BENCHMARK, SIDE OM SIDE

Familiar mot YouTubes autodubbing: en studie med frossen kohort

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

SAMMENDRAG

På en frossen kohort med 50 par (arabisk, spansk, fransk, hindi, koreansk; hentet 8. august 2026) målte Familiar 182.9% høyere likhet med taleren enn YouTubes autodubbing (0.399 mot 0.141) og endret eller mistet 70.3% færre viktige ideer (43 mot 145 av 528). YouTube hadde 232.6% mer feil i bakgrunnslyden (11.21 mot 3.37 dB). Familiar ledet også på vokale hendelser. En brukbar autodub fantes for 25 av 43 kildeklipp; Familiar dubbet alle 43. Alle data og seks synkroniserte lytteeksempler: hele benchmarken mot YouTube.

Metode

PAR

50

Frossen kohort; ett kildeklipp × ett målspråk.

SPRÅK

5

Arabisk, spansk, fransk, hindi, koreansk.

HENTET

8. august 2026

TILGJENGELIGHET

25 av 43

Kildeklipp med en brukbar autodub fra YouTube; Familiar dubbet alle 43.

PARVIS, SVART BOKS
SLIK BLIR DEN VURDERTEtt kildeklipp × ett målspråk; fullstendig ferdig lyd fra begge systemene.
TIDSSENSITIVE MÅLINGER
SLIK BLIR DEN VURDERTBare de 31 parene med uavhengig verifisert tilpasning til kildens tidslinje (40 ms-krav; usikre spor faller ut).
HENDELSESMÅLINGER
SLIK BLIR DEN VURDERTDe 14 sporene med menneskeverifiserte områder for latter eller reaksjoner.
YOUTUBE-SPOR UTEN DUB
SLIK BLIR DEN VURDERTHoldes synlige og telles aldri som null.
GJENNOMGANG AV MENINGEN
SLIK BLIR DEN VURDERTVurderer talen slik den er levert; gyldige omskrivinger og små reaksjoner i bakgrunnen er ikke feil; CER/WER er utelatt.

Stemmen: deres tilhører en fremmed

YouTubes autodub snakker med en fremmeds stemme; Familiar beholder den opprinnelige talerens.

På de 31 nøyaktig tilpassede parene, likhet med den ekte taleren:

FIG. 01 · LIKHET MED TALEREN (SIM-O) · 31 TILPASSEDE DUBBER · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

Meningen

Av 528 viktige ideer i kilden, fordelt på de 50 gjennomgåtte dubbene, endret eller mistet YouTube 145; Familiar 43.

FIG. 02 · VIKTIGE IDEER I KILDEN ENDRET ELLER TAPT · AV 528 · FAMILIAR 70.3% FÆRRE
YOUTUBE145
FAMILIAR43
34/50

YouTube-dubber med et viktig problem i den talte meningen

18/50

Familiar-dubber med et viktig problem i den talte meningen

12 mot 0

kritiske meningsfeil, YouTube mot Familiar

Scenen og reaksjonene

FIG. 03 · SPEKTRAL FEIL I BAKGRUNNEN · OMRÅDER UTEN TALE · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 mot 0.236

korrelasjon i formen på latter og reaksjoner · 14 hendelsesspor

0.11 mot 3.36 dB

feil i lydstyrken på latter og reaksjoner · 14 hendelsesspor

25/43

kildeklipp med en brukbar autodub fra YouTube; Familiar dubbet alle 43

Familiar leverer den ferdige dubben i opptil 4K med ekte 5.1 surround eller stereomiks.

Begrensninger

En frossen svart-boks-studie av kohorten slik den ble hentet, ikke en påstand om hver YouTube-dub, hvert språk eller fremtidige versjoner av plattformen.
AVGRENSET TIL KOHORTEN
En modelldiagnostikk, ikke en lyttestudie med mennesker; usikkerheten er stor.
FORVENTET NATURLIGHET · UTMOS 2.12 VS 1.85
Beskrivende; intervallet berører null.
TIMING AV TRANSIENTER · 1.000 VS 0.789 F1

KILDER

  1. [1]Familiar mot YouTubes autodubbing: alle resultater, metode og lytteeksempler
  2. [2]Alle Familiars benchmarks: ElevenLabs, YouTube, menneskelige oversettere
  3. [3]YouTube-hjelp: Bruk automatisk dubbing
  4. [4]YouTubes autodubbing vurdert: dette målte vi

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