FORKLARING AV SØKEORDET

KI-leppesynk: hva det er, hva det mangler, hva som slår det (2026)

FAMILIAR FORSKNINGOPPDATERT ALLE ARTIKLER
LES ARTIKKELEN PÅEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

SAMMENDRAG

KI-leppesynk tilpasser munnens timing til et nytt lydspor. Det er det mest søkte navnet på videooversettelse og den minste delen av problemet: en dub holder bare hvis stemmen forblir talerens, hele ansiktet fremfører det nye språket, og scenen overlever.

Hva KI-leppesynk er

LeppesynkKI-LEPPESYNK

En leppesynkmodell former munnen etter den nye lyden; det løser den mest synlige feilen i klassisk dubbing, og ingenting annet. I utgivelseskvalitet er den i dag et assisterende verktøy: et team av VFX-artister beskjærer ansiktene, retter opp det som dekker dem og går gjennom hvert opptak, uker per prosjekt. Leppesynkverktøyene som jobber i én omgang, er raske og svikter på helt vanlige opptak: en hånd foran ansiktet, en mikrofon, uskarphet, bokeh, en sidevinkel, flere personer i bildet; ingen romlig resonnering, ingen forståelse av verden. Familiar er én omgang og kvaliteten.

DE TRE ANDRE LAGENE I EN DUB · MED BARE LEPPESYNK

STEMMEN
HVA SOM SKJER MED DETIkke leppesynkens jobb; der de fleste dubber mister personen.
RESTEN AV ANSIKTET
HVA SOM SKJER MED DETFremfører fortsatt det gamle språket, et halvt slag for sent.
SCENEN
HVA SOM SKJER MED DETLydteppet (musikk, effekter, atmosfære) og latteren: urørt eller skadet tidligere i kjeden.

Hvorfor lepper alene ikke holder, målt

Alle tallene nedenfor kommer fra parvise studier på de samme klippene, publisert på /benchmark.

FIG. 01 · LIKHET MED TALEREN · STUDIEN MOT DUBBING V1 · 418 PARVISE DUBBER · 11 SPRÅK
Familiar0.461
ElevenLabs0.360
FAMILIAR HØRES 27.8% MER UT SOM DEN EKTE TALEREN · NÆRMERE PÅ ALLE 11 SPRÅK
270%

mer skade på bakgrunnslyden fra ElevenLabs (11.92 mot 3.22 dB)

MOT DERES NYESTE DUBBING V2 (ALPHA) · 111 PARVISE DUBBER · MUSIKK, EFFEKTER OG ATMOSFÆREN I ROMMET
54.7%

færre viktige oversettelsesfeil fra Familiar (29 mot 64)

SAMME STUDIE · 3 SPRÅK
100.3%

av kvaliteten til menneskelige ekspertoversettere, fra Familiar

FRANSK, KINESISK, HINDI, INDONESISK (FØRSTEUTKAST FRA PROFESJONELLE EKSPERTOVERSETTERE)
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

Leppesynk og alt utover den

Familiars multimodale beslutningsmodell for lokalisering (MLDM), den første grunnmodellen for multimodal oversettelse, et nytt paradigme og det første i sitt slag, avgjør hvem på skjermen som snakker, deretter stemmen og ansiktet, så redigeringen strekker seg forbi leppene.

DEN FØRSTE GRUNNMODELLEN FOR MULTIMODAL OVERSETTELSE

BARE LEPPESYNK

  • Leppene: tilpasset den nye lyden.

EN KOMPLETT DUB MED FAMILIAR

  • Hele ansiktet: øyne, bryn, kinn og hode fremfører setningen på det nye språket.
  • Stemmen: talerens egen, på det nye språket.
  • Scenen: musikken og latteren blir liggende der de var, og miksen kommer tilbake i ekte 5.1 eller stereo.
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

Valgene: hver beslutning lagres sammen med jobben og kan overstyres. I dag velger den som går gjennom blant oversettelsesalternativene; å velge et annet ansikt, eller hvilken tekst på skjermen som skal oversettes, er under utvikling.

ALT INKLUDERT

oversettelsen, talerens egen stemme, lyden i scenen og leppesynken, levert i opptil 4K med ekte 5.1- eller stereomiks, i én rendering av innspilt video, gjennom Studio-kontrakt

ELEVENLABS OPPGA $3 I KASSEN, BARE LYD · 5. AUGUST 2026

Slik bruker et studio dette: Hvorfor dubben skurrer i utlandet, og hva studioer gjør.

KILDER

  1. [1]Benchmark Familiar mot ElevenLabs: alle resultater, intervaller og lytteeksempler
  2. [2]KI mot menneskelig oversettelse: testet mot profesjonelle
  3. [3]KI-videodubbing, forklart

Multimodal oversettelse

Familiar Labs lager en ny generasjon dubbing med en multimodal beslutningsmodell for lokalisering (MLDM), den første grunnmodellen for multimodal oversettelse: én modell avgjør hva som skal lokaliseres på tvers av tekst, lyd og bilde, og viser deg valgene. Stemmen og leppene dine, båret over i nye språk. De er et team på 8 med PhD-er, støttet av Samsung, RedBird og Gold House. Vår misjon

Se hele benchmarken →Snakk med teamet