完全ガイド

動画翻訳の完全ガイド（2026年）

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

動画を翻訳する方法は4つあります。字幕、別人の声によるボイスオーバー、話し手本人の声による音声のみの吹き替え、そして声とリップシンクの吹き替えです。最後の方法では演技そのものが翻訳されます。リップシンクと、その先まで。動画を英語にするにも、スペイン語にするにも、カタログ全体を30言語にするにも、それぞれの方法で何が残り、1分あたりいくらかかり、どう選べばよいかをまとめました。

動画を翻訳する4つの方法

方法別に残るもの · 仕上がり1分あたりの料金（1言語）
方法言葉声顔シーン一般的な料金
字幕聞くのではなく読む残る（元の音声）残る残るFamiliarのどの吹き替えにも付属 · プロの翻訳で約$10/分
ボイスオーバー（従来の吹き替え）別人が話す置き換わる元の言語のまま口が動くスタジオのミックス次第翻訳も声も人が手がける一式で$70から$150 · 音声パッケージのみなら$39から$94 · プレミアムなスタジオでは$128から
音声のみの吹き替え話す話し手本人の声元の言語のまま口が動く劣化することが多い（セクション02で測定）$3（ElevenLabsの決済時の見積もり、2026年8月5日）、音声のみ
声とリップシンクの吹き替え話す話し手本人の声新しい言語に合わせてリップシンク、最大4K音楽、効果音、空気感を保持。ディスクリート5.1chかステレオのミックスFamiliar：一度のレンダリング、Studio契約で

YOUTUBEの自動吹き替え · ボイスオーバー

  • YouTubeの自動吹き替えもボイスオーバーも、話し手に別の声をかぶせます。

音声のみの吹き替え

  • 音声のみの吹き替えは「ボイスクローン」として検索されることが多く、声は残りますが、口は元の言語のまま動いています。

声とリップシンクの吹き替えAIリップシンク

多くの人が検索するAIリップシンクを、顔全体にまで広げたものです。詳しくはAI動画吹き替えとは：わかりやすく解説（2026年）。
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

品質とは何か、どう測るか

公正なテストはペア比較です。同じ元の動画を、それぞれのシステムに通します。

ElevenLabsとの2つのペア比較研究（合算はしていません）を/benchmark/elevenlabsで公開しています。評価の観点は次のとおりです：

意味ボイスクローンシーンの背景音過渡音のタイミング
FIG. 01 · レビューで指摘された話し言葉の出力ミス · 安定版DUBBING V1 · 418ペアの出力 · 11言語
ElevenLabs258
Familiar132
  • 同じ研究で、Familiarの声は本人に27.8%近く聞こえました（0.4605 vs 0.3604）。
  • 全11言語でFamiliarが上回りました。
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

111ペアの出力によるDubbing v2 (Alpha)の研究でも、同じ傾向が出ています：

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 · DUBBING V2 (ALPHA)
54.7%

話し言葉の重要な翻訳ミスが、Familiarは54.7%少なくなりました。

29 VS 64 · DUBBING V2 (ALPHA)
+28.2%

笑い声やリアクションの形状の相関で、Familiarが上回りました。

0.960 VS 0.749 · DUBBING V2 (ALPHA)

翻訳品質はどこまで届くか

2026年8月、Familiarを熟練プロ翻訳者と比較し、専門家が修正した参照訳を基準にブラインドで採点しました。

FIG. 02 · 熟練プロ翻訳者の一次翻訳に対する翻訳品質 · 破線 = プロの100%
フランス語100.0%
中国語98.2%
ヒンディー語103.3%
インドネシア語99.6%
フランス語、中国語、ヒンディー語、インドネシア語（熟練プロ翻訳者の一次翻訳）

もう半分はコントロールです。マルチモーダル翻訳のための初の基盤モデルであり、新たなパラダイム、これまでにない、初めてのモデルであるFamiliarのマルチモーダル・ローカライゼーション意思決定モデル（MLDM）は、ここでその判断を見せます：

