ANÁLISE MEDIDA

Análise do ElevenLabs Dubbing: o que medimos

FAMILIAR PESQUISAATUALIZADO TODOS OS ARTIGOS
LEIA EMEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

RESUMO

O ElevenLabs Dubbing é só áudio; medido nos mesmos clipes, o ElevenLabs Dubbing v2 (Alpha) teve 270% mais erros no som de fundo do que a Familiar (as risadas, a música, o som ambiente), e a Familiar cometeu 54.7% menos erros importantes de tradução na fala (29 contra 64; 111 pares de resultados em mandarim, espanhol e japonês, 5 de agosto de 2026). No ElevenLabs Dubbing v1, a Familiar soa 27.8% mais parecida com a voz real de quem fala, mais próxima em todas as 11 línguas (418 pares de resultados). Dados completos e exemplos para ouvir: o benchmark completo da ElevenLabs.

O que é o ElevenLabs Dubbing

DUBBING V1

  • O caminho estável e programático que a maioria das integrações usa.

DUBBING V2 (ALPHA)

  • O produto mais novo, oferecido pelo site.

Os dois recebem um arquivo de vídeo ou áudio, transcrevem, traduzem o roteiro e falam a tradução com uma voz que tenta se parecer com a de quem fala no original.

As medições abaixo comparam áudio com áudio.

SÓ ÁUDIOSEM LIP SYNCO ROSTO CONTINUA FALANDO A LÍNGUA ORIGINAL

O que ele faz bem

UMA API MADURA E BEM DOCUMENTADA
Endpoints estáveis, integração simples.
UMA LISTA DE LÍNGUAS MUITO AMPLA
Útil quando a língua de destino está bem longe das mais comuns.
TEXTO EM FALA AVULSO FORTE
Para narração e locução a partir de um roteiro, continua sendo uma ferramenta de ponta.
A MAIOR MARCA DA CATEGORIA
O produto que a maioria das pessoas encontra primeiro quando busca clonagem de voz, dublagem com IA ou lip sync com IA.

O que medimos

Dois estudos pareados de caixa-preta, os dois rodados em 5 de agosto de 2026.

  1. 01

    Os mesmos clipes de origem e as mesmas línguas de destino foram para cada sistema.

  2. 02

    Só o áudio final, o que o usuário recebe, foi avaliado.

  3. 03

    Os dois estudos são relatados separadamente.

ESTUDO A · VS DUBBING V1
FIG. 01 · SEMELHANÇA COM A VOZ REAL · DUBBING V1 · FAMILIAR +27.8% · AS 11 LÍNGUAS
FAMILIAR0.4605
ELEVENLABS0.3604
+95.5%

A ElevenLabs teve 95.5% mais erros na fala apontados na revisão.

258 VS 132
+261%

A ElevenLabs teve 261% mais erro espectral no som de fundo.

12.27 VS 3.40 dB
+10.2%

Naturalidade prevista para a Familiar.

2.51 VS 2.28 · EXPLORATÓRIO
Correlação da forma das risadas e reações: Familiar +243.7% maior, 0.759 contra 0.221. F1 do tempo dos efeitos sonoros e das batidas: Familiar +24.3% maior, 0.947 contra 0.762.
ESTUDO A | 418 PARES DE RESULTADOS | 38 CLIPES | 11 LÍNGUAS | RODADO EM 5 DE AGOSTO DE 2026
ESTUDO B · VS DUBBING V2 (ALPHA)
FIG. 02 · ERROS IMPORTANTES DE TRADUÇÃO · DUBBING V2 (ALPHA) · FAMILIAR 54.7% MENOS · 111 DUBLAGENS PAREADAS
ELEVENLABS64
FAMILIAR29
FIG. 03 · DUBLAGENS COM UM PROBLEMA IMPORTANTE DE SENTIDO · DUBBING V2 (ALPHA) 36/111 VS FAMILIAR 23/111 (+56.5%)
  • Dublagens com pelo menos um problema importante de sentido32%
  • Dublagens sem problema importante de sentido68%
270%

A ElevenLabs teve 270% mais erros no som de fundo: as risadas, a música, o som ambiente.

11.92 VS 3.22 dB MAE
+221%

A ElevenLabs teve 221% mais erro no volume das risadas e reações.

3.32 VS 1.04 dB · 18 CLIPES / 54 COMPARAÇÕES
+28.2%

Correlação da forma das risadas e reações na Familiar: 0.960 contra 0.749. O intervalo pareado de 95% exclui o zero.

Semelhança com a voz real: inconclusiva com esse tamanho de amostra (estimativa pontual de +3.5% para a Familiar; o intervalo cruzou o zero); o mesmo vale para a naturalidade prevista. Cobertura: a Familiar concluiu 38/38 clipes de origem; o Dubbing v2 (Alpha) recusou o clipe de 10.94 segundos por ficar abaixo do mínimo de 11 segundos (37/38).
ESTUDO B | 111 PARES DE RESULTADOS | MANDARIM, ESPANHOL, JAPONÊS | RODADO EM 5 DE AGOSTO DE 2026
FIG. 04 · AUDITORIA QUALITATIVA DOS MESMOS CLIPES · FALHAS DA ELEVENLABS POR CLASSE · 5 DE AGOSTO DE 2026
PALAVRAS45
RISADAS/EFEITOS8
VOZ PERDIDA6
SOBREPOSIÇÃO6
ENTREGA4
SOM AMBIENTE4
PALAVRAS
A CONTAGEM45
COMO SOACortadas ou inventadas.
RISADAS/EFEITOS
A CONTAGEM8
COMO SOARisadas e efeitos sonoros quebrados.
VOZ PERDIDA
A CONTAGEM6
COMO SOAA voz de quem fala se perdeu.
SOBREPOSIÇÃO
A CONTAGEM6
COMO SOAFalas sobrepostas emboladas em uma única voz.
ENTREGA
A CONTAGEM4
COMO SOAAchatada.
SOM AMBIENTE
A CONTAGEM4
COMO SOACamada de som de fundo removida.

