การศึกษาด้านราคา

การพากย์เสียงราคาเท่าไหร่ในปี 2026

FAMILIAR งานวิจัยอัปเดตเมื่อ บทความทั้งหมด
อ่านบทความนี้เป็นภาษาEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

บทคัดย่อ

การพากย์โดยมนุษย์แบบครบวงจร ทั้งแปลและลงเสียง อยู่ที่ $70 ถึง $150 ต่อนาทีชิ้นงานสำเร็จ (ตรวจสอบอัตราเมื่อ 5 สิงหาคม 2026) จึงใช้ไม่ได้จริงกับคนส่วนใหญ่ของโลก แม้แต่งานโปรดักชันระดับท็อปก็พากย์ได้เพียงไม่กี่ภาษา เพราะทั้งต้นทุน กำลังคน และเวลา ส่วนงานโปรดักชันขนาดเล็ก รายการ และซีรีส์แนวตั้งแทบไม่พากย์เลย ElevenLabs เสนอราคา $3 ที่หน้าชำระเงิน ได้แค่เสียง การเรนเดอร์ของ Familiar หนึ่งครั้งภายใต้สัญญา Studio ได้ครบทั้งคำแปล เสียงของผู้พูดเอง เสียงของฉาก และลิปซิงค์ ส่งมอบที่ความละเอียดสูงสุด 4K พร้อมมิกซ์ 5.1 แท้ หรือสเตอริโอ ถ้าดูเฉพาะตัวคำ คำแปลเทียบเท่าร่างแรกของนักแปลมืออาชีพระดับผู้เชี่ยวชาญ คือ 100.3% ของคุณภาพงานของพวกเขา

การพากย์เสียงราคาเท่าไหร่ต่อนาทีชิ้นงานสำเร็จ

ตั้งแต่ $2 ถึง $150 ต่อนาทีชิ้นงานสำเร็จ ขึ้นอยู่กับว่าคำว่า “พากย์” ครอบคลุมอะไรบ้าง

$70–150

ต่อนาทีชิ้นงานสำเร็จ สำหรับการพากย์โดยมนุษย์แบบครบวงจร ทั้งแปลและลงเสียง

$3

ElevenLabs Dubbing ต่อนาทีที่พากย์ต่อภาษาปลายทาง เฉพาะเสียงเท่านั้น

ราคาหน้าชำระเงิน · 5 สิงหาคม 2026
FIG. 01 · ราคาต่อนาทีชิ้นงานสำเร็จ ต่อภาษา · 5 สิงหาคม 2026 · ช่วงราคาแสดงที่ค่ากลาง
ElevenLabs$3.00 เสียงอย่างเดียว
บทอย่างเดียว$10
แพ็กเกจเสียงพากย์$39–94
พากย์โดยมนุษย์ครบวงจร$70–150
สตูดิโอ$128+
แต่ละราคาครอบคลุมอะไร · อัตราที่เผยแพร่ เข้าดูเมื่อ 5 สิงหาคม 2026
ตัวเลือกต่อนาทีชิ้นงานสำเร็จราคานี้ครอบคลุมอะไร
Familiarตามสัญญา Studioการเรนเดอร์ครั้งเดียว: คำแปล เสียงของผู้พูดเอง เสียงของฉาก และลิปซิงค์ ส่งมอบที่ความละเอียดสูงสุด 4K พร้อมมิกซ์ 5.1 แท้ หรือสเตอริโอ
ElevenLabs Dubbing$3.00 (ราคาหน้าชำระเงิน 5 สิงหาคม 2026)เสียงอย่างเดียว
HeyGen$2.00–3.33 (ราว $120–200 ต่อชั่วโมงของคอนเทนต์)แพ็กเกจวิดีโอที่นำเสนอด้วยอวตาร
การพากย์โดยมนุษย์แบบครบวงจร$70–150ค่าแปลคิดตามคำของนักแปล รวมกับแพ็กเกจเสียงพากย์
แพ็กเกจพากย์โดยมนุษย์$39–94 (ราว $60 ที่ค่ากลาง)นักพากย์ การกำกับเสียง และมิกซ์ที่เสร็จสมบูรณ์
งานพากย์สตูดิโอระดับพรีเมียมเริ่มต้น $128งานพากย์สตูดิโอแม่นยำระดับเฟรม สำหรับส่งออกอากาศ
เฉพาะการแปลระดับมืออาชีพ การจับเวลา และ QCค่ามัธยฐาน $10 / ค่าเฉลี่ย $11.95ข้อความระดับบท ไม่มีเสียง

คุณภาพการแปล วัดเทียบกับมืออาชีพ

100.3%

ของคุณภาพร่างแรกของนักแปลมืออาชีพระดับผู้เชี่ยวชาญ เฉลี่ยจากสี่ภาษา ให้คะแนนแบบปกปิดเทียบกับฉบับแก้ไขอ้างอิงของผู้เชี่ยวชาญ (สิงหาคม 2026)

