PAAIŠKINIMAS

DI vaizdo įrašų dubliavimas, paaiškintas (2026)

FAMILIAR TYRIMAIATNAUJINTA VISI STRAIPSNIAI
SKAITYTI KITA KALBAEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

SANTRAUKA

DI vaizdo įrašų dubliavimas išverčia kalbą vaizdo įraše, o visa kita lieka: filmuota medžiaga, montažas, laikas, muzika ir, jei viskas padaryta gerai, pats kalbėtojas. Balsas lieka jo, o veidas juda kartu su naujais žodžiais: lūpų sinchronizavimas ir visa, kas toliau už lūpų.

Kas yra DI vaizdo įrašų dubliavimas?

DI vaizdo įrašų dubliavimasAPIBRĖŽIMAS

Dubliavimas pakeičia vaizdo įrašo kalbos takelį suvaidintu vertimu. DI vaizdo įrašų dubliavimas tai daro mašininiu mokymusi, o ne su aktoriumi kiekvienai kalbai: paties kalbėtojo vaidyba, perkelta į naują kalbą (Kodėl „Familiar“ nėra tradicinis generatyvinis DI).
  • Subtitrai prašo žiūrovo skaityti.
  • Užkadrinis įgarsinimas kalbėtojo pateiktį atiduoda diktoriui (abu palyginti straipsnyje Vaizdo įrašų vertimas: išsamus vadovas).
  • DI dubliavimas išsaugo tapatybę: kalbėtoją pažįstantis žmogus turėtų atpažinti tą patį asmenį.
BALSO PUSĖ · IEŠKOMA KAIP „BALSO KLONAVIMAS“VEIDO PUSĖ · IEŠKOMA KAIP „DI LŪPŲ SINCHRONIZAVIMAS“

Kur tai tinka: reklamos ir įmonių vaizdo įrašai, filmai ir TV, mikrodramos, kūrėjų kanalai, kuriuos valdo kūrėjų tinklai (daugiakanaliai tinklai) ir lokalizacijos operatoriai, platformų ir platintojų katalogai, transliacijos, mokymas.

Ką siunčiate ir ką gaunate

  1. 01

    Jūs atsiunčiate vaizdo įrašą.

  2. 02

    „Familiar“ kiekvieną vaizdo įrašą sustabdo peržiūros ekrane.

    Juokelis ar dviprasmiška replika grąžinama keliais variantais, iš kurių renkasi jūsų kūrybos direktoriai, o bet kurią eilutę galima redaguoti prieš dubliavimą.
  3. 03

    Grąžinamas visavertis dubliažas su šešiais dalykais.

TRANSKRIPCIJA
KAS TAIŠaltinio kalba, užrašyta tekstu.
VERTIMAS
KAS TAIIdiomos ir juokeliai perrašomi taip, kad suveiktų tiksline kalba; sąrašas „Neversti“ išlaiko vardus ir firmines frazes tokius, kaip ištarti.
BALSAS
KAS TAIIšversta eilutė ištariama paties kalbėtojo balsu, su jo pateiktimi.
LŪPŲ SINCHRONIZAVIMAS
KAS TAIBurna, žandikaulis ir veido išraiškos atitinka naują kalbą: lūpų sinchronizavimas ir visa, kas aplink jį.
SCENOS GARSAS
KAS TAIPo nauja kalba išsaugomas foninis sluoksnis: muzika, garso efektai, patalpos garsas.
PRISTATYMAS
KAS TAIPristatoma iki 4K su tikru 5.1 erdviniu arba stereo miksu, 24 bitų PCM.

Galimybė palikti skanduotę ar riksmą originalo kalba, pasirinkti kitą veidą ir nuspręsti, kurį tekstą ekrane versti, jau kuriama; kiekvienas sprendimas įrašomas kartu su projektu ir gali būti pakeistas.

Svetimo balso problema

Dauguma dubliažų neišlaiko tapatybės testo.

