HÅNDBOK FOR STUDIOER

Hvorfor dubben skurrer i utlandet, og hva studioer gjør

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

DET KORTE SVARET

En dub skurrer når tre ting går fra hverandre: en fremmed stemme erstatter skuespillerens, munnen fortsetter å snakke originalspråket, og musikken og rommet under dialogen flates ut. Løsningen er å dubbe alle tre sammen. Familiars ene modell beholder hver skuespillers egen stemme, fremfører ansiktet på nytt og bevarer lyden i scenen i én rendering; hver oversatt linje redigeres før den rendres.

KORTVERSJONEN

  • Tre feil får en dub til å skurre: en fremmed stemme, en munn som fortsatt snakker kildespråket, og en scene som flates ut under den nye dialogen.
  • På de samme klippene hadde ElevenLabs Dubbing v2 (Alpha) 270% mer feil i bakgrunnslyden: latteren, musikken, atmosfæren (111 parvise resultater, 5. august 2026).
  • Familiar høres 27.8% mer ut som den ekte taleren enn ElevenLabs Dubbing v1, nærmere på alle 11 språk (418 parvise resultater, 5. august 2026).
  • Studioets egne oversettere redigerer hvilken som helst oversatt linje før den rendres, og hvert språk rendres etter sin egen godkjenning.

01.Hvorfor skurrer dubben?

To av feilene er eldre enn KI: en stemmeskuespiller er også en fremmed stemme, og ingen studioinnspilling beveger skuespillerens munn. KI-dubbing med bare lyd kan legge til en tredje, en scene som flates ut, målt nedenfor.

  • En fremmed stemme. Enten det er en stemmeskuespiller eller en standardstemme som leser linjen: den som kjenner skuespilleren, kjenner ikke lenger stemmen igjen (KI-videodubbing, forklart (2026)).
  • En munn som snakker feil språk. Hjernen kombinerer leppebevegelser og lyd for å forstå tale; når de ikke stemmer overens, blir det vanskeligere å forstå, eller seeren oppfatter en helt annen lyd: McGurk-effekten, en del av audiovisuell taleintegrasjon. En dub med bare ny stemme lar den feilen stå i hvert bilde.
  • En scene som flates ut. Latteren, musikken, lydeffektene og atmosfæren i rommet strippes vekk eller smøres ut under den nye talen.
  • En setning-for-setning-oversettelse. En linje overført ord for ord virker fremmed selv når den er korrekt, og vitsene lander for sent eller ikke i det hele tatt (Hva som betyr noe i videooversettelse).
FREMMED STEMMEMUNN UTE AV SYNKUTFLATET SCENEORD-FOR-ORD-OVERSETTELSE

02.Hva sier målingene?

FIG. 01 · PARVISE STUDIER · SAMME KILDEKLIPP · FERDIG LYD SAMMENLIGNET · AUGUST 2026
270%

ElevenLabs Dubbing v2 (Alpha) hadde 270% mer feil i bakgrunnslyden: latteren, musikken, atmosfæren.

11.92 VS 3.22 DB · ELEVENLABS DUBBING V2 (ALPHA) · 111 PARVISE RESULTATER · MANDARIN, SPANSK, JAPANSK · 5. AUGUST 2026
+27.8%

Familiar høres 27.8% mer ut som den ekte taleren enn ElevenLabs Dubbing v1; alle 11 språk gikk i Familiars favør.

0.4605 VS 0.3604 · ELEVENLABS DUBBING V1 · 418 PARVISE RESULTATER · 11 SPRÅK · 5. AUGUST 2026
100.3%

av kvaliteten i den profesjonelle ekspertoversetterens førsteutkast, i snitt over fransk, kinesisk, hindi og indonesisk, blindvurdert mot ekspertenes referanseredigeringer. Samme nivå.

STUDIE AV PRODUKSJONSOVERSETTELSEN MOT FØRSTEUTKAST FRA PROFESJONELLE EKSPERTOVERSETTERE · AUGUST 2026

De to ElevenLabs-kohortene og studien mot menneskelige oversettere slås aldri sammen. Alle data, intervaller og lytteeksempler: Familiar mot ElevenLabs og mot menneskelige oversettere; metoden i KI mot menneskelig oversettelse: testet mot profesjonelle (2026).

  • Ordene, ElevenLabs Dubbing v2 (Alpha). Familiar gjorde 54.7% færre viktige oversettelsesfeil i talen (29 mot 64).
  • Feil i den ferdige talen, ElevenLabs Dubbing v1. Familiar gjorde 48.8% færre feil i den ferdige talen flagget under gjennomgang (132 mot 258).

03.Hva endrer seg når stemme, lepper og scene kommer fra én modell?

Én samlet modell genererer stemmen, leppene og scenen sammen, med identiteter som består og scene- og verdensforståelse, så skuespillerens egen fremføring består i stedet for en fremmed stemme over en munn ute av synk.

  • Stemmen kommer fra skuespillerens egen fremføring. Dubbing er ikke tekst-til-tale: den tar inn originallyden og bevarer talerens identitet og levering.
  • Ansiktet fremføres på nytt, øyne, bryn, kinn, hode, ikke bare leppene. Hele ansiktet fremfører det nye språket, så munnen seerne leser, stemmer med ordene de hører (KI-leppesynk: hva det er, hva det mangler, hva som slår det (2026)).
  • Scenen overlever dubben. Latteren, musikken og bassen, lydeffektene, atmosfæren i rommet; partier modellen gjenkjenner som musikk, går urørt gjennom.
  • Alle i bildet blir dubbet, hver med sin egen stemme; filmscenen med tre talere på /demos er dubbet fra engelsk til spansk. Mikrofoner foran munnen, hender over ansiktet: modellen forstår hva som dekker hva.
  • Navn, steder og faste uttrykk beholdes nøyaktig slik de sies gjennom en Ikke oversett-liste studioet styrer; vitser skrives om så de lander på målspråket.
  • Én rendering bærer oversettelsen, skuespillerens stemme, lyden i scenen og leppesynken.

