2026年8月5日に実施しました。

  1. 01

    同じ元クリップと対象言語を各システムに通しました。

  2. 02

    評価したのは、ユーザーに届く最終的な音声だけです。

  3. 03

    2つの研究は別々に報告しています。

研究A · VS DUBBING V1
FIG. 01 · 声の本人らしさ · DUBBING V1 · FAMILIAR +27.8% · 全11言語
FAMILIAR0.4605
ELEVENLABS0.3604
+95.5%

ElevenLabsは、レビューで指摘された話し言葉の出力ミスが95.5%多くなりました。

258 VS 132
+261%

ElevenLabsは、背景音のスペクトル誤差が261%多く発生しました。

12.27 VS 3.40 dB
+10.2%

Familiarの予測自然さ。

2.51 VS 2.28 · 探索的
笑い声やリアクションの形状の相関：Familiarが+243.7%高く、0.759 vs 0.221。効果音とビートのタイミングのF1：Familiarが+24.3%高く、0.947 vs 0.762。
研究A | 418ペアの出力 | 38クリップ | 11言語 | 2026年8月5日に実施
研究B · VS DUBBING V2 (ALPHA)
FIG. 02 · 重要な翻訳ミス · DUBBING V2 (ALPHA) · FAMILIARが54.7%少ない · 111ペアの吹き替え
ELEVENLABS64
FAMILIAR29
FIG. 03 · 重要な意味の問題を含む吹き替え · DUBBING V2 (ALPHA) 36/111 VS FAMILIAR 23/111（+56.5%）
  • 重要な意味の問題が1つ以上ある吹き替え32%
  • 重要な意味の問題がない吹き替え68%
270%

ElevenLabsは、笑い声や音楽、空気感といった背景音のエラーが270%多く発生しました。

11.92 VS 3.22 dB MAE
+221%

ElevenLabsは、笑い声やリアクションの音量エラーが221%多く発生しました。

3.32 VS 1.04 dB · 18クリップ / 54比較
+28.2%

笑い声やリアクションの形状の相関はFamiliarが0.960、ElevenLabsが0.749。ペアの95%信頼区間はゼロを含みません。

声の本人らしさ：このサンプル数では結論が出ません（点推定はFamiliarが+3.5%、信頼区間はゼロをまたぐ）。予測自然さも同様です。対応範囲：Familiarは元クリップ38/38本をすべて吹き替え、Dubbing v2 (Alpha)は最短11秒の制限により10.94秒のクリップを受け付けませんでした（37/38）。
研究B | 111ペアの出力 | 中国語、スペイン語、日本語 | 2026年8月5日に実施
FIG. 04 · 同じクリップでの定性監査 · ELEVENLABSの不具合の種類別 · 2026年8月5日
言葉45
笑い声/効果音8
声の消失6
声の重なり6
話しぶり4
空気感4
言葉
件数45
どう聞こえるか抜け落ちるか、元にない言葉が加わる。
笑い声/効果音
件数8
どう聞こえるか笑い声や効果音が壊れる。
声の消失
件数6
どう聞こえるか話し手本人の声が失われる。
声の重なり
件数6
どう聞こえるか複数の話し手がひとつの声に混ざる。
話しぶり
件数4
どう聞こえるか平板になる。
空気感
件数4
どう聞こえるかノイズの土台が取り除かれる。

信頼区間、言語別の内訳、試聴サンプル：/benchmark/elevenlabs。直接比較の全文：Familiar vs ElevenLabsの吹き替え：2つのペア比較研究。

カタログ規模でのワークフローの制限

2026年8月5日に確認：

11秒

クリップの最短の長さ。これより短いショート動画、コールドオープン、リアクションの切り抜きは吹き替えられず、私たちの10.94秒のクリップも受け付けられませんでした。

20

1バッチあたりの件数。動画4本を6言語にすると24件の出力になり、1バッチに収まりません。

30

同時リクエスト数。動画10本を10言語にすると100リクエスト。少なくとも4回に分かれます。

v1

翻訳の編集。現行のDubbing v2では、APIによる書き起こしの編集と音声の再生成はEnterpriseプランのみ。本格的なエディターであるDubbing Studioはv1モデルで動き、メンテナンスモードにあります（同社のドキュメント、2026年10月30日）。

動画1本を1言語にするだけなら、どれも問題になりません。バックカタログや多言語チャンネルを多数抱える場合は、吹き替えに使えるElevenLabsの代替ツール（2026年）で比較しています。カタログとローンチのプレイブック：動画配信プラットフォームは現地語吹き替えの不足をどう埋めるか、複数国同時ローンチ：全市場をまとめて吹き替える。