Intervalos de confiança, resultados por língua e exemplos para ouvir: /benchmark/elevenlabs. O frente a frente completo: Familiar vs ElevenLabs Dubbing: dois estudos pareados.

Limites de fluxo de trabalho em escala de catálogo

Observados em 5 de agosto de 2026:

11 s

Duração mínima do clipe. Shorts, aberturas e cortes de reação abaixo disso não podem ser dublados; nosso clipe de 10.94 segundos foi recusado.

20

Itens por lote. Quatro vídeos em seis línguas são 24 resultados, mais do que cabe em um lote.

30

Requisições simultâneas. Dez vídeos em dez línguas são 100 requisições: pelo menos quatro rodadas.

v1

Editar a tradução. No modelo atual, o Dubbing v2, editar a transcrição e regenerar o áudio pela API é exclusivo dos planos Enterprise; o editor completo, o Dubbing Studio, roda no modelo v1, em modo de manutenção (documentação deles, 30 de outubro de 2026).

Nada disso importa para um vídeo em uma língua. Para um catálogo antigo ou uma carteira de canais em várias línguas, As melhores alternativas à ElevenLabs para dublagem compara as opções. Playbooks de catálogo e de lançamento: Como plataformas de streaming fecham a lacuna da dublagem local e Lançamento em vários países: dublar todos os mercados de uma vez.

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

Preço

TUDO INCLUÍDO

Uma renderização da Familiar, por minuto finalizado por língua de destino: a tradução, a própria voz de quem fala, o som da cena e o lip sync, entregues em até 4K com mixagem 5.1 real ou estéreo.

ACESSO POR CONTRATO STUDIO
$3

ElevenLabs Dubbing, por minuto dublado por língua de destino. Só áudio.

PREÇO NO CHECKOUT · 5 DE AGO. DE 2026

Costurar o lip sync com a Sync.so, a melhor ferramenta avulsa, acrescenta $8 por minuto: $11 no total, ainda sem mixagem 5.1. A própria documentação da ElevenLabs, sobre o áudio das dublagens:

…no máximo em estéreo… áudio 5.1 e outros áudios multicanal não são preservados.
ElevenLabs Help Center, which file formats are supported by Dubbing

Para comparar, a dublagem humana completa, tradução mais voz, custa de $70 a $150 por minuto finalizado; nesse preço, não é viável para a maior parte do mundo. O topo visual é assistivo: ferramentas como a Flawless TrueSync exigem uma equipe de artistas de VFX e semanas por projeto, e cada língua é um projeto novo. A ElevenLabs dubla de uma vez só e abre mão do resto medido acima; a Familiar faz de uma vez só e com qualidade.

O panorama de preços mais amplo, incluindo os valores da dublagem humana: Quanto custa a dublagem em 2026?

Veredito

DUBLAR VÍDEO

As medições apontam para outro lado.

GERAÇÃO DE VOZ AVULSA
O VEREDITOA ElevenLabs continua sendo uma ferramenta de ponta; para dublagem só de áudio em uma língua pouco comum, pode ser a única opção prática.
DUBLAR VÍDEO
O VEREDITOMenos erros de tradução e menor erro no som da cena nos dois estudos; uma voz 27.8% mais próxima da voz real de quem fala no Dubbing v1.
NA TELA
O VEREDITOUm rosto que fala a nova língua, com lip sync e toda a atuação do rosto além dele.
O TEXTO DA TRADUÇÃO
O VEREDITOTestado à parte contra tradutores profissionais especialistas, e empata com a primeira versão deles (IA vs tradução humana: testada contra profissionais).
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 LÍNGUAS, DE QUALQUER UMA PARA QUALQUER UMATRADUÇÃO + VOZ + SOM DA CENA + LIP SYNC, UMA RENDERIZAÇÃOIMAGEM EM ATÉ 4K · MIXAGEM 5.1 REALACESSO POR CONTRATO STUDIO, SOB MEDIDA PARA O SEU CATÁLOGO

REFERÊNCIAS

  1. [1]Benchmark Familiar vs ElevenLabs: resultados completos, intervalos e exemplos para ouvir
  2. [2]IA vs tradução humana: testada contra profissionais (o estudo completo de tradução)
  3. [3]Documentação do ElevenLabs Dubbing
  4. [4]Central de Ajuda da ElevenLabs: formatos de arquivo suportados pelo Dubbing (áudio no máximo estéreo; 5.1 não preservado)

TRADUÇÃO MULTIMODAL

A Familiar Labs faz dublagem uma geração à frente com um Modelo Multimodal de Decisão de Localização (MLDM), o primeiro modelo de fundação para tradução multimodal: um só modelo decide o que localizar em texto, áudio e imagem, e mostra para você as escolhas. Sua voz e seus lábios, levados para novas línguas. Uma equipe de 8, com doutores, investida por Samsung, RedBird e Gold House. Nossa missão

Veja o benchmark completo →Fale com a equipe