FORKLARING AV SØKEORDET

Assistert visuell KI-dubbing mot full KI-dubbing: slik lokaliseres titler (2026)

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

SAMMENDRAG

«Lokaliser titler med assistert visuell KI-dubbing» er slik Flawless beskriver TrueSync. Ordet som teller, er assistert: KI-en gjør ett steg, å flytte munnen på skjermen så den passer den nye dialogen, og mennesker gjør resten. De oversetter, caster og spiller inn en stemme per skuespiller per språk, markerer hvilket ansikt som sier hver replikk, og går gjennom hvert opptak. De assisterende verktøyene bransjen bruker i dag, krever et team av VFX-artister og uker per prosjekt, og hvert språk er et nytt prosjekt. Full KI-dubbing lokaliserer en tittel i én omgang: den ferdige tittelen går inn, og ut kommer oversettelsen, hver skuespillers egen stemme, lyden i scenen og ansiktet.

Hva assistert betyr, ifølge leverandørens egen side

Flawless TrueSyncFlawless TrueSync

Flawless deler TrueSync inn i fire steg, sitert fra lokaliseringssiden deres:

MASTER INN. «Lever masteren og det dubbede lydsporet på målspråket.» VUBB HVER FREMFØRING. «TrueSync synkroniserer hver fremføring på skjermen med den nye dialogen.» GJENNOMGANG I 8K. «Kvalitetskontroll etter dine standarder i tapsfrie farger, klar for kino.» LEVERT VIA PARTNERE. «Den endelige leveransen går gjennom Pixelogic, Deluxe og andre.»
FLAWLESS · LOCALIZE TITLES WITH ASSISTIVE AI VISUAL DUBBING

To linjer til fra den samme siden trekker grensen. TrueSync er «lydagnostisk»: det tar imot dubbet lyd fra hvilken som helst kilde og vil ikke «generere, endre eller syntetisere lyd». Og det «genererer, erstatter eller syntetiserer ikke ansikter»: det justerer ansiktsanimasjonen i den opprinnelige fremføringen etter de nye ordene. Visuell dubbing, eller vubbing, er den ene justeringen.

Det menneskelige arbeidet i en assistert prosess

For hver tittel, for hvert språk, før og etter KI-steget:

  1. 01

    Oversett og tilpass manuset,

    med timingen til hver replikk i tankene.
  2. 02

    Cast og spill inn en stemmeskuespiller per skuespiller på skjermen,

    hver på et rent spor, fordi synkroniseringen trenger én stemme per ansikt. To personer som snakker over ett mikset spor, må skilles først.
  3. 03

    Marker hvilket ansikt som sier hver replikk

    i hvert opptak, så synkroniseringen havner på riktig munn.
  4. 04

    Kjør synkroniseringen,

    KI-steget.
  5. 05

    Gå gjennom opptak for opptak i 8K

    mot produksjonens standarder.
  6. 06

    Tilpass og lever

    gjennom et lokaliseringshus.

Fem av de seks stegene er mennesker, og de to dyreste, castingen og innspillingen av dubben, er det en vanlig dub allerede betaler for. En komplett dub utført av mennesker, oversettelse pluss stemme, koster $70–150 per ferdig minutt, og derfor dubbes selv de største produksjonene bare til noen få språk; den assisterte runden kommer på toppen. Det er dessuten et steg inne i produksjonen: det krever dialogen per skuespiller og folkene som laget tittelen.

En ferdig tittel i et bibliotek, år etter at miksen ble låst, har ingen av delene.

Hva den fullstendige dubben gjør i stedet

Verktøyene som dubber i én omgang i dag, er raske og ofrer resten: oversettelsen kan ikke redigeres, musikken og rommet forsvinner, stemmen glir bort, og leppene svikter ved en hånd foran ansiktet, en mikrofon, uskarphet, bokeh, en sidevinkel eller flere personer i bildet, uten romlig resonnering og uten forståelse av verden. Full KI-dubbing er én omgang og kvaliteten. Den starter fra den ferdige tittelen, med det miksede sporet og alt; Familiars multimodale beslutningsmodell for lokalisering (MLDM), den første grunnmodellen for multimodal oversettelse, et nytt paradigme og det første i sitt slag, avgjør resten:

DEN FØRSTE GRUNNMODELLEN FOR MULTIMODAL OVERSETTELSE
LYDEN I SCENEN
FULL KI-DUBBINGBeholder lyden i scenen under den nye dialogen: musikken, folkemengden, latteren.
OVERSETTELSE
FULL KI-DUBBINGOversetter, med flere gjengivelser av en vits eller en ladet replikk som den som går gjennom, velger mellom på hvert språk før noe rendres.
STEMME
FULL KI-DUBBINGSnakker med skuespillerens egen stemme, klonet inn i det nye språket; på de samme klippene målte Familiar 27.8% nærmere den ekte taleren enn ElevenLabs Dubbing v1.
ANSIKT
FULL KI-DUBBINGTilpasser ansiktet: munn, kjeve, øyne, bryn, kinn og hode hos den som snakker, med flere personer i bildet og hender eller mikrofoner foran munnen; å velge et annet ansikt for en replikk er under utvikling.
SPRÅK
FULL KI-DUBBINGRendrer alle språk samtidig, 30 målspråk fra opptak på hvilket som helst av 99 kildespråk.
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

Full KI-dubbing leverer det etterarbeidet forventer:

BILDE

Opptil 4K

I dag.