ฝรั่งเศส จีน ฮินดี อินโดนีเซีย (ร่างแรกของนักแปลมืออาชีพระดับผู้เชี่ยวชาญ)
ร่างแรกแบบนั้นในอัตรามืออาชีพที่เผยแพร่อยู่ที่ $0.15–0.30 ต่อคำ ได้เฉพาะข้อความ
อัตราค่าแปลต่อคำเป็นช่วงราคาตลาดที่เผยแพร่

วิดีโอ 60 นาทีมีต้นทุนจริงเท่าไหร่

FIG. 02 · วิดีโอ 60 นาทีหนึ่งเรื่อง · หนึ่งภาษาปลายทาง · ช่วงราคาแสดงที่ค่ากลาง
บทอย่างเดียว$600–717
แพ็กเกจเสียงพากย์$2,340–5,640
พากย์โดยมนุษย์ครบวงจร$4,200–9,000
สตูดิโอ$7,680+

ที่ $4,200 ถึง $9,000 ต่อชั่วโมงต่อภาษา งานโปรดักชันขนาดเล็ก รายการ และซีรีส์แนวตั้งจึงแทบไม่พากย์เลย

Familiar ขายผ่านสัญญา Studio ตามสเปกพร้อมฉาย: ภาพสูงสุด 4K มิกซ์ 5.1 แท้ เสียงของนักแสดงทุกคนเอง และลิปซิงค์ (ราคา):

สัญญา

ปรับขนาดตามคลังคอนเทนต์ของคุณ

คืนเงินได้ภายใน 30 วันสำหรับสัญญารายปีที่เซ็นแล้ว

มิกซ์เสียง

เสียงรอบทิศทาง 5.1 แท้ หรือสเตอริโอ

เลือกได้ตามต้องการ เป็น PCM 24 บิต แพลตฟอร์มสตรีมมิ่งกำหนดให้งานพากย์ตรงกับมิกซ์ต้นฉบับ: เข้า 5.1 ออก 5.1

วิดีโอ

รวมลิปซิงค์แล้ว

งานเรนเดอร์วิดีโอรวมลิปซิงค์ ส่วนการพากย์เฉพาะเสียงสำหรับพอดแคสต์และแทร็กเสียง คิดต่อภาษา

ซับไตเติล

.srt และ .vtt

มากับงานพากย์ทุกชิ้น ตัดตาม Timed Text Style Guide ของ Netflix: สองบรรทัด บรรทัดละ 42 ตัวอักษร ไม่เกิน 17 ตัวอักษรต่อวินาที

ในระดับคลังคอนเทนต์: แพลตฟอร์มสตรีมมิ่งปิดช่องว่างงานพากย์ภาษาท้องถิ่นอย่างไร

ส่วนหนึ่งของสิ่งที่ราคานี้ครอบคลุม: งานพากย์ทุกชิ้นประมวลผลบนคลัสเตอร์ GPU NVIDIA B300 มูลค่าหลักสิบล้านดอลลาร์ของ Familiar เองที่โทรอนโต ประเทศแคนาดา ไม่ใช้คลาวด์สาธารณะหรือผู้ให้บริการประมวลผลภายนอก
ประมวลผลแบบส่วนตัว · โทรอนโต แคนาดา

ทำไมราคาต่อนาทีถึงเทียบกันตรงๆ ไม่ได้

แต่ละรายการต้นทุนครอบคลุมอะไร

การแปล
ครอบคลุมอะไรข้อความระดับบท: การแปลระดับมืออาชีพ การจับเวลา และ QC ไม่มีเสียง
เสียง
ครอบคลุมอะไรนักพากย์ การกำกับเสียง และมิกซ์ที่เสร็จสมบูรณ์
ลิปซิงค์
ครอบคลุมอะไรเสียงอย่างเดียว: ไม่มีลิปซิงค์ ผู้พูดบนจอยังขยับปากเป็นภาษาเดิม ครบในงานเดียว: ลิปซิงค์ด้วย AI และทุกอย่างที่เกินกว่านั้น ทั้งใบหน้าแสดงเป็นภาษาใหม่ และเสียงของฉากยังอยู่ครบ
การส่งมอบ
ครอบคลุมอะไรงานพากย์สตูดิโอแม่นยำระดับเฟรม สำหรับส่งออกอากาศ

คิดเป็นราคา: เสียงจาก ElevenLabs $3 บวก Sync.so เครื่องมือลิปซิงค์แบบแยกที่ดีที่สุด อีก $8 ต่อนาที รวมเป็น $11 ต่อนาที เมื่อต่อเข้าด้วยกัน

แยกตามรูปแบบ: การแปลวิดีโอ: คู่มือฉบับสมบูรณ์

FIG. 03 · ข้อจำกัดของเวิร์กโฟลว์ที่สังเกตได้ · ELEVENLABS DUBBING · 5 สิงหาคม 2026
20