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

価格

ALL-IN

Familiarの一度のレンダリングに、対象言語ごと・仕上がり1分ごとに含まれるもの：翻訳、話し手本人の声、シーンの音、リップシンク。最大4K映像と、ディスクリート5.1chサラウンドかステレオのミックスで納品します。

STUDIO契約でご利用
$3

ElevenLabs Dubbing、対象言語ごと・吹き替え1分あたり。音声のみ。

チェックアウト時の見積もり · 2026年8月5日

単体ツールで最も優れたSync.soでリップシンクをつなぐと1分あたり$8が加わり、合計$11。それでも5.1chミックスはありません。ElevenLabsのドキュメントは、吹き替えの音声について次のように述べています。

…最大でステレオ…5.1chやその他のマルチチャンネル音声は保持されません。
ElevenLabs Help Center, which file formats are supported by Dubbing

参考までに、翻訳も声も人が手がける吹き替え一式は、仕上がり1分あたり$70から$150。その費用では、世界の大半にとって現実的ではありません。映像まで含めた高品質な領域は支援型です。Flawless TrueSyncのようなツールは、VFXアーティストのチームと、プロジェクトごとに数週間を必要とし、言語が変わればまた新しいプロジェクトです。ElevenLabsは一度で吹き替えますが、上で測定したそれ以外のすべてを手放しています。Familiarは、一度で、しかも品質を保ちます。

人による吹き替えの料金を含む、価格の全体像：2026年、吹き替えの費用はいくら？

結論

動画の吹き替え

測定結果が示すのは、別の選択肢です。

単体での音声生成
結論ElevenLabsは今も代表的なツールです。ロングテールの言語への音声のみの吹き替えなら、現実的な選択肢はそれしかないかもしれません。
動画の吹き替え
結論両研究で、翻訳ミスが少なく、シーンの音のエラーも低い。Dubbing v1との比較では、声が本人に27.8%近い。
画面の上
結論新しい言語で話す顔。リップシンクに加え、その先の表情まで含めた演技。
翻訳テキスト
結論熟練プロ翻訳者と別に比較し、その一次翻訳と互角（AI翻訳 vs 人間の翻訳：プロと比較検証）。
HeyGenHeyGenElevenLabsElevenLabsHeyGen + ElevenLabsONE-SHOT TOOLS · NO CONTROL

One shot today means giving up the rest.

The one-shot tools today give up the rest: the translation cannot be edited, the music and the room drop out, the voice drifts, and the lips fail on a hand over the face, a microphone, blur, bokeh, a side view or several people in frame. No spatial reasoning, no understanding of the world, no control. ElevenLabs' current Dubbing v2 edits only through an Enterprise API, and its full editor is the older model, in maintenance mode; HeyGen stitches a lip-sync over a dub like that, and the lip-sync breaks on the ordinary shots of any episode. Familiar is one shot and the quality: translation first, reviewed; then the voice, the lips and the scene together, through the hard shots.

54.7%

FEWER TRANSLATION ERRORS · FAMILIAR VS ELEVENLABS DUBBING V2

270%

ELEVENLABS MORE BACKGROUND-SOUND ERROR · THE LAUGHTER, THE MUSIC, THE AMBIENCE

+27.8%

FAMILIAR CLOSER TO THE REAL SPEAKER

FAMILIAR · ONE SHOT AND THE QUALITYFamiliar vs Flawless TrueSync The ElevenLabs study The demos
30言語、どの言語からどの言語へも翻訳＋声＋シーンの音＋リップシンクを、一度のレンダリングで最大4K映像 · ディスクリート5.1chミックスSTUDIO契約で、カタログの規模に合わせて

参考資料

  1. [1]Familiar vs ElevenLabsベンチマーク：全結果、信頼区間、試聴サンプル
  2. [2]AI翻訳 vs 人間の翻訳：プロと比較検証（翻訳研究の全文）
  3. [3]ElevenLabs Dubbingのドキュメント
  4. [4]ElevenLabsヘルプセンター：Dubbingが対応するファイル形式（音声は最大でステレオ、5.1chは保持されない）

マルチモーダル翻訳

Familiar Labsは、マルチモーダル・ローカライゼーション意思決定モデル（MLDM）で次世代の吹き替えを手がけています。MLDMは、マルチモーダル翻訳のための初の基盤モデルです。テキスト、音声、映像のすべてにわたって何をローカライズするかをひとつのモデルが判断し、選択肢をあなたに示します。あなたの声と口元を、新しい言語へ。博士を擁する8人のチームを、Samsung、RedBird、Gold Houseが支援しています。 私たちのミッション

ベンチマークの全結果を見る →チームに相談