MIKS

5.1 eller stereo

Den fulle miksen som ekte 5.1 surround eller stereo.

MASTERE

ProRes eller mp4

ProRes-masterfiler ved Studio-leveranser eller mp4 via API.

DIALOG

Bare dialog

Sporet med bare dialog.

UNDERTEKSTER

srt og vtt

Fra den gjennomgåtte transkripsjonen, tilpasset konvensjonene i Netflix' Timed Text Style Guide.

METADATA

Tittel og beskrivelse

Oversatt.

Hvem hver av dem er laget for

ASSISTERT VISUELL DUBBING

  • Den store kinotittelen, med regissørens godkjenning på hvert bilde og en master i 8K.
  • En tittel som allerede har en menneskelig dub studioet er glad i, og som det vil flytte ansiktene til.
  • Bevisene er Flawless' egne: Watch the Skies, fra svensk til engelsk, den første visuelt dubbede filmen som gikk på kino.
  • En tidsplan på uker per prosjekt med et team av VFX-artister, og hvert språk er et nytt prosjekt.

FULL KI-DUBBING

  • Katalogen, i ettertid: en strømmetjeneste, en distributør eller et TV-nettverk med tusenvis av ferdige titler og ingen produksjonsteam tilgjengelig.
  • Alt som setter et ekte menneske foran et publikum: serier og mikrodramaer, utdanning, reklame, bedriftsvideo, kringkasting, skaperkanaler.
  • Alle språk samtidig, ved opplasting, hvert holdt igjen for sin gjennomgang og sluppet når det er godkjent.
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

Løftet begge jager

Flawless publiserer tre tall for engasjement på visuelt dubbede titler, mot sine egne sammenligningsgrunnlag:

23×

Flere strømmeminutter enn dubben med kun lyd av samme tittel (Vincent Must Die, fransk til engelsk). Flawless' tall.

9×

Flere unike strømminger per visuelt dubbet tittel. Flawless' tall.

+260%

Høyere fullføringsgrad enn vanlige dubber. Flawless' tall.

Familiars egne parvise målinger, mot ElevenLabs, YouTubes autodubbing og menneskelige oversettere: oversikten over benchmarkene.

SPØRSMÅL

Hva er assistert visuell KI-dubbing?

En arbeidsflyt der mennesker lager dubben (oversettelse, casting, innspilling av en stemme per skuespiller per språk) og en KI-modell justerer ansiktene på skjermen etter den nye dialogen, fulgt av en menneskelig gjennomgang opptak for opptak. Flawless TrueSync beskriver seg selv slik.

Hva er vubbing?

Visuell dubbing: å synkronisere de opprinnelige skuespillernes ansiktsfremføring på skjermen med dialog på et nytt språk, uten å generere eller erstatte ansiktene.

Inkluderer assistert visuell dubbing stemmen?

Nei. TrueSync er lydagnostisk og genererer, endrer eller syntetiserer ikke lyd, etter egen beskrivelse. Det dubbede stemmesporet kommer fra stemmeskuespillerne dine eller en annen kilde.

Kan en distributør bruke det uten den opprinnelige produksjonen?

Det fungerer best med produksjonen i rommet: regissørens standarder styrer kvalitetskontrollen, stemmeskuespillere castes til hver rolle, og gjennomgangen går opptak for opptak. En distributør som bare har masteren og rettighetene, må sette sammen det teamet for hver tittel. Full KI-dubbing trenger masteren.

Kan det gjøres i ettertid, på en ferdig tittel?

Assistert visuell dubbing planlegges inn i produksjonen: den krever en dub spilt inn per språk og produksjonens folk til markering og gjennomgang. Full KI-dubbing starter fra den ferdige tittelen slik den ble utgitt, så en eldre katalog kan dubbes år etter at miksen ble låst.

Hva er forskjellen mellom visuell dubbing og full KI-dubbing?

Visuell dubbing flytter munnen etter en dub du allerede har laget. Full KI-dubbing lager dubben: oversettelsen, skuespillerens egen stemme, lyden i scenen og ansiktet, fra den ferdige tittelen, i én rendering.

Leverer full KI-dubbing 8K?

Familiar rendrer i opptil 4K i dag, levert som ProRes-masterfiler ved Studio-leveranser eller mp4 via API, med ekte 5.1 surround- eller stereomiks. TrueSync går gjennom og leverer i 8K.

KILDER

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates, lest 30. oktober 2026
  2. [2]Flawless, Localize Titles with Assistive AI Visual Dubbing (TrueSync), lest 18. september 2026
  3. [3]Familiar mot Flawless TrueSync: full KI-dubbing mot assistert visuell dubbing
  4. [4]KI-leppesynk: hva det er, hva det mangler, hva som slår det
  5. [5]Familiar mot ElevenLabs Dubbing: de to parvise studiene
  6. [6]Hva koster dubbing i 2026?

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