รายการต่อแบตช์ การอัปโหลดทั้งคลังต้องทยอยส่งเป็นรอบ

30

คำขอพร้อมกันสูงสุด

<11 วินาที

คลิปที่สั้นกว่า 11 วินาทีจะถูกปฏิเสธ

ข้อจำกัดของเวิร์กโฟลว์คือค่าแรง: วิดีโอ 10 คลิปเป็น 10 ภาษา คือ 100 คำขอ ต้องแบ่งแบตช์เองอย่างน้อยสี่รอบก่อนจะเริ่มพากย์ได้ อ่านต่อที่ทางเลือกที่ดีที่สุดแทน ElevenLabs สำหรับงานพากย์ ถ้าต้องการหลายตลาดพร้อมกัน: เปิดตัวหลายประเทศพร้อมกัน: พากย์ทุกตลาดในครั้งเดียว

คุณภาพ วัดบนคลิปชุดเดียวกัน

FIG. 04 · การศึกษา DUBBING V1 · ผลลัพธ์เทียบคู่ 418 รายการ · 11 ภาษา · 5 สิงหาคม 2026
+27.8%

ความคล้ายผู้พูดของ Familiar สูงกว่า (0.461 เทียบกับ 0.360) ทั้ง 11 ภาษาเป็นของ Familiar

48.8%

Familiar มีข้อผิดพลาดในเสียงพูดที่ผู้ตรวจทำเครื่องหมายไว้น้อยกว่า (132 เทียบกับ 258)

FIG. 05 · การศึกษาผลิตภัณฑ์ใหม่ล่าสุด · ELEVENLABS DUBBING V2 (ALPHA) · ผลลัพธ์เทียบคู่ 111 รายการ · 3 ภาษา · 5 สิงหาคม 2026
270%

ElevenLabs ทำข้อผิดพลาดด้านเสียงพื้นหลังมากกว่า (11.92 เทียบกับ 3.22 dB) ทั้งเสียงหัวเราะ เสียงดนตรี และเสียงบรรยากาศ

54.7%

Familiar แปลผิดจุดสำคัญในเสียงพูดน้อยกว่า (29 เทียบกับ 64)

ทั้งสองการศึกษาเขียนไว้ในFamiliar เทียบกับ ElevenLabs Dubbing: การศึกษาแบบเทียบคู่สองชุด
สองกลุ่มตัวอย่าง รายงานแยกกัน: 418 คู่ (DUBBING V1) และ 111 คู่ (DUBBING V2 ALPHA)
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

การเทียบกับล่าม และเหตุที่มันเทียบกันไม่ได้

$69.92

ค่ามัธยฐานรายชั่วโมงของล่าม และต้องจ้างชั่วโมงนั้นใหม่ทุกครั้ง

การสำรวจค่าตอบแทนของ AMERICAN TRANSLATORS ASSOCIATION
ไม่มีบทที่นำกลับมาใช้ได้ไม่มีเสียงพากย์ไม่มีมิกซ์ที่เสร็จสมบูรณ์ไม่มีวิดีโอที่ลิปซิงค์แล้ว

แหล่งอ้างอิง

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates อ่านเมื่อ 30 ตุลาคม 2026
  2. [2]เบนช์มาร์ก Familiar เทียบกับ ElevenLabs: ผลฉบับเต็ม ช่วงความเชื่อมั่น และตัวอย่างเสียงให้ลองฟัง
  3. [3]AI เทียบกับนักแปลมนุษย์: ทดสอบเทียบกับมืออาชีพ (2026) (การศึกษาคุณภาพร่างแรก)
  4. [4]อัตราค่าบริการของ Netflix Preferred Fulfillment Partner (เงื่อนไขโครงการ)
  5. [5]Voquent: คู่มือต้นทุนการพากย์
  6. [6]Gotham Lab: บริการพากย์และอัตราค่าบริการ
  7. [7]ATA Compensation Survey, Sixth Edition (อัตราค่าล่ามและค่าแปล)
  8. [8]เอกสาร ElevenLabs Dubbing (ราคาตามความยาวต้นฉบับและจำนวนภาษา)

การแปลแบบมัลติโมดัล

Familiar Labs สร้างงานพากย์ที่ก้าวกระโดดไปอีกขั้น ด้วยโมเดลตัดสินใจด้านโลคัลไลเซชันแบบมัลติโมดัล (MLDM) โมเดลพื้นฐานตัวแรกสำหรับการแปลแบบมัลติโมดัล โมเดลเดียวที่ตัดสินใจว่าจะปรับอะไรให้เข้ากับท้องถิ่น ทั้งในข้อความ เสียง และภาพ พร้อมแสดงตัวเลือกให้คุณเห็น เสียงและริมฝีปากของคุณ ถ่ายทอดสู่ภาษาใหม่ ทีม 8 คนที่มีปริญญาเอก ได้รับการสนับสนุนจาก Samsung, RedBird และ Gold House ภารกิจของเรา

ดูเบนช์มาร์กฉบับเต็ม →คุยกับทีม