Balsas ateina iš vieno įrankio, veidas – iš kito, ir niekas jų nesieja su žmogumi. Pagalbiniai įrankiai šią spragą užpildo VFX specialistų komanda ir savaitėmis kiekvienam projektui; šiandieniai vieno ypo įrankiai ją palieka atvirą, o jų lūpų sinchronizavimas suklumpa, kai veidą dengia ranka ar mikrofonas, kai vaizdas neryškus, su bokeh efektu, filmuotas iš šono ar kai kadre keli žmonės. „Familiar“ – tai vienas ypas ir kokybė: jo multimodalinis lokalizavimo sprendimų modelis (MLDM), pirmasis pamatinis multimodalinio vertimo modelis, nauja paradigma, pirmoji tokio pobūdžio, sprendžia abu, taip pat ir tai, kas ekrane taria eilutę, todėl jie sutampa.
PIRMASIS PAMATINIS MULTIMODALINIO VERTIMO MODELIS
  • Balsas nuslysta į bendrinį.
  • Nepakitęs veidas prieštarauja naujam garsui.
  • Scena nuskurdinama.
  • Vienas per kitą kalbantys žmonės susilieja į vieną balsą (klasikinė kokteilių vakarėlio problema).
  • „YouTube“ automatinis dubliavimas pakeičia kalbėtojo balsą standartiniu svetimu balsu.

Studijos požiūriu: Kodėl dubliažas užsienyje neįtikina ir kaip studijos tai taiso.

FIG. 01 · ELEVENLABS DUBLIAVIMO KLAIDOS PAGAL KLASĘ · TŲ PAČIŲ KLIPŲ AUDITAS · 2026 M. RUGPJŪČIO 5 D.
Prarasti žodžiai45
Sugadinti įvykiai8
Ne tas balsas6
Kalbėtojai susilieja6
Plokščia pateiktis4
Scena nuskurdinta4

Suporuoti tyrimai tuose pačiuose klipuose patvirtina:

FIG. 02 · PANAŠUMAS Į KALBĖTOJĄ, DUBLIAŽAS PRIEŠ TIKRĄJĮ KALBĖTOJĄ · STABILUS DUBBING V1 · 418 SUPORUOTŲ REZULTATŲ · 11 KALBŲ
Familiar0.4605
ElevenLabs0.3604
  • „Familiar“ skamba 27.8% panašiau į tikrąjį kalbėtoją; visose 11 kalbų pirmenybė „Familiar“.
  • „Familiar“ padarė 48.8% mažiau peržiūros metu pažymėtų sakytinio rezultato klaidų (132 vs 258), tas pats tyrimas.

„Dubbing v2 (Alpha)“, atskiras tyrimas (111 suporuotų rezultatų; mandarinų, ispanų, japonų kalbos):

270%

„ElevenLabs“ turėjo 270% daugiau fono garso klaidų: juokas, muzika, aplinkos garsai.

11.92 VS 3.22 DB · DUBBING V2 (ALPHA)
54.7%

„Familiar“ padarė 54.7% mažiau svarbių sakytinio vertimo klaidų.

29 VS 64 · DUBBING V2 (ALPHA)
+28.2%

„Familiar“ juoko ir reakcijų formos koreliacija buvo didesnė.

0.960 VS 0.749 · DUBBING V2 (ALPHA)

Visas tiesioginis palyginimas – straipsnyje „Familiar“ ir „ElevenLabs“ dubliavimas: du suporuoti tyrimai.

