BENCHMARK ĐỐI ĐẦU

Familiar và ElevenLabs Dubbing: hai nghiên cứu theo cặp

FAMILIAR NGHIÊN CỨUCẬP NHẬT TẤT CẢ BÀI VIẾT
ĐỌC BÀI NÀY BẰNGEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

TÓM TẮT

Trên cùng bộ clip, Familiar nghe giống người nói thật hơn 27.8% so với ElevenLabs Dubbing v1, gần hơn ở cả 11 ngôn ngữ (418 cặp kết quả, ngày 5/8/2026). Với ElevenLabs Dubbing v2 (Alpha), ElevenLabs mắc lỗi âm thanh nền nhiều hơn 270% (tiếng cười, tiếng nhạc, âm thanh môi trường), còn Familiar mắc lỗi dịch quan trọng trong lời nói ít hơn 54.7% (29 so với 64; 111 cặp kết quả trên tiếng Quan Thoại, tiếng Tây Ban Nha và tiếng Nhật). Familiar cũng dẫn trước về sự kiện giọng ở cả hai nghiên cứu, và về độ tự nhiên dự đoán trong nghiên cứu Dubbing v1. Dữ liệu đầy đủ và các mẫu nghe thử: benchmark ElevenLabs đầy đủ.

Phương pháp

DUBBING V1 · CẶP KẾT QUẢ

418

38 clip, 11 ngôn ngữ

DUBBING V2 (ALPHA) · CẶP KẾT QUẢ

111

Tiếng Quan Thoại, Tây Ban Nha, Nhật

NGÀY NGHIÊN CỨU

5/8/2026

Cả hai nghiên cứu

CLIP NGUỒN

38

Tiếng Anh, mỗi clip cùng trọng số

  1. 01

    Theo cặp và kiểu hộp đen

    Cùng một clip nguồn tiếng Anh và ngôn ngữ đích được đưa qua từng hệ thống; chỉ phần âm thanh cuối cùng được đánh giá.
  2. 02

    Đánh giá ý nghĩa

    Mọi bản lồng tiếng được chép lời kèm mốc thời gian từng từ và đối chiếu với cùng một nghĩa đích đã được chốt.
  3. 03

    Phép đo âm học

    So sánh bản lồng tiếng với cảnh nguồn: lớp âm nền, đường bao của sự kiện giọng và nhịp thời gian của các âm chuyển tiếp.
  4. 04

    Thống kê

    Mỗi clip nguồn có cùng trọng số, khoảng tin cậy 95% được lấy mẫu lại theo clip nguồn, và hai nhóm mẫu không bao giờ được gộp chung.

Kết quả của Familiar còn mang theo khuôn mặt đã lip sync; mọi phép đo dưới đây đều là âm thanh so với âm thanh.

Kết quả: ElevenLabs Dubbing v2 (Alpha) (sản phẩm mới nhất của họ)

111 CẶP KẾT QUẢ ÂM THANH CUỐITIẾNG QUAN THOẠITIẾNG TÂY BAN NHATIẾNG NHẬT
HÌNH. 01 · LỖI DỊCH QUAN TRỌNG · DUBBING V2 (ALPHA) · FAMILIAR ÍT HƠN 54.7% · 111 CẶP BẢN LỒNG TIẾNG
ELEVENLABS64
FAMILIAR29
HÌNH. 02 · BẢN LỒNG TIẾNG THÀNH PHẨM CÓ ÍT NHẤT MỘT LỖI Ý NGHĨA QUAN TRỌNG · DUBBING V2 (ALPHA) · ELEVENLABS +56.5%
ELEVENLABS36/111
FAMILIAR23/111
270%

ElevenLabs mắc lỗi âm thanh nền nhiều hơn 270%: tiếng cười, tiếng nhạc, âm thanh môi trường.

MAE 11.92 SO VỚI 3.22 dB
+221%

ElevenLabs mắc lỗi độ lớn của tiếng cười và phản ứng nhiều hơn 221%.

3.32 SO VỚI 1.04 dB · 18 CLIP / 54 LẦN SO SÁNH
+28.2%

Tương quan hình dạng tiếng cười và phản ứng của Familiar: 0.960 so với 0.749. Khoảng tin cậy 95% theo cặp không chứa số 0.

