Så kör du en pilot för AI-dubbning (2026)

FAMILIAR FORSKNING2026-09-07ALLA ARTIKLAR

DET KORTA SVARET

En pilot för AI-dubbning är ett parat test: samma klipp genom det nuvarande arbetsflödet och kandidaten, bedömda av granskare med målspråket som modersmål på ord, röst, scen, ansikte och timing, mot acceptanskriterier skrivna innan någon lyssnar. Piloten körs på sammanhängande avsnitt, tar med en sen ändring och räknar korrekturvändor. Familiar publicerar sina egna parade resultat; en pilot prövar dem på köparens material.

KORTVERSIONEN

En pilot är parad: samma källklipp går genom det nuvarande arbetsflödet och kandidaten, på två eller tre målspråk.
Acceptanskriterierna skrivs innan någon lyssnar: en godkäntgräns per dimension, sex uppmätta dimensioner plus två operativa rader.
Granskare med målspråket som modersmål bedömer blint där formatet tillåter det och markerar sekunden då illusionen brast.
Granskningssteget räknar korrigeringarna: hur många översatta rader granskaren ändrade före rendering, och av vilket slag.
Två operativa mått följer kvaliteten: korrekturvändor per avsnitt, och tiden från en ändring i källan till en godkänd ersättning.

01.Vad är en pilot till för?

En demo visar leverantörens bästa klipp. En pilot visar köparens svåraste material genom två arbetsflöden.

Enheten är ett beslut. Piloten svarar på om en säsong, en katalog eller ett kreatörsnätverk kan flytta; en ren scen säger ingenting om avsnitt sextio.
Godkäntgränsen kommer först. Kriterier som är fastlagda innan någon lyssnar kan inte glida mot den dubbning rummet råkade gilla.
Designen är publicerad. Familiars parade studier på /benchmark använder den; piloten kör om den på köparens egna klipp.

02.Vilket material går in?

En sammanhängande följd, för en serie. Två eller tre avsnitt i följd med en återkommande huvudroll, så att röst, namn och tilltal prövas på kontinuitet genom hela följden.
Scenerna som knäcker dubbningar. Snabb dialog, ett skämt, en känslomässig vändning, egennamn, musik under talet, och två eller tre personer i bild som pratar i munnen på varandra.
En sen ändring. En ändrad replik eller en omklippt scen som lämnas in efter den första dubbningen; en ändrad källa är en ny dubbningsförfrågan, kontrollerad vid granskningssteget.
Två eller tre prioriterade språk, från de tre publicerade kvalitetsnivåerna på /docs/languages, bästa nivån först.

03.Vad säger acceptanskriterierna?

En fråga som en granskare med målspråket som modersmål svarar på för varje klipp, en godkäntgräns per dimension, och måttet Familiars benchmark använder för samma sak.

TABELL 01 · BEDÖMNINGSMALLEN · SEX UPPMÄTTA DIMENSIONER + TVÅ OPERATIVA RADER · GODKÄNTGRÄNSER FASTLAGDA FÖRE FÖRSTA RENDERINGEN
DIMENSION	GRANSKARENS FRÅGA	FAMILIARS BENCHMARK MÄTER
Talad betydelse	Säger raden det som sades? En modersmålstalare eller en återöversättning kontrollerar det.	Viktiga översättningsfel per resultat, mot en godkänd målbetydelse
Röstkloning	Blunda: är det samma person?	Talarlikhet med den verkliga talaren
Scenens ljud	Finns musiken, skratten och rummet fortfarande kvar under det nya talet?	Fel i bakgrundsljudet mot källscenen, i dB
Ansiktet	Stämmer munnen och hela ansiktet med de nya orden, hos varje talare i bild?	Bedöms på de parade lyssningsexemplen; ljudmåtten poängsätter det inte, och verktyg med enbart ljud hoppar över dimensionen
Röstliga händelser och timing	Landar skratt, suckar och reaktioner där och så som de landade?	Korrelation i händelsernas form; F1 för transienternas timing
Täckning	Tog verktyget emot varje klipp, i varje längd, på varje begärt språk?	Ett avvisat klipp får noll på det klippet; minimilängder och tak per omgång räknas emot det
Korrekturvändor	Hur många vändor innan varje språk godkändes?	Inte i benchmarken; räknas per avsnitt i piloten
Tid till godkänd ersättning	Hur lång tid från den sena ändringen till en godkänd ersättningsdubbning?	Inte i benchmarken; tas en gång, på den sena ändringen

En godkäntgräns är en siffra. Noll översättningsfel på namn och siffror; talaren igenkänd med slutna ögon av tre av fyra granskare; ingen scen där musiken faller bort; en korrekturvända per avsnitt.

04.Hur körs den?

Parad och black box. Varje källklipp och målspråk går genom båda arbetsflödena, och bara den färdiga dubbningen bedöms, på samma sätt som den publicerade metoden bara bedömer det färdiga ljudet.
Blint där formatet tillåter det. Preferenspoäng glider mot det som låter bekant; det som håller är sekunden då illusionen brast, och vad som bröt den.
En panel på målspråket bredvid de interna granskarna. Utomstående fångar slang, register och en sen poäng; den interna sidan fångar ett namn eller en intern term.
Granskningssteget är korrigeringsräknaren. Granskarna är kvar i loopen eftersom pipelinen pausar för dem: varje översatt rad redigeras vid granskningssteget före rendering, och antalet och slaget av redigerade rader är ett kvalitetsmått.
Märk varje ändrad rad. Klasserna visar vad en Översätt inte-lista och en kontextrad på en mening hade förhindrat i andra körningen.

