KOMPLETT GUIDE

Videoöversättning: den kompletta guiden (2026)

FAMILIAR FORSKNINGUPPDATERAD ALLA ARTIKLAR
LÄS ARTIKELN PÅEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

SAMMANFATTNING

Det finns fyra sätt att översätta en video: undertexter, speakerröst med en främlings röst, dubbning av enbart rösten med talarens egen röst, och dubbning med röst plus läppsynk, där själva framförandet översätts: läppsynk och allt därutöver. Här går vi igenom vad varje metod bevarar, vad den kostar per minut och hur du väljer, oavsett om du översätter en video till engelska, till spanska eller en hel katalog till 30 språk.

De fyra sätten att översätta en video

VAD SOM ÖVERLEVER, PER METOD · PRIS PER FÄRDIG MINUT OCH SPRÅK
MetodOrdenRöstenAnsiktetScenenTypiskt pris
UndertexterLäses, hörs inteKvar (originalljudet)KvarKvarIngår i varje dubbning från Familiar · professionell översättning ungefär $10/min
Speakerröst (den klassiska dubbningen)Talas av en främlingErsattFormar originalspråket med munnenBeror på studions mix$70 till $150 full mänsklig, översättning plus röst · enbart röstpaket $39 till $94 · från $128 premiumstudio
Dubbning av enbart röstenTalasTalarens egenFormar fortfarande originalet med munnenOfta försämrad (uppmätt i avsnitt 02)$3 (pris i kassan hos ElevenLabs, 5 aug. 2026), bara ljud
Dubbning med röst plus läppsynkTalasTalarens egenLäppsynkat till det nya språket, upp till 4KMusik, effekter och atmosfär kvar; äkta 5.1- eller stereomixFamiliar: en rendering, via Studio-avtal

YOUTUBES AUTOMATISKA DUBBNING · SPEAKERRÖST

  • YouTubes automatiska dubbning och speakerröst lägger båda en annan röst på talaren.

DUBBNING AV ENBART RÖSTEN

  • Dubbning av enbart rösten, ofta sökt som ”röstkloning”, behåller rösten; munnen talar fortfarande det gamla språket.

Dubbning med röst plus läppsynkAI-LÄPPSYNK

Den AI-läppsynk som folk söker efter, utvidgad till hela ansiktet. Mer: AI-videodubbning, förklarad.
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

Vad kvalitet betyder och hur den mäts

Det ärliga testet är parat: samma källvideo till varje system.

Två parade studier mot ElevenLabs, aldrig ihopslagna, på /benchmark/elevenlabs, bedömda på:

BETYDELSERÖSTKLONINGSCENENS LJUDMATTATAJMING I TRANSIENTER
FIG. 01 · FEL I DET TALADE RESULTATET SOM FLAGGADES I GRANSKNINGEN · STABILA DUBBING V1 · 418 PARADE RESULTAT · 11 SPRÅK
ElevenLabs258
Familiar132
  • Samma studie: Familiar låter 27.8% mer som den verkliga talaren (0.4605 mot 0.3604).
  • Alla 11 språk till Familiars fördel.
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

Studien mot Dubbing v2 (Alpha), 111 parade resultat, visar samma mönster:

270%

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

11.92 MOT 3.22 DB · DUBBING V2 (ALPHA)
54.7%

Familiar gjorde 54.7% färre viktiga översättningsfel i talet.

29 MOT 64 · DUBBING V2 (ALPHA)
+28.2%

Familiar fick högre korrelation för formen hos skratt och reaktioner.

0.960 MOT 0.749 · DUBBING V2 (ALPHA)

Vilken översättningskvalitet som går att nå

Augusti 2026: Familiar mot professionella expertöversättare, blindbedömt mot expertgranskade referensversioner.

FIG. 02 · ÖVERSÄTTNINGSKVALITET MOT EXPERTENS FÖRSTA UTKAST · STRECKAD LINJE = DEN PROFESSIONELLAS 100%
Franska100.0%
Kinesiska98.2%
Hindi103.3%
Indonesiska99.6%
FRANSKA, KINESISKA, HINDI, INDONESISKA (FÖRSTA UTKAST FRÅN PROFESSIONELLA EXPERTÖVERSÄTTARE)

Kontroll är den andra halvan, och det är där Familiars multimodala beslutsmodell för lokalisering (MLDM), den första grundmodellen för multimodal översättning, ett nytt paradigm och det första i sitt slag, visar sina beslut:

ÖVERSÄTT INTE
En lista över sådant som inte ska översättas behåller namn och signaturfraser exakt som talaren säger dem.
SKÄMT OCH LADDADE REPLIKER
Skämt och laddade repliker kommer tillbaka som flera översättningsalternativ, vart och ett med sitt resonemang, som dina creative directors väljer mellan.
GRANSKNINGSVY
Varje video stannar vid en granskningsvy: redigera vilken replik som helst före renderingen. Varje beslut sparas med dubbningsjobbet och kan köras över.
UNDER UTVECKLING
Att behålla en ramsa eller ett skrik på originalspråket, välja ett annat ansikte för en replik och välja vilken text i bilden som ska översättas.
DEN FÖRSTA GRUNDMODELLEN FÖR MULTIMODAL ÖVERSÄTTNING

