ӨЛШЕНГЕН ШОЛУ

ElevenLabs Dubbing шолуы: біз не өлшедік

FAMILIAR ЗЕРТТЕУЖАҢАРТЫЛҒАН БАРЛЫҚ МАҚАЛАЛАР

АҢДАТПА

ElevenLabs Dubbing тек аудио жасайды; бірдей клиптерде өлшегенде ElevenLabs Dubbing v2 (Alpha) өнімінде фондық дыбыс қатесі Familiar-ға қарағанда 270% көбірек болды (күлкі, музыка, атмосфера), ал Familiar сөйленген аудармада маңызды қателерді 54.7% азырақ жасады (29 vs 64; мандарин, испан және жапон тілдері бойынша 111 жұптық нәтиже, 2026 жылғы 5 тамыз). ElevenLabs Dubbing v1 өнімімен салыстырғанда Familiar дауысы нақты спикерге 27.8% ұқсасырақ, 11 тілдің бәрінде жақынырақ (418 жұптық нәтиже). Толық деректер мен тыңдау мысалдары: ElevenLabs бойынша толық бенчмарк.

ElevenLabs Dubbing деген не

DUBBING V1

  • Интеграциялардың көбі қолданатын тұрақты, бағдарламалық жол.

DUBBING V2 (ALPHA)

  • Сайт арқылы ұсынылатын жаңа өнім.

Екеуі де бейне не аудио файлды алып, оны транскрипциялайды, сценарийді аударады және аударманы түпнұсқа спикерге ұқсауға тиіс дауыспен оқиды.

Төмендегі өлшемдер аудионы аудиомен салыстырады.

ТЕК АУДИОЛИПСИНК ЖОҚБЕТ ӘЛІ ТҮПНҰСҚА ТІЛДЕ СӨЙЛЕЙДІ

Нені жақсы істейді

ЖЕТІЛГЕН, ЖАҚСЫ ҚҰЖАТТАЛҒАН API
Тұрақты эндпоинттер, қарапайым интеграция.
ӨТЕ КЕҢ ТІЛДЕР ТІЗІМІ
Мақсатты тіл кең таралған тілдерден алыс болғанда пайдалы.
МЫҚТЫ ДЕРБЕС МӘТІНДІ ДЫБЫСТАУ
Сценарий бойынша баяндау мен дикторлық мәтін үшін ол әлі де жетекші құрал.
САЛАДАҒЫ ЕҢ ІРІ БРЕНД
Дауысты клондау, ЖИ дубляжы немесе ЖИ липсинкін іздегенде адамдардың көбі алдымен табатын өнім.

Біз не өлшедік

Екі жұптық «қара жәшік» зерттеуі, екеуі де 2026 жылғы 5 тамызда жүргізілді.

  1. 01

    Әр жүйеге бірдей бастапқы клиптер мен мақсатты тілдер берілді.

  2. 02

    Пайдаланушы еститін соңғы аудио ғана бағаланды.

  3. 03

    Екі зерттеудің нәтижелері бөлек беріледі.

A ЗЕРТТЕУІ · DUBBING V1-МЕН САЛЫСТЫРУ
FIG. 01 · СПИКЕРГЕ ҰҚСАСТЫҚ · DUBBING V1 · FAMILIAR +27.8% · 11 ТІЛДІҢ БӘРІ
FAMILIAR0.4605
ELEVENLABS0.3604
+95.5%

ElevenLabs-та сөйленген нәтижеде тексеру белгілеген қателер 95.5% көбірек болды.

258 VS 132
+261%

ElevenLabs өнімінде фондық спектрлік қате 261% көбірек болды.

12.27 VS 3.40 dB
+10.2%

Familiar-дың болжамды табиғилығы.

2.51 VS 2.28 · БАРЛАУ СИПАТЫНДА
Күлкі мен реакция пішінінің корреляциясы: Familiar +243.7% жоғары, 0.759 vs 0.221. Дыбыстық эффектілер мен соққылар уақытының F1 көрсеткіші: Familiar +24.3% жоғары, 0.947 vs 0.762.
A ЗЕРТТЕУІ | 418 ЖҰПТЫҚ НӘТИЖЕ | 38 КЛИП | 11 ТІЛ | 2026 ЖЫЛҒЫ 5 ТАМЫЗДА ЖҮРГІЗІЛДІ
B ЗЕРТТЕУІ · DUBBING V2 (ALPHA)-МЕН САЛЫСТЫРУ
FIG. 02 · МАҢЫЗДЫ АУДАРМА ҚАТЕЛЕРІ · DUBBING V2 (ALPHA) · FAMILIAR 54.7% АЗЫРАҚ · 111 ЖҰПТЫҚ ДУБЛЯЖ
ELEVENLABS64
FAMILIAR29
FIG. 03 · МАҒЫНАСЫНДА МАҢЫЗДЫ ҚАТЕСІ БАР ДУБЛЯЖДАР · DUBBING V2 (ALPHA) 36/111 VS FAMILIAR 23/111 (+56.5%)
  • Мағынасында кемінде бір маңызды қатесі бар дубляждар32%
  • Мағынасында маңызды қатесі жоқ дубляждар68%
270%

ElevenLabs өнімінде фондық дыбыс қатесі 270% көбірек болды: күлкі, музыка, атмосфера.

