直接比較ベンチマーク

Familiar vs YouTubeの自動吹き替え：固定コホートによる研究

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

固定した50ペアのコホート（アラビア語、スペイン語、フランス語、ヒンディー語、韓国語。2026年8月8日に取得）で、FamiliarはYouTubeの自動吹き替えより声の本人らしさが182.9%高く（0.399 vs 0.141）、重要な内容が変わったり抜けたりした箇所は70.3%少なくなりました（528件中43件 vs 145件）。YouTubeは背景音のエラーが232.6%多く発生しました（11.21 vs 3.37 dB）。笑い声などの音声イベントでもFamiliarが上回りました。使える自動吹き替えがあったのは元クリップ43本中25本で、Familiarは43本すべてを吹き替えました。全データと同期再生の試聴サンプル6本：YouTubeベンチマークの全結果。

方法

ペア

50

固定コホート。元クリップ1本×対象言語1つ。

言語

5

アラビア語、スペイン語、フランス語、ヒンディー語、韓国語。

取得日

2026年8月8日

提供状況

43本中25本

使えるYouTube自動吹き替えがあった元クリップ。Familiarは43本すべてを吹き替え。

ペア比較、ブラックボックス型
採点方法元クリップ1本×対象言語1つ。両システムの完成した最終音声で比較。
タイミングに敏感な指標
採点方法元のタイムラインとの整合を独立に検証できた31ペアのみ（許容40 ms。不確かなレーンは除外）。
イベント指標
採点方法笑い声やリアクションの区間を人が検証した14レーン。
YouTubeが提供していないレーン
採点方法提供なしと明示し、ゼロ点として採点することはありません。
意味のレビュー
採点方法実際に話された音声を判定。妥当な言い換えや背景の小さなリアクションはミスとしません。CER/WERは対象外。

声：YouTubeは他人の声

YouTubeの自動吹き替えは他人の声で話します。Familiarは、元の話し手本人の声のままです。

完全に整合した31ペアで測った、本人の声との近さ（声の本人らしさ）：

FIG. 01 · 声の本人らしさ (SIM-O) · 整合した31本の吹き替え · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

意味

レビューした50本の吹き替えに含まれる重要な元の内容528件のうち、YouTubeは145件を変えたり落としたりしました。Familiarは43件です。

FIG. 02 · 変わったり抜けたりした重要な元の内容 · 528件中 · FAMILIARが70.3%少ない
YOUTUBE145
FAMILIAR43
34/50

話し言葉の意味に重要な問題があったYouTubeの吹き替え

18/50

話し言葉の意味に重要な問題があったFamiliarの吹き替え

12 vs 0

致命的な意味の誤り、YouTube vs Familiar

シーンとリアクション

FIG. 03 · 背景音のスペクトル誤差 · 発話のない区間 · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 vs 0.236

笑い声・リアクションの形状の相関 · 14のイベントレーン

0.11 vs 3.36 dB

笑い声・リアクションの音量エラー · 14のイベントレーン

25/43

使えるYouTube自動吹き替えがあった元クリップ。Familiarは43本すべてを吹き替え

Familiarは、完成した吹き替えを最大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。

限界

取得したコホートについての固定ブラックボックス研究です。YouTubeのすべての吹き替え、すべての言語、将来のプラットフォームのバージョンについて述べるものではありません。
コホート限定
モデルによる診断指標で、人による聴取テストではありません。不確実性は大きめです。
予測自然さ · UTMOS 2.12 VS 1.85
記述的な数値です。信頼区間はゼロに接しています。
過渡音のタイミング · F1 1.000 VS 0.789

参考資料

  1. [1]Familiar vs YouTubeの自動吹き替え：全結果、方法、試聴サンプル
  2. [2]Familiarのすべてのベンチマーク：ElevenLabs、YouTube、人間の翻訳者
  3. [3]YouTubeヘルプ：自動吹き替えを使用する
  4. [4]YouTube自動吹き替えレビュー：測定した結果（2026年）

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