Pris per minut

FIG. 03 · PRIS PER FÄRDIG MINUT OCH MÅLSPRÅK · ELEVENLABS = $3/MIN I KASSAN · 5 AUG. 2026 · INTERVALL VID MITTPUNKTEN
ElevenLabs$3 bara ljud
Undertexter, proffs~$10 bara text
Mänsklig röst$39–94
Full mänsklig dubbning$70–150
Studiodubbningfrån $128
Inget av dessa priser innehåller läppsynk. Den assisterande vägen dit kräver ett team av VFX-artister och veckor per projekt; dagens verktyg som dubbar i ett svep är snabba och offrar resten. Familiar är både ett svep och kvaliteten: en rendering från MLDM bär översättningen, talarens egen röst, scenens ljud och läppsynken.
Siffran för undertexter är medianpriset för professionella över studiens 11 språk.

BILD

Upp till 4K

MIX

Äkta 5.1 eller stereo

UNDERTEXTER

.srt · .vtt

Med varje dubbning, skurna enligt Netflix Timed Text Style Guide: två rader, 42 tecken per rad, upp till 17 per sekund.

TILLGÅNG

Studio-avtal

Anpassat efter din katalog; 30 dagars pengarna tillbaka på undertecknade årsavtal.

Full mänsklig dubbning, översättning plus röst, kostar $70 till $150 per färdig minut.

Det blir $4,200 till $9,000 för en video på 60 minuter till ett språk, så även de största produktionerna dubbar bara till ett fåtal språk, och mindre produktioner, serier och vertikala dramer dubbas inte alls.

Tillgång: /pricing; hela prisgenomgången: Vad kostar dubbning 2026?

Välj efter typ av innehåll

VIDEOR MED EN TALARE I BILD
VAD SOM AVGÖRAnsiktet bär budskapet, så dubbning med röst plus läppsynk passar.
PODDAR OCH INTERVJUER
VAD SOM AVGÖRFlera talare måste var och en behålla sin egen röst.
FILM OCH TV
VAD SOM AVGÖRMusik, effekter och tajmingen i reaktionerna avgör om en dubbning går att titta på; avsnitt 02 mäter just det. Handböcker för studior: Varför dubbningen känns fel utomlands, och hur studior löser det och Vilken är den bästa AI-dubbningen för film?
STREAMINGKATALOGER
VAD SOM AVGÖRTäckningen är flaskhalsen: dubba vid uppladdning, granska per språk, släpp varje språk när det är godkänt. Så stänger streamingplattformar språkgapet i katalogen.
MIKRODRAMER
VAD SOM AVGÖRDagliga avsnitt med skådespelarnas egna röster, där namn och signaturfraser hålls fast av en lista över sådant som inte ska översättas för hela serien. Dubbning av mikrodramer med dagliga släpp.
SAMTIDIGA LANSERINGAR
VAD SOM AVGÖREn begäran till varje målspråk, och varje marknad släpps när den är godkänd. Lansering i flera länder: dubba alla marknader på en gång.
KURSER OCH FÖRELÄSNINGAR
VAD SOM AVGÖRTerminologin är risken: lägg fackuttrycken på listan över sådant som inte ska översättas och kontrollera dem i granskningsvyn.
PREDIKNINGAR
VAD SOM AVGÖREn inspelning varje vecka som når en flerspråkig församling, med talarens egen röst i stället för en tolks.
LIVESÄNDNINGAR
VAD SOM AVGÖRHär passar bara livedubbning; undertexter och inspelade dubbningar kommer för sent. Hos Familiar är livedubbning under utveckling.
REKLAM OCH PRODUKTVIDEO
VAD SOM AVGÖRKorta speltider gör en komplett dubbning till en liten kostnadspost, och grundarens eller talespersonens riktiga röst bär förtroendet.
FIG. 04 · DE 100 STÖRSTA YOUTUBEKANALERNA, EFTER SPRÅK
  • Inte på engelska64%
  • På engelska36%

Familiars 30 språk fungerar från vilket som helst till vilket som helst: en spansk eller koreansk kanal kan översätta en video till engelska, där den största publiken finns.

KÄLLOR

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates, läst 30 oktober 2026
  2. [2]Benchmark Familiar mot ElevenLabs: alla resultat, intervall och lyssningsexempel
  3. [3]AI mot mänsklig översättning: testad mot professionella

Multimodal översättning

Familiar Labs gör en generation bättre dubbning med en multimodal beslutsmodell för lokalisering (MLDM), den första grundmodellen för multimodal översättning: en enda modell avgör vad som ska lokaliseras i text, ljud och bild, och visar dig valen. Din röst och dina läppar, vidare till nya språk. Ett team på 8 med doktorsexamina och Samsung, RedBird och Gold House i ryggen. Vår mission

Se hela benchmarken →Prata med teamet