Kết quả: ElevenLabs Dubbing v1 (sản phẩm ổn định)

418 LƯỢT THỬ CLIP-NGÔN NGỮ38 CLIP11 NGÔN NGỮCẢ HAI HỆ THỐNG HOÀN THÀNH MỌI LƯỢT THỬ
HÌNH. 03 · ĐỘ GIỐNG NGƯỜI NÓI THẬT · DUBBING V1 · FAMILIAR +27.8% · CẢ 11 NGÔN NGỮ NGHIÊNG VỀ FAMILIAR
FAMILIAR0.4605
ELEVENLABS0.3604
HÌNH. 04 · LỖI PHỔ ÂM NỀN · DUBBING V1 · dB, CÀNG THẤP CÀNG TỐT · CÁC VÙNG CẢNH ĐÃ XÁC MINH
ELEVENLABS12.27 dB
FAMILIAR3.40 dB
+95.5%

ElevenLabs có nhiều hơn 95.5% lỗi trong lời nói đầu ra bị phần đánh giá gắn cờ.

258 SO VỚI 132
+243.7%

Tương quan hình dạng tiếng cười và phản ứng của Familiar: 0.759 so với 0.221, trên các vùng sự kiện đã xác minh.

+10.2%

Độ tự nhiên dự đoán của Familiar.

2.51 SO VỚI 2.28 · MANG TÍNH THĂM DÒ
DUBBING V2 (ALPHA)
TIÊU CHÍĐộ bao phủ
KẾT QUẢFamiliar hoàn thành 38/38 clip nguồn; Dubbing v2 (Alpha) từ chối clip dài 10.94 giây vì dưới mức tối thiểu 11 giây (37/38).
DUBBING V2 (ALPHA)
TIÊU CHÍĐộ giống người nói thật
KẾT QUẢChưa đủ kết luận ở cỡ mẫu này; ước lượng điểm +3.5% nghiêng về Familiar, với khoảng tin cậy theo cặp cắt qua số 0.
DUBBING V1
TIÊU CHÍNhịp thời gian của âm chuyển tiếp (hiệu ứng âm thanh và nhịp)
KẾT QUẢCũng nghiêng về Familiar: F1 0.947 so với 0.762.
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

Những giới hạn quy trình chúng tôi gặp phải

ELEVENLABS DUBBING3 GIỚI HẠN SẢN PHẨMGHI NHẬN NGÀY 5/8/2026
11 giây

Độ dài clip tối thiểu. Clip 10.94 giây trong bộ dữ liệu của chúng tôi hoàn toàn không lồng tiếng được.

20

Số mục mỗi lô. Bốn video sang sáu ngôn ngữ đã là 24 kết quả, vượt sức chứa một lô.

30

Số yêu cầu đồng thời. Mười video sang mười ngôn ngữ là 100 yêu cầu: ít nhất bốn đợt chia lô rồi chờ đợi.

  • Familiar nhận clip ở mọi độ dài; một lần tải lên được chia ra mọi ngôn ngữ đã chọn.

Giá

TRỌN GÓI

Một lần render của Familiar, tính trên mỗi phút thành phẩm cho mỗi ngôn ngữ đích: bản dịch, chính giọng của người nói, âm thanh khung cảnh và lip sync, bàn giao lên đến 4K cùng bản phối 5.1 thực thụ hoặc stereo.

TRUY CẬP THEO HỢP ĐỒNG STUDIO
$3

ElevenLabs Dubbing, mỗi phút lồng tiếng cho mỗi ngôn ngữ đích. Chỉ có âm thanh.

BÁO GIÁ KHI THANH TOÁN · 5/8/2026
$3 chỉ mua được phần âm thanh. Để có được như một lần render của Familiar, bạn vẫn phải ghép thêm lip sync: công cụ lip sync độc lập tốt nhất, Sync.so, có giá $8 mỗi phút, tổng cộng $11, mà vẫn chưa có bản phối 5.1. Tài liệu của chính ElevenLabs viết rằng bản lồng tiếng “tối đa là stereo… âm thanh 5.1 và các định dạng đa kênh khác không được giữ lại.” Để so sánh, lồng tiếng hoàn toàn bằng người thật, gồm dịch thuật và giọng nói, tốn từ $70 đến $150 cho mỗi phút thành phẩm; với mức giá đó, phần lớn thế giới không thể dùng được.
Giới hạn sản phẩm và giá được ghi nhận ngày 5/8/2026 và có thể thay đổi.

Nghiên cứu giá đầy đủ, kèm nguồn: Lồng tiếng tốn bao nhiêu vào năm 2026?

Bản dịch so với dịch giả chuyên nghiệp

Một nghiên cứu riêng vào tháng 8/2026 đặt bản dịch sản xuất thực tế của Familiar cạnh bản dịch của các dịch giả chuyên nghiệp, chấm điểm ẩn danh dựa trên bản hiệu đính tham chiếu của chuyên gia.

Trên tiếng Pháp, tiếng Trung, tiếng Hindi và tiếng Indonesia, Familiar ngang ngửa bản dịch lