TIESIOGINIS LYGINAMASIS TESTAS

„Familiar“ ir „YouTube“ automatinis dubliavimas: užfiksuotos imties tyrimas

FAMILIAR TYRIMAIATNAUJINTA VISI STRAIPSNIAI

SANTRAUKA

Užfiksuotoje 50 porų imtyje (arabų, ispanų, prancūzų, hindi, korėjiečių; surinkta 2026 m. rugpjūčio 8 d.) „Familiar“ panašumas į kalbėtoją buvo 182.9% didesnis nei „YouTube“ automatinio dubliavimo (0.399 vs 0.141), o pakeistų ar prarastų svarbių minčių – 70.3% mažiau (43 vs 145 iš 528). „YouTube“ turėjo 232.6% daugiau fono garso klaidų (11.21 vs 3.37 dB). „Familiar“ pirmavo ir pagal balso reakcijas. Tinkamas automatinis dubliažas buvo 25 iš 43 šaltinio klipų; „Familiar“ dubliavo visus 43. Visi duomenys ir šeši sinchronizuoti klausymo pavyzdžiai: visas „YouTube“ lyginamasis testas.

Metodika

PORŲ

50

Užfiksuota imtis; vienas šaltinio klipas × viena tikslinė kalba.

KALBŲ

5

Arabų, ispanų, prancūzų, hindi, korėjiečių.

SURINKTA

2026 m. rugpjūčio 8 d.

PRIEINAMUMAS

25 iš 43

Šaltinio klipai su tinkamu „YouTube“ automatiniu dubliažu; „Familiar“ dubliavo visus 43.

SUPORUOTA, JUODOSIOS DĖŽĖS PRINCIPU
KAIP VERTINAMAVienas šaltinio klipas × viena tikslinė kalba; visas galutinis abiejų sistemų garsas.
LAIKUI JAUTRŪS MATAI
KAIP VERTINAMATik 31 pora su nepriklausomai patikrintu sulygiavimu su šaltinio laiko juosta (40 ms riba; abejotini takeliai atmetami).
REAKCIJŲ MATAI
KAIP VERTINAMA14 takelių su žmogaus patikrintomis juoko ar reakcijų atkarpomis.
NEPRIEINAMI „YOUTUBE“ TAKELIAI
KAIP VERTINAMALieka pažymėti atskirai ir niekada nevertinami nuliu.
PRASMĖS PERŽIŪRA
KAIP VERTINAMAVertinama pristatyta kalba; tinkamos perfrazės ir smulkios fono reakcijos klaidomis nelaikomos; CER/WER neįtraukti.

Balsas: jų – svetimo žmogaus

„YouTube“ automatinis dubliažas kalba svetimu balsu; „Familiar“ išsaugo originalaus kalbėtojo balsą.

31 tiksliai sulygiuotoje poroje panašumas į tikrąjį kalbėtoją:

FIG. 01 · PANAŠUMAS Į KALBĖTOJĄ (SIM-O) · 31 SULYGIUOTAS DUBLIAŽAS · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

Prasmė

Iš 528 svarbių šaltinio minčių 50 peržiūrėtų dubliažų „YouTube“ pakeitė ar prarado 145; „Familiar“ – 43.

FIG. 02 · PAKEISTOS AR PRARASTOS SVARBIOS ŠALTINIO MINTYS · IŠ 528 · FAMILIAR 70.3% MAŽIAU
YOUTUBE145
FAMILIAR43
34/50

„YouTube“ dubliažai su svarbia sakytinės prasmės problema

18/50

„Familiar“ dubliažai su svarbia sakytinės prasmės problema

12 vs 0

kritinės prasmės klaidos, „YouTube“ prieš „Familiar“

Scena ir reakcijos

FIG. 03 · FONO SPEKTRINĖ KLAIDA · ATKARPOS BE KALBOS · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 vs 0.236

juoko ir reakcijų formos koreliacija · 14 reakcijų takelių

0.11 vs 3.36 dB

juoko ir reakcijų garsumo klaida · 14 reakcijų takelių

25/43

šaltinio klipai su tinkamu „YouTube“ automatiniu dubliažu – „Familiar“ dubliavo visus 43

„Familiar“ galutinį dubliažą pristato iki 4K su tikru 5.1 erdviniu arba stereo miksu.

Apribojimai

Užfiksuotos surinktos imties juodosios dėžės tyrimas, o ne teiginys apie kiekvieną „YouTube“ dubliažą, kalbą ar būsimą platformos versiją.
TIK ŠIAI IMČIAI
Modelio diagnostika, o ne žmonių klausymo tyrimas; jos neapibrėžtis didelė.
PROGNOZUOJAMAS NATŪRALUMAS · UTMOS 2.12 VS 1.85
Aprašomasis rodiklis; jo intervalas siekia nulį.
GARSO SMŪGIŲ LAIKAS · 1.000 VS 0.789 F1

ŠALTINIAI

  1. [1]„Familiar“ prieš „YouTube“ automatinį dubliavimą: visi rezultatai, metodika ir klausymo pavyzdžiai
  2. [2]Visi „Familiar“ lyginamieji testai: „ElevenLabs“, „YouTube“, vertėjai žmonės
  3. [3]„YouTube“ pagalba: automatinio dubliavimo naudojimas
  4. [4]„YouTube“ automatinio dubliavimo apžvalga: ką išmatavome

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