NAMNIDIOMREGISTERSIFFRORTILLTALÖVERLAPPANDE TAL

05.Hur läses resultaten?

En vinst räknas när den håller över materialtyper och språk; en musikalisk scen eller en sekvens med snabba klipp kan behöva sin egen gräns.

Rapportera materialtyper som separata rader. Rena scener från en enda kamera och scener med snabba klipp som medelvärdesbildas tillsammans döljer raden som avgör katalogen.
Rapportera per språk. En vinst i två av tre språk är ett avtal på två språk tills det tredje har prövats igen.
Räkna de operativa raderna. Korrekturvändor per avsnitt och tiden från en ändring i källan till en godkänd ersättning avgör om ett dagligt släppschema håller.
De publicerade siffrorna är referensen; piloten är beviset. Familiars resultat på samma dimensioner:

FIG. 01 · VAD FAMILIAR PUBLICERAR VS ELEVENLABS · TVÅ PARADE BLACK BOX-STUDIER · 5 AUGUSTI 2026

270%

ElevenLabs hade 270% mer fel i bakgrundsljudet: skratten, musiken, atmosfären.

ELEVENLABS DUBBING V2 (ALPHA) · 111 PARADE RESULTAT · MANDARIN, SPANSKA, JAPANSKA · 11.92 VS 3.22 DB · 5 AUGUSTI 2026

+27.8%

Familiar låter 27.8% mer som den verkliga talaren; alla 11 språk föll ut till Familiars fördel.

ELEVENLABS DUBBING V1 · 418 PARADE RESULTAT · 11 SPRÅK · 0.4605 VS 0.3604 · 5 AUGUSTI 2026

54.7%

Familiar gjorde 54.7% färre viktiga översättningsfel i talet (29 mot 64).

ELEVENLABS DUBBING V2 (ALPHA) · 111 PARADE RESULTAT · SAMMA KOHORT SOM 270% · 5 AUGUSTI 2026

FIG. 02 · VAD FAMILIAR PUBLICERAR VS MÄNSKLIGA ÖVERSÄTTARE · BLINDBEDÖMNING MOT EXPERTGRANSKADE REFERENSVERSIONER · AUGUSTI 2026

100.3%

Familiars produktionsöversättning är likvärdig med den professionella översättarens första utkast, i snitt över franska, kinesiska, hindi och indonesiska.

PRODUKTIONSSTUDIE I ÖVERSÄTTNING VS PROFESSIONELLA ÖVERSÄTTARES FÖRSTA UTKAST · FYRA SPRÅK · AUGUSTI 2026

06.Från pilot till avtal

Tillgången går via Studio-avtal, anpassat till katalogen, med pengarna tillbaka inom 30 dagar på signerade årsavtal; pilotens språk blir avtalets första språk.

Korrigeringarna följer med. Namn och fraser som rättades i piloten ligger kvar i Översätt inte-listan och kontextraden per kreatör; det första produktionsavsnittet utgår från dem.
Livesessioner aktiveras med avtalet: språk, förväntad samtidighet och en repetition på köparens verkliga uppsättning över SRT, RTMP eller WHIP; sändningarna ligger sedan 5 till 9 sekunder efter originalet, varje talare med sin egen röst.
Systerhandböckerna tar vid här: studior, streamingplattformar, mikrodramer, lanseringar i flera länder och kreatörsnätverk.

FRÅGOR

Hur lång tid bör en pilot för AI-dubbning ta?

Tillräckligt länge för att dubba en sammanhängande följd på två eller tre språk, granska den med modersmålstalare och hantera en sen ändring. Två eller tre avsnitt i följd med en återkommande huvudroll prövar kontinuiteten lika mycket som kvaliteten.

Vad bör en dubbningspilot mäta?

Sex dimensioner, var och en bedömd av en granskare med målspråket som modersmål mot kriterier skrivna innan någon lyssnar: talad betydelse, röst, scenens ljud, ansiktet, timing och täckning. Två operativa rader följer med: korrekturvändor per avsnitt och tiden från en ändring i källan till en godkänd ersättning.

Bör granskarna veta vilken dubbning som är vilken?

Blint där formatet tillåter det. Preferenspoäng glider mot det som låter bekant, så det användbara protokollet är ögonblicket då illusionen brast: tidsstämpeln, och om ett skämt, ett namn, en röst eller två personer som talar samtidigt bröt den.

Kan granskningssteget vara en del av piloten?

Ja. Familiars pipeline pausar vid ett granskningssteg där varje översatt rad redigeras före rendering; antalet och slaget av rader granskaren ändrar är ett kvalitetsmått, och korrigeringarna följer med i den färdiga dubbningen. Livedubbningar översätts i farten, utan granskningssteg.

Vad publicerar Familiar för samma dimensioner?

Parade studier, augusti 2026. ElevenLabs Dubbing v2 (Alpha) hade 270% mer fel i bakgrundsljudet: skratten, musiken, atmosfären. Familiar lät 27.8% mer som den verkliga talaren än ElevenLabs Dubbing v1, närmare i alla 11 språk. Familiars översättningar var likvärdiga med professionella översättares första utkast, 100.3%, över franska, kinesiska, hindi och indonesiska.

KÄLLOR

Äntligen bra dubbning. Se mätningarna, och prata sedan med teamet om din katalog.

Se hela benchmarken →Prata med teamet

FAMILIAR · LANSERINGSFILMEN · 2:31