結論
要点
- 1回の吹き替えリクエストで、1作品を最大29の対象言語へ。手動レビューのフラグを立てると、各言語はレビュー担当者が承認するまでレビューのステップで保留されます。
- 各言語はそれぞれの承認でレンダリングされるので、日本語がレビュー中でもスペイン語は先に公開できます。
- Webhookがすべての状態変化を通知します。レビュー待ちの吹き替え、言語ごとの出力完了、吹き替え全体の完了、あるいはエラー付きの失敗です。
- 2026年8月5日に同じクリップで測定したところ、ElevenLabs Dubbing v2 (Alpha)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。
01.なぜカバレッジが制約になるのか？
カタログには毎週新しい作品が加わります。一方、キャスティング、収録、ミックスを作品ごとに行うパイプラインは、言語を一定の速度でしか増やせません。その結果、各市場が自分の言語で観られる作品の量は、待ち行列の長さで決まってしまいます。
YouTubeのトップ100チャンネルのうち、英語以外のチャンネル数。
- 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。60分の作品を1言語に吹き替えると$4,200から$9,000です（吹き替えの費用はいくらか（2026年版））。
- 作品単位のパイプラインでは、言語ごとに別の待ち行列ができます。1作品を10言語にすれば、キャスティング、収録、ミックスの仕事が10件。もっとも遅い1件が公開日を決めます。
- 音声だけの吹き替えでは、口は元の言語を話し続けます。 視聴者は、耳にする言葉と食い違う口の動きを読み取ってしまいます（海外で吹き替えが「合わない」理由と、スタジオの解決策）。
02.アップロード時の吹き替えはどう動くか？
連携は1回で一巡します。アップロードのフローが1回リクエストを送り、APIが各ステップの状態を返し、完成したファイルはプラットフォーム自身のプレイヤーから配信されます。
| ステップ | 何が起きるか | プラットフォームが受け取るもの |
|---|---|---|
| アップロード | POST /v1/dubsに、ファイルまたは元動画のURL、最大29件の対象言語コード、review=manualを指定。元の言語は自動検出か指定です。 | dub_id、ステータスqueued、言語ごとに1件のoutputs[]エントリ |
| 文字起こしと翻訳 | 単語ごとのタイムスタンプ付きで文字起こしし、話者を分離。すべての行を、「翻訳しないリスト」とコンテキストを適用して翻訳します。 | ステータスtranscribing、続いてtranslating |
| レビュー | 吹き替えはin_reviewで一旦停止します。言語ごとに文字起こしをGETし、任意の行をPATCHし、1言語またはすべての言語に対してPOST /renderを送ります。 | dub.ready_for_review、続いて編集可能な文字起こし |
| レンダリング | 声とリップシンクを言語ごとに同時に生成。各言語はそれぞれ独自のステータスを持ちます。 | 言語ごとにdub.output_ready。すべての言語が仕上がるとdub.completed |
| 納品 | 言語ごとに1つの出力：完成したmp4、レビュー済みの文字起こしから生成した.srtと.vttの字幕、すべての音が入ったミックスまたは声だけのトラック、翻訳されたタイトルと説明。 | GET /v1/dubs/{dub_id}/output/{lang}。formatはmp4、srt、vtt、audio、voiceのいずれか |
- 失敗もイベントです。 dub.failedは言語とエラーを伴います。10秒以内に確認応答のない配信は24時間再試行され、重複はイベントIDで排除されます（Webhook）。
- 名前と決め台詞は保たれます。 「翻訳しないリスト」が話した通りの表記を守り、1行のコンテキスト（誰が画面に映り、どんな番組か）がすべての行の精度を高めます。どちらもクリエイタープロファイル、配信、単一の作品のいずれかにスコープを設定できます（翻訳しないリスト、コンテキスト）。
- メタデータは作品とともに移動します。 翻訳されたタイトルと説明が言語ごとに届き、リンク、@ハンドル、#ハッシュタグ、プロモコード、チャプターは元の表記のままです（メタデータ翻訳）。
03.ひとつのモデルは、なぜカバレッジの計算を変えるのか？
つなぎ合わせたパイプラインは、スループットと品質を引き換えにします。ツールが1つ増えるごとに処理が1回増え、請求書も1枚増え、2つのモデルはひとつのアイデンティティを保てません。ひとつの統合モデルは、声も、口元も、シーンも同時に生成します。
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 · ElevenLabs Dubbing v2 (Alpha) · 111ペアの出力 · 中国語（普通話）、スペイン語、日本語 · 2026年8月5日Familiarの声は本人に27.8%近く聞こえ、全11言語でFamiliarが上回りました。
0.4605 vs 0.3604 · ElevenLabs Dubbing v1 · 418ペアの出力 · 11言語 · 2026年8月5日重要な翻訳ミスは、Familiarのほうが54.7%少なくなりました（29件 vs 64件）。