翻訳しないリスト
「翻訳しないリスト」が、名前や決め台詞を話し手が言ったとおりに残します。
ジョークと含みのある台詞
ジョークや含みのある台詞は、それぞれ理由を添えた複数の訳になって返ってきて、クリエイティブディレクターが選びます。
レビュー画面
どの動画もレビュー画面で一旦停止し、レンダリング前にどの行でも編集できます。すべての判断はジョブとともに記録され、上書きもできます。
開発中
チャントや掛け声を元の言語のまま残すこと、台詞ごとに別の顔を選ぶこと、映像の中のどの文字を訳すかを選ぶこと。
初のマルチモーダル翻訳基盤モデル

1分あたりの費用

FIG. 03 · 仕上がり1分あたりの料金（対象言語ごと） · ELEVENLABS = 決済時の見積もり$3/分 · 2026年8月5日 · 幅のある料金は中央値で表示
ElevenLabs$3 音声のみ
字幕（プロ）~$10 テキストのみ
人の声$39–94
人による吹き替え一式$70–150
スタジオ吹き替え$128から
これらの料金には、どれもリップシンクが含まれていません。リップシンクを支援型で実現するには、VFXアーティストのチームと、プロジェクトごとに数週間が必要です。一度で仕上げる今のツールは速い代わりに、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。MLDMによる一度のレンダリングに、翻訳、話し手本人の声、シーンの音、リップシンクがすべて入ります。
字幕の数値は、研究対象の11言語におけるプロの料金の中央値です。

映像

最大4K

ミックス

ディスクリート5.1chかステレオ

字幕

.srt · .vtt

どの吹き替えにも付き、NetflixのTimed Text Style Guide（字幕スタイルガイド）に沿って区切ります。2行まで、1行42文字、1秒あたり最大17文字。

ご利用

Studio契約

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。

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分の動画1本を1言語にするだけで$4,200から$9,000。そのため、トップクラスの作品でさえ吹き替えるのは数言語だけで、小規模な作品や番組、ショートドラマはそもそも吹き替えません。

ご利用について：/pricing。料金調査の全文：2026年、吹き替えの費用はいくら？

コンテンツの種類で選ぶ

顔出しで話す動画
決め手になることメッセージを運ぶのは顔なので、声とリップシンクの吹き替えが合います。
ポッドキャストとインタビュー
決め手になること複数の話し手が、それぞれ本人の声を保つ必要があります。
映画とテレビ
決め手になること吹き替えが観られるものになるかは、音楽、効果音、リアクションのタイミングで決まります。セクション02でそれを測っています。スタジオ向けのガイド：海外で吹き替えが「合わない」理由と、スタジオの解決策、映画に最適なAI吹き替えとは？
配信カタログ
決め手になること制約はカバー率です。アップロード時に吹き替え、言語ごとにレビューし、承認された言語から公開します。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。
ショートドラマ
決め手になること毎日のエピソードを俳優本人の声で。名前や決め台詞は、シリーズ単位の「翻訳しないリスト」で守ります。毎日配信のショートドラマを吹き替える。
同時ローンチ
決め手になることひとつのリクエストですべての対象言語へ。市場ごとに、それぞれの承認で公開します。複数国同時ローンチ：全市場をまとめて吹き替える。
講座と講義
決め手になることリスクは専門用語です。技術用語は「翻訳しないリスト」に入れ、レビュー画面で確認してください。
説教
決め手になること多言語の会衆に届ける毎週の録画を、通訳者の声ではなく話し手本人の声で。
ライブ配信
決め手になることここに合うのはライブ吹き替えだけです。字幕や収録後の吹き替えでは間に合いません。Familiarのライブ吹き替えは開発中です。
広告と製品動画
決め手になること尺が短いので吹き替え一式でも小さな費用で済み、創業者やスポークスパーソン本人の声が信頼を運びます。
FIG. 04 · 登録者数上位100のYOUTUBEチャンネル（言語別）
  • 英語以外64%
  • 英語36%

Familiarの30言語は、どの言語からでも、どの言語へでも。スペイン語や韓国語のチャンネルも動画を英語にでき、最大の視聴者層に届きます。

参考資料

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates（2026年10月30日に参照）
  2. [2]Familiar vs ElevenLabsベンチマーク：全結果、信頼区間、試聴サンプル
  3. [3]AI翻訳 vs 人間の翻訳：プロと比較検証（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