11.92 VS 3.22 dB MAE
+221%

ElevenLabs өнімінде күлкі мен реакциялардың дыбыс деңгейі қатесі 221% көбірек болды.

3.32 VS 1.04 dB · 18 КЛИП / 54 САЛЫСТЫРУ
+28.2%

Familiar-дағы күлкі мен реакция пішінінің корреляциясы: 0.960 vs 0.749. Жұптық 95% интервал нөлді қамтымайды.

Спикерге ұқсастық: бұл іріктеме көлемінде анық емес (Familiar үшін нүктелік бағалау +3.5%; интервал нөлді қиып өтті); болжамды табиғилық та солай. Қамту: Familiar 38/38 бастапқы клиптің бәрін аяқтады; Dubbing v2 (Alpha) 10.94 секундтық клипті 11 секундтық минимумына жетпейді деп қабылдамады (37/38).
B ЗЕРТТЕУІ | 111 ЖҰПТЫҚ НӘТИЖЕ | МАНДАРИН, ИСПАН, ЖАПОН | 2026 ЖЫЛҒЫ 5 ТАМЫЗДА ЖҮРГІЗІЛДІ
FIG. 04 · БІРДЕЙ КЛИПТЕРДІҢ САПАЛЫҚ АУДИТІ · ELEVENLABS ҚАТЕЛЕРІ ТҮРЛЕРІ БОЙЫНША · 2026 ЖЫЛҒЫ 5 ТАМЫЗ
СӨЗДЕР45
КҮЛКІ/ЭФФЕКТ8
ДАУЫС ЖОҒАЛДЫ6
ҚАТАР СӨЙЛЕУ6
ОРЫНДАУ4
АТМОСФЕРА4
СӨЗДЕР
САНЫ45
ҚАЛАЙ ЕСТІЛЕДІТастап кетілді немесе ойдан қосылды.
КҮЛКІ/ЭФФЕКТ
САНЫ8
ҚАЛАЙ ЕСТІЛЕДІКүлкі мен дыбыстық эффектілер бұзылды.
ДАУЫС ЖОҒАЛДЫ
САНЫ6
ҚАЛАЙ ЕСТІЛЕДІСпикердің дауысы жоғалды.
ҚАТАР СӨЙЛЕУ
САНЫ6
ҚАЛАЙ ЕСТІЛЕДІСпикерлер бір дауысқа араласып кетті.
ОРЫНДАУ
САНЫ4
ҚАЛАЙ ЕСТІЛЕДІЖансыз болып шықты.
АТМОСФЕРА
САНЫ4
ҚАЛАЙ ЕСТІЛЕДІФондық шу қабаты алынып тасталды.

Сенімділік интервалдары, тілдер бойынша бөлу және тыңдау мысалдары: /benchmark/elevenlabs. Толық тікелей салыстыру: Familiar және ElevenLabs Dubbing: екі жұптық зерттеу.

Каталог ауқымындағы жұмыс шектеулері

2026 жылғы 5 тамызда байқалғаны:

11 с

Клиптің ең аз ұзақтығы. Одан қысқа шортстар, кіріспе көріністер мен реакция кесінділерін дубляждау мүмкін емес; біздің 10.94 секундтық клибіміз қабылданбады.

20

Бір топтамадағы элемент саны. Төрт бейнені алты тілге аудару 24 нәтиже береді, бұл бір топтамаға сыймайды.

30

Қатар жіберілетін сұраулар. Он бейнені он тілге аудару 100 сұрау: кемінде төрт толқын.

v1

Аударманы түзету. Қазіргі Dubbing v2 моделінде транскрипцияны түзету және аудионы API арқылы қайта генерациялау тек Enterprise тарифтерінде қолжетімді; толық редактор Dubbing Studio v1 моделінде жұмыс істейді, ол техникалық қызмет көрсету режимінде (олардың құжаттамасы, 2026 жылғы 30 қазан).

Бір бейнені бір тілге аудару үшін мұның бәрі маңызды емес. Мұрағат каталогы немесе көптілді арналар тізімі үшін нұсқаларды ElevenLabs-тың дубляждағы ең үздік баламалары салыстырады. Каталог пен шығарылымға арналған нұсқаулықтар: Стриминг платформалары жергілікті тіл олқылығын қалай жояды және Бірнеше елге бір мезгілде шығу: барлық нарықты бірден дубляждау.