ElevenLabs Dubbing v2 (Alpha) · 270%のタイルと同じ111ペアの出力 · 2026年8月5日- 翻訳品質は保たれます。 Familiarの翻訳は、フランス語、中国語、ヒンディー語、インドネシア語の平均で、熟練プロ翻訳者の一次翻訳の品質の100.3%。専門家が修正した参照訳を基準にブラインドで採点したもので（2026年8月6日）、つまり互角です（研究の詳細）。
- シーンは吹き替え後も残ります。 音楽は決して吹き替えません。歌はそのまま通り、笑い声、効果音、部屋の空気感は新しいセリフの下に残ります。画面に映る全員が、それぞれ本人の声で吹き替えられます。
04.どの作品から始めるか？
言語ごとの公開により、計画の単位は「ある言語のある作品」になります。市場は、承認の済んだ言語から順に開けていけます（複数国同時ローンチ：全市場をまとめて吹き替える）。
| ティア | 言語 |
|---|---|
| ティア1（14） | イタリア語、インドネシア語、英語、韓国語、広東語、スペイン語、タイ語、中国語（普通話）、ドイツ語、日本語、フランス語、ベトナム語、ポルトガル語、ロシア語 |
| ティア2（9） | オランダ語、カタルーニャ語、ギリシャ語、クロアチア語、スウェーデン語、スロバキア語、ノルウェー語、ブルガリア語、リトアニア語 |
| ティア3（7） | アラビア語、ウクライナ語、カザフ語、セルビア語、デンマーク語、ベラルーシ語、ラトビア語 |
- まずはもっともクリーンなフォーマットから。 カメラに2〜3人が映るポッドキャストやインタビュー、カメラ目線の動画、講義、プレゼンテーション、カメラ1台で撮ったクリーンなシーン。
- ティア1から始め、順に広げる。 30言語はどの言語からどの言語へも吹き替えられるので、ティアの順序がそのまま展開の順序になります（対応言語）。
- リスクに応じて振り分ける。 review=manualなら、市場のレビュー担当者がレンダリングするまで作品はin_reviewで保留されます。review=auto（デフォルト）はそのままレンダリングします。字幕ジョブは必ず停止します。字幕のテキストはレビューのステップから生成されるためです。
- 放送は別のレーンです。 ライブセッションは、SRT、RTMP、またはWHIP経由で元の配信から5〜9秒遅れで放送を吹き替え、11の元言語から残りの29言語へ、各言語の映像をそれぞれの配信先に送ります。ライブにはレビューのステップがありません（ライブ配信のリアルタイム吹き替え）。
05.自社のカタログでどうパイロット検証するか？
- いちばん難しい作品を選ぶ。 代表的な1エピソード、または連続した数話を、優先度の高い2〜3言語で。速いセリフ、ジョーク、セリフの下に流れる音楽、固有名詞、そして1回の後からの修正を含めます。
- 誰かが聴く前に、受け入れ基準を書いておく。 言葉、声、シーン、顔、タイミングをそれぞれネイティブのレビュー担当者が採点し、加えて修正サイクルの回数と、元の変更から承認済みの差し替えまでの時間を測ります。
- 修正の数を数える。 レビュー担当者がレビューのステップで変更した行の数と種類は、そのまま品質の指標です。すべての変更は吹き替えと字幕に反映されます。
ペア比較の設計、採点表、結果の読み方はAI吹き替えのパイロット検証の進め方（2026年版）にあります。ご利用はStudio契約で、カタログの規模に合わせてご用意します。年間契約の締結後30日間は返金保証付きです。
よくある質問
動画配信サービスは、現地語の吹き替えを速く増やすために何を使っていますか？
APIを通じたアップロード時の吹き替えです。作品ごとに1回のリクエストで最大29の対象言語へ、言語ごとにレビューのステップを置き、Webhookが各状態変化を通知し、完成した動画、字幕、音声トラック、翻訳されたタイトルと説明をプラットフォーム自身のプレイヤーから配信します。
吹き替えが速くなると、品質は落ちますか？
声、リップシンク、シーンがひとつのモデルから生まれる限り、落ちません。同じクリップで測ると（2026年8月5日）、ElevenLabs Dubbing v2 (Alpha)はFamiliarより背景音のエラーが270%多く発生しました。Familiarの翻訳は、フランス語、中国語、ヒンディー語、インドネシア語で熟練プロ翻訳者の一次翻訳の品質の100.3%。つまり互角です。
ある言語だけ先に公開できますか？
はい。review=manualでは各言語がin_reviewで保留され、それぞれの承認でレンダリングされます。langsのリストを付けたPOST /renderで、スペイン語は今日、残りはレビュー担当者の確認後に公開できます。各言語は、ファイルがダウンロード可能になった時点で独自のdub.output_ready Webhookを送ります。
比較のために、人による吹き替え一式の費用はいくらですか？
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。60分の作品を1言語に吹き替えると$4,200から$9,000です。プロの翻訳だけでも、公開されている単語単価で発話1分あたり$22から$45かかります。
プラットフォームはどの言語に吹き替えられますか？
30言語、どの言語からどの言語へも。30言語のいずれかの作品を残りの29言語へ吹き替えられ、公開している3つの品質ティアに品質の高い順に分かれています。ティア1は14言語、ティア2は9言語、ティア3は7言語で、各ティア内は五十音順です。
参考資料
吹き替えは、ついに良くなった。測定結果をご確認のうえ、お持ちのカタログについてチームにご相談ください。
FAMILIAR · ローンチムービー · 2:31