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

Ką patikrinti prieš patikint įrankiui savo katalogą

Paleiskite vieną trumpą klipą per bet kurį įrankį ir patikrinkite šešis dalykus (sezono ar katalogo bandomajam projektui – Kaip vykdyti DI dubliavimo bandomąjį projektą (2026)):

  • Užmerktų akių testas. Paleiskite dubliažą be vaizdo. Kalbėtoją pažįstantis žmogus vis tiek turėtų pasakyti, kad tai jis.
  • Veidas. Lūpų sinchronizavimas turėtų neapsiriboti lūpomis: burna, žandikaulis ir veido išraiškos juda kartu su naujais žodžiais.
  • Fonas. Muzika, garso efektai ir patalpos garsas turėtų išlikti po nauja kalba.
  • Trukmės ir partijų apribojimai. „ElevenLabs“ atmeta viską, kas trumpesnė nei 11 sekundžių (stebėta 2026 m. rugpjūčio 5 d.).
  • Pirmiausia pristatymo specifikacija, tada kaina. Kokia raiška grąžinama, ar miksas tikras 5.1, ar stereo, ir ką apima viena galutinė minutė, kai įskaičiuoti vertimas, balsas, lūpų sinchronizavimas ir scenos garsas.
  • Taisymas prieš paskelbimą. Ar galite redaguoti išverstą eilutę prieš dubliavimą?
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
Paklauskite, kur apdorojama medžiaga. „Familiar“ tai privatus apdorojimas: mums priklausantis dešimčių milijonų dolerių vertės NVIDIA B300 GPU klasteris Toronte, Kanadoje, niekada ne viešasis debesis ir ne trečiųjų šalių DI skaičiavimo paslaugų teikėjai, todėl jūsų medžiaga niekada nenuteka.
PRIVATUS APDOROJIMAS · TORONTAS, KANADA

Kiek tai kainuoja

FIG. 03 · KAINA UŽ GALUTINĘ MINUTĘ KIEKVIENAI TIKSLINEI KALBAI · ELEVENLABS = $3/MIN ATSISKAITYMO PUSLAPIO KAINA · 2026 M. RUGPJŪČIO 5 D. · INTERVALŲ VIDURIO TAŠKAI
ElevenLabs$3 tik garsas
Žmogaus balsas$39–94
Žmonių dubliažas$70–150
  • Visavertis žmonių dubliažas, vertimas plius balsas, kainuoja $70–150 už galutinę minutę, todėl net didžiausios produkcijos dubliuojamos vos keliomis kalbomis, o mažesnės produkcijos, laidos ir vertikalios dramos nedubliuojamos visai; balso eilutės – tai vien paskelbti balso ir studijos paketai.
  • Vienas „Familiar“ dubliažas apima viską: vertimą, paties kalbėtojo balsą, scenos garsą ir lūpų sinchronizavimą, pristatoma iki 4K su tikru 5.1 arba stereo miksu; nė vienas aukščiau nurodytas įkainis neapima lūpų sinchronizavimo.
  • Prieiga: pagal „Studio“ sutartį, pritaikytą jūsų katalogui; 30 dienų pinigų grąžinimo garantija pasirašius metinę sutartį (/pricing).

KALBOS

30

Iš bet kurios į bet kurią.

DUBLIAVIMAS TIK GARSU

Kiekvienai kalbai

Tinklalaidėms ir balso takeliams.

ŠALTINIAI

  1. [1]„Familiar“ prieš „ElevenLabs“ lyginamasis testas: visi rezultatai, intervalai ir klausymo pavyzdžiai
  2. [2]„ElevenLabs Dubbing“ dokumentacija (kaina pagal šaltinio trukmę ir kalbų skaičių)

Multimodalinis vertimas

„Familiar Labs“ kuria naujos kartos dubliažą, pasitelkdama multimodalinį lokalizavimo sprendimų modelį (MLDM), pirmąjį pamatinį multimodalinio vertimo modelį: vienas modelis sprendžia, ką lokalizuoti tekste, garse ir vaizde, ir parodo jums pasirinkimus. Jūsų balsas ir lūpos, perkelti į naujas kalbas. Tai 8 žmonių komanda su mokslų daktarais, kurią remia „Samsung“, „RedBird“ ir „Gold House“. Mūsų misija

Žiūrėti visą lyginamąjį testą →Pasikalbėti su komanda