MÅLT VURDERING

ElevenLabs Dubbing vurdert: dette målte vi

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

SAMMENDRAG

ElevenLabs Dubbing er bare lyd; målt på de samme klippene hadde ElevenLabs Dubbing v2 (Alpha) 270% mer feil i bakgrunnslyden enn Familiar (latteren, musikken, atmosfæren), og Familiar gjorde 54.7% færre viktige oversettelsesfeil i talen (29 mot 64; 111 parvise resultater på mandarin, spansk og japansk, 5. august 2026). Mot ElevenLabs Dubbing v1 høres Familiar 27.8% mer ut som den ekte taleren, nærmere på alle 11 språk (418 parvise resultater). Alle data og lytteeksempler: hele benchmarken mot ElevenLabs.

Hva ElevenLabs Dubbing er

DUBBING V1

  • Den stabile, programmerbare veien de fleste integrasjoner bruker.

DUBBING V2 (ALPHA)

  • Det nyere produktet, tilbudt via nettsiden.

Begge tar en video- eller lydfil, transkriberer den, oversetter manuset og leser opp oversettelsen med en stemme som skal ligne den opprinnelige taleren.

Målingene nedenfor er lyd mot lyd.

BARE LYDINGEN LEPPESYNKANSIKTET SNAKKER FORTSATT ORIGINALSPRÅKET

Hva det gjør godt

ET MODENT, GODT DOKUMENTERT API
Stabile endepunkter, enkel integrasjon.
EN SVÆRT LANG SPRÅKLISTE
Nyttig når målspråket ligger langt utenfor de store språkene.
STERK FRITTSTÅENDE TEKST-TIL-TALE
Til fortellerstemme og voice-over fra et manus er det fortsatt et ledende verktøy.
KATEGORIENS STØRSTE MERKEVARE
Produktet de fleste finner først når de søker etter stemmekloning, KI-dubbing eller KI-leppesynk.

Hva vi målte

To parvise svart-boks-studier, begge kjørt 5. august 2026.

  1. 01

    De samme kildeklippene og målspråkene gikk til hvert system.

  2. 02

    Bare den ferdige lyden brukeren hører, ble vurdert.

  3. 03

    De to studiene rapporteres hver for seg.

STUDIE A · MOT DUBBING V1
FIG. 01 · LIKHET MED TALEREN · DUBBING V1 · FAMILIAR +27.8% · ALLE 11 SPRÅK
FAMILIAR0.4605
ELEVENLABS0.3604
+95.5%

ElevenLabs hadde 95.5% flere feil i talen som ble flagget i gjennomgangen.

258 VS 132
+261%

ElevenLabs hadde 261% mer spektral feil i bakgrunnen.

12.27 VS 3.40 dB
+10.2%

Forventet naturlighet for Familiar.

2.51 VS 2.28 · UTFORSKENDE
Korrelasjon i formen på latter og reaksjoner: Familiar +243.7% høyere, 0.759 mot 0.221. F1 for timing av lydeffekter og slag: Familiar +24.3% høyere, 0.947 mot 0.762.
STUDIE A | 418 PARVISE RESULTATER | 38 KLIPP | 11 SPRÅK | KJØRT 5. AUGUST 2026
STUDIE B · MOT DUBBING V2 (ALPHA)
FIG. 02 · VIKTIGE OVERSETTELSESFEIL · DUBBING V2 (ALPHA) · FAMILIAR 54.7% FÆRRE · 111 PARVISE DUBBER
ELEVENLABS64
FAMILIAR29
FIG. 03 · DUBBER MED ET VIKTIG MENINGSPROBLEM · DUBBING V2 (ALPHA) 36/111 MOT FAMILIAR 23/111 (+56.5%)
  • Dubber med minst ett viktig meningsproblem32%
  • Dubber uten et viktig meningsproblem68%
270%

ElevenLabs hadde 270% mer feil i bakgrunnslyden: latteren, musikken, atmosfæren.

11.92 VS 3.22 dB MAE
+221%

ElevenLabs hadde 221% mer feil i lydstyrken på latter og reaksjoner.

3.32 VS 1.04 dB · 18 KLIPP / 54 SAMMENLIGNINGER
+28.2%

Familiars korrelasjon i formen på latter og reaksjoner: 0.960 mot 0.749. Det parvise 95%-intervallet utelukker null.

Likhet med taleren: ikke entydig ved denne utvalgsstørrelsen (et punktestimat på +3.5% for Familiar; intervallet krysset null); det samme gjaldt forventet naturlighet. Dekning: Familiar fullførte 38/38 kildeklipp; Dubbing v2 (Alpha) avviste klippet på 10.94 sekunder, under minstegrensen på 11 sekunder (37/38).
STUDIE B | 111 PARVISE RESULTATER | MANDARIN, SPANSK, JAPANSK | KJØRT 5. AUGUST 2026
FIG. 04 · KVALITATIV REVISJON AV DE SAMME KLIPPENE · ELEVENLABS-FEIL ETTER KLASSE · 5. AUGUST 2026
ORD45
LATTER/EFFEKTER8
STEMME TAPT6
OVERLAPP6
LEVERING4
ATMOSFÆRE4
ORD
ANTALLET45
SLIK HØRES DET UTDroppet eller funnet opp.
LATTER/EFFEKTER
ANTALLET8
SLIK HØRES DET UTLatter og lydeffekter ødelagt.
STEMME TAPT
ANTALLET6
SLIK HØRES DET UTTalerens stemme mistet.
OVERLAPP
ANTALLET6
SLIK HØRES DET UTTalere slått sammen til én stemme.
LEVERING
ANTALLET4
SLIK HØRES DET UTFlatet ut.
ATMOSFÆRE
ANTALLET4
SLIK HØRES DET UTLydteppet fjernet.

