MÅLT VURDERING

YouTubes autodubbing vurdert: dette målte vi (2026)

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

SAMMENDRAG

YouTubes autodubbing lager oversatte lydspor for videoer som oppfyller kravene, gratis og inne på plattformen. Vi målte de leverte dubbene mot kilden og mot Familiar på en frossen kohort med 50 par (arabisk, spansk, fransk, hindi, koreansk; 8. august 2026). Tre funn: dubben snakker med en fremmeds stemme, mer enn en firedel av de viktige ideene endres eller forsvinner, og bakgrunnen i scenen flates ut. Alle data: hele benchmarken mot YouTube.

Hva det er

  • Alternative lydspor på støttede språk for videoer på kanaler som oppfyller kravene; seerne velger sporet.
  • Koster ingenting og krever ingen arbeidsflyt.
  • Tilgjengeligheten avgjøres av plattformen: i katalogen vår hadde 25 av 43 kildeklipp en brukbar autodub.

Hva vi målte

DUBBEPAR

50

Frosset 8. august 2026

SPRÅK

5

Arabisk, spansk, fransk, hindi, koreansk

TILPASSEDE PAR

31

Likhet med taleren

IDEER I KILDEN

528

Gjennomgang av meningen

STEMME
SLIK BLIR DEN VURDERTStemmen er ikke talerens. Likhet med taleren 0.141 mot kilden; Familiar 0.399, 182.9% høyere, på de 31 nøyaktig tilpassede parene.
MENING
SLIK BLIR DEN VURDERTMeningen glir. 145 av 528 viktige ideer i kilden endret eller tapt (27.5%); Familiar 43 (8.1%). 12 dubber hadde en kritisk meningsfeil; Familiar 0.
SCENE
SLIK BLIR DEN VURDERTScenen flates ut. Spektral feil i bakgrunnen 11.21 dB mot Familiars 3.37 dB; latter og reaksjoner beholdt formen med en korrelasjon på 0.236 mot 0.998.
FIG. 01 · VIKTIGE IDEER I KILDEN ENDRET ELLER TAPT · AV 528 · 50 GJENNOMGÅTTE DUBBER
YOUTUBE145
FAMILIAR43
0.141

likhet med den ekte taleren: en fremmeds stemme

232.6%

mer feil i bakgrunnslyden enn Familiar

25/43

kildeklipp med en brukbar autodub; Familiar dubbet alle 43

Når det er riktig valg

For å teste om et oversatt publikum i det hele tatt finnes: gratis og uten innsats er riktig pris.

Når kanalen er personen (stemmen, leveringen, reaksjonene), lukker en dub med stemme + leppesynk gapet, levert i opptil 4K med ekte 5.1- eller stereomiks.

Begrensninger

Avgrenset til kohorten. En frossen svart-boks-studie av kohorten slik den ble hentet, ikke hver YouTube-dub, hvert språk eller fremtidige versjoner.
Forventet naturlighet (UTMOS 2.12 mot 1.85) er en modelldiagnostikk med stor usikkerhet. CER/WER er utelatt; gjennomgangen av meningen godtar gyldige omskrivinger.

KILDER

  1. [1]Familiar mot YouTubes autodubbing: alle resultater, metode og lytteeksempler
  2. [2]Familiar mot YouTubes autodubbing: en studie med frossen kohort
  3. [3]YouTube-hjelp: Bruk automatisk dubbing
  4. [4]Alle Familiars benchmarks

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