04.Hvordan kjører et studio dette?

  • Gjennomgang før rendering, per språk. Pipelinen stopper på et gjennomgangssteg der studioets egne oversettere redigerer hvilken som helst oversatt linje; hvert språk rendres etter sin egen godkjenning, spansk i dag, resten når de språkansvarlige har gitt klarsignal (Transkripsjon og gjennomgang).
  • En kontekstsetning på én linje. Hvem som er i bildet og hva serien er, satt på skapernivå for en hel serie eller på jobbnivå for én episode; det smaleste nivået vinner (Kontekst).
  • En Ikke oversett-liste på de samme tre nivåene, så en rollefigurs navn eller faste uttrykk holder seg i episode 60 som i episode 1 (Ikke oversett).
  • Webhooks. dub.ready_for_review når oversettelsen er klar, dub.output_ready per ferdig språk (Webhooks).
  • 30 språk, alle til alle, i tre publiserte kvalitetsnivåer, beste først (Språk).
  • Referanseprisen. Komplett dubbing utført av mennesker, oversettelse pluss stemme, koster $70 til $150 per ferdig minutt; tilgang til Familiar gis gjennom Studio-kontrakt, tilpasset katalogen.
HVA SOM LEVERES PER SPRÅK · HVER DUB KOMMER MED FILENE SINE
LeveranseFormatMerknad
Ferdig videomp4 med den fulle lydmiksenKlar til publisering
Undertekster.srt og .vttFra den gjennomgåtte transkripsjonen; selges ikke alene
Lyden for seg selvDen fulle miksen, eller stemmen aleneTil studioets egen miks
Tittel og beskrivelseOversatt per språkLenker, @-brukernavn, emneknagger og kapitler beholdes urørt

05.Hva bør et studio teste før det forplikter seg til en sesong?

  • Velg den vanskeligste episoden, en med rask dialog, en vits, et emosjonelt vendepunkt, egennavn og musikk under talen; en ren scene beviser ingenting om en sesong.
  • Skriv akseptansekriteriene før noen lytter. Morsmålsbrukere vurderer ordene, stemmen, scenen og ansiktet mot dem og markerer øyeblikket illusjonen brast; vurderingsskjemaet ligger i Hvordan gjennomføre en pilot på KI-dubbing (2026).
  • Ta med en sen endring. En endret master er en ny dub-forespørsel; gjennomgangssteget er der de endrede linjene sjekkes, og Ikke oversett-listen og konteksten følger med.

SPØRSMÅL

Hvorfor sier internasjonale seere at dubben skurrer?

Tre ting gikk fra hverandre: stemmen tilhører en fremmed, munnen snakker fortsatt originalspråket, og musikken og rommet under dialogen ble flatet ut. Seerne setter sjelden ord på årsaken; en munn som ikke stemmer med lyden, gjør talen vanskeligere å forstå.

Er det oversettelsen eller stemmen?

Begge, og de forsterker hverandre: en setning-for-setning-oversettelse virker fremmed selv når den er korrekt, og en erstattet stemme fjerner skuespilleren. På parvise klipp hørtes Familiar 27.8% mer ut som den ekte taleren enn ElevenLabs Dubbing v1; i en egen studie lå oversettelsene på nivå med profesjonelle oversetteres førsteutkast, 100.3%.

Kan våre egne oversettere fortsatt gå gjennom linjene?

Ja. Pipelinen stopper på et gjennomgangssteg der hvilken som helst oversatt linje redigeres før den rendres, og hvert språk rendres når den språkansvarlige har gitt klarsignal: spansk kan publiseres mens japansk fortsatt er under gjennomgang.

Overlever rollefigurenes navn og faste uttrykk fra episode til episode?

Ja. En Ikke oversett-liste holder navn, steder og faste uttrykk nøyaktig slik de sies, i dubben, undertekstene og den oversatte tittelen og beskrivelsen. Satt på skapernivå dekker den hver episode i en serie; en oppføring på jobbnivå overstyrer for én opplasting.

Hva mottar vi per språk?

Den ferdige videoen med den fulle lydmiksen, undertekster i .srt og .vtt fra den gjennomgåtte transkripsjonen, den oversatte tittelen og beskrivelsen, og lyden for seg selv: den fulle miksen, eller stemmen alene til studioets egen miks.

KILDER

  1. [1]Benchmark Familiar mot ElevenLabs: alle resultater, intervaller og lytteeksempler
  2. [2]Familiar mot menneskelige oversettere: studien av oversettelseskvalitet
  3. [3]Transkripsjon og gjennomgang: gjennomgangssteget og rendering per språk (API-dokumentasjon)
  4. [4]Hva som betyr noe i videooversettelse (de fire problemene)
  5. [5]McGurk & MacDonald, «Hearing lips and seeing voices», Nature 264 (1976)

Endelig er dubbing bra. Se målingene, og snakk så med teamet om katalogen din.

Se hele benchmarken →Snakk med teamet

FAMILIAR · LANSERINGSFILMEN · 2:31