Konfidensintervaller, tall per språk og lytteeksempler: /benchmark/elevenlabs. Hele sammenligningen: Familiar mot ElevenLabs Dubbing: to parvise studier.

Begrensninger i arbeidsflyten i katalogskala

Observert 5. august 2026:

11 s

Minste klipplengde. Shorts, kalde åpninger og reaksjonsklipp under den kan ikke dubbes; klippet vårt på 10.94 sekunder ble avvist.

20

Elementer per batch. Fire videoer til seks språk er 24 resultater, mer enn én batch rommer.

30

Samtidige forespørsler. Ti videoer til ti språk er 100 forespørsler: minst fire runder.

v1

Redigering av oversettelsen. På den nåværende Dubbing v2 er redigering av transkripsjonen og ny generering av lyden via API-et forbeholdt Enterprise-abonnementer; det fullstendige redigeringsverktøyet, Dubbing Studio, kjører på v1-modellen, i vedlikeholdsmodus (dokumentasjonen deres, 30. oktober 2026).

Ingenting av dette betyr noe for én video til ett språk. For en eldre katalog eller en portefølje av flerspråklige kanaler sammenligner De beste alternativene til ElevenLabs for dubbing mulighetene. Håndbøker for kataloger og lanseringer: Slik lukker strømmetjenester gapet i lokalspråklig dubbing og Lansering i flere land: dubbing til alle markeder samtidig.

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

Pris

ALT INKLUDERT

Én Familiar-rendering, per ferdig minutt per målspråk: oversettelsen, talerens egen stemme, lyden i scenen og leppesynken, levert i opptil 4K med ekte 5.1- eller stereomiks.

TILGANG GJENNOM STUDIO-KONTRAKT
$3

ElevenLabs Dubbing, per dubbet minutt per målspråk. Bare lyd.

PRIS I KASSEN · 5. AUG. 2026

Å sy på leppesynk via Sync.so, det beste frittstående verktøyet, legger til $8 i minuttet: $11 til sammen, og fortsatt uten 5.1-miks. ElevenLabs' egen dokumentasjon, om lyden i dubbene deres:

… høyst stereo … 5.1 og annen flerkanalslyd bevares ikke.
ElevenLabs Help Center, which file formats are supported by Dubbing

Til sammenligning koster komplett dubbing utført av mennesker, oversettelse pluss stemme, $70 til $150 per ferdig minutt; til den prisen er det ikke et reelt alternativ for det meste av verden. Toppen av det visuelle er assistert: verktøy som Flawless TrueSync krever et team av VFX-artister og uker per prosjekt, og hvert språk er et nytt prosjekt. ElevenLabs dubber i én omgang og ofrer resten som er målt ovenfor; Familiar er én omgang og kvaliteten.

Det bredere prisbildet, inkludert priser for menneskelig dubbing: Hva koster dubbing i 2026?

Konklusjon

DUBBING AV VIDEO

Målingene peker et annet sted.

FRITTSTÅENDE STEMMEGENERERING
KONKLUSJONENElevenLabs er fortsatt et ledende verktøy; for dubbing med bare lyd til et lite utbredt språk kan det være det eneste praktiske alternativet.
DUBBING AV VIDEO
KONKLUSJONENFærre oversettelsesfeil og lavere feil i lyden i scenen i begge studiene; en stemme 27.8% nærmere den ekte taleren mot Dubbing v1.
PÅ SKJERMEN
KONKLUSJONENEt ansikt som snakker det nye språket, leppesynk og hele ansiktets fremføring utover det.
OVERSETTELSESTEKSTEN
KONKLUSJONENTestet separat mot profesjonelle ekspertoversettere, og den ligger på nivå med førsteutkastet deres (KI mot menneskelig oversettelse: testet mot profesjonelle).
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
30 SPRÅK, ALLE TIL ALLEOVERSETTELSE + STEMME + LYDEN I SCENEN + LEPPESYNK, ÉN RENDERINGOPPTIL 4K-BILDE · EKTE 5.1-MIKSTILGANG GJENNOM STUDIO-KONTRAKT, TILPASSET KATALOGEN

KILDER

  1. [1]Benchmark Familiar mot ElevenLabs: alle resultater, intervaller og lytteeksempler
  2. [2]KI mot menneskelig oversettelse: testet mot profesjonelle (hele oversettelsesstudien)
  3. [3]ElevenLabs Dubbing-dokumentasjon
  4. [4]ElevenLabs Help Center: hvilke filformater Dubbing støtter (lyd høyst i stereo; 5.1 bevares ikke)

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