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

Баға

БӘРІ ҚОСА

Familiar-дың бір рендері, әр мақсатты тілдегі дайын минутына: аударма, спикердің өз дауысы, көрініс дыбысы және липсинк, 4K-ға дейін, нағыз 5.1 немесе стерео микспен жеткізіледі.

STUDIO КЕЛІСІМШАРТЫ БОЙЫНША
$3

ElevenLabs Dubbing, әр мақсатты тілдегі дубляждалған минутына. Тек аудио.

ТӨЛЕМ БЕТІНДЕГІ БАҒА · 2026 ЖЫЛҒЫ 5 ТАМЫЗ

Липсинкті ең үздік жеке құрал Sync.so арқылы жалғау минутына тағы $8 қосады: барлығы $11, және бәрібір 5.1 миксіз. ElevenLabs-тың өз құжаттамасы өз дубляждарының аудиосы туралы:

…ең көбі стерео… 5.1 және басқа көпарналы аудио сақталмайды.
ElevenLabs Help Center, which file formats are supported by Dubbing

Салыстыру үшін: адам жасайтын толық дубляж, аударма мен дауыс қоса, дайын минутына $70-тан $150-ге дейін тұрады; мұндай бағамен ол әлемнің көп бөлігі үшін қолжетімсіз. Визуалды дубляждың жоғары деңгейі көмекші құралдар: Flawless TrueSync сияқты құралдарға VFX мамандарының командасы мен әр жобаға апталап уақыт керек, ал әр тіл жаңа жоба. ElevenLabs бір қадамда дубляждайды, бірақ жоғарыда өлшенген қалғанын құрбан етеді; Familiar бір қадамда сапаны береді.

Адам дубляжының бағаларын қоса алғандағы кеңірек баға көрінісі: 2026 жылы дубляж қанша тұрады?

Қорытынды

БЕЙНЕНІ ДУБЛЯЖДАУ

Өлшемдер басқа жаққа нұсқайды.

ДЕРБЕС ДАУЫС ГЕНЕРАЦИЯСЫ
ҚОРЫТЫНДЫElevenLabs әлі де жетекші құрал; сирек тілге тек аудио дубляж үшін ол жалғыз практикалық нұсқа болуы мүмкін.
БЕЙНЕНІ ДУБЛЯЖДАУ
ҚОРЫТЫНДЫЕкі зерттеуде де аударма қателері аз, көрініс дыбысының қатесі төмен; Dubbing v1-мен салыстырғанда дауыс нақты спикерге 27.8% жақынырақ.
ЭКРАНДА
ҚОРЫТЫНДЫЖаңа тілде сөйлейтін бет: липсинк және одан да кең, тұтас мимика.
АУДАРМА МӘТІНІ
ҚОРЫТЫНДЫТәжірибелі кәсіби аудармашылармен бөлек тестіленді және олардың бірінші нұсқасымен тең түседі (ЖИ аудармасы және адам аудармасы: кәсіпқойлармен салыстырып тестіленді).
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

30 ТІЛ, КЕЗ КЕЛГЕН БАҒЫТТААУДАРМА + ДАУЫС + КӨРІНІС ДЫБЫСЫ + ЛИПСИНК, БІР РЕНДЕР4K-ҒА ДЕЙІНГІ БЕЙНЕ · НАҒЫЗ 5.1 МИКСSTUDIO КЕЛІСІМШАРТЫ, КАТАЛОГЫҢЫЗДЫҢ КӨЛЕМІНЕ САЙ

ДЕРЕККӨЗДЕР

  1. [1]Familiar және ElevenLabs бенчмаркі: толық нәтижелер, интервалдар және тыңдау мысалдары
  2. [2]ЖИ аудармасы және адам аудармасы: кәсіпқойлармен салыстырып тестіленді (толық аударма зерттеуі)
  3. [3]ElevenLabs Dubbing құжаттамасы
  4. [4]ElevenLabs анықтама орталығы: Dubbing қай файл форматтарын қолдайды (аудио ең көбі стерео; 5.1 сақталмайды)

МУЛЬТИМОДАЛЬДЫ АУДАРМА

Familiar Labs мультимодальды локализациядағы шешім қабылдау моделі (MLDM) арқылы жаңа буын дубляжын жасайды. Бұл мультимодальды аудармадағы тұңғыш іргелі модель: ол мәтінде, дыбыста және бейнеде нені локализациялау керегін шешеді және таңдауларды сізге көрсетеді. Дауысыңыз бен ерін қимылыңыз жаңа тілдерге көшеді. Командада 8 адам, арасында PhD-лер бар; инвесторлары: Samsung, RedBird, Gold House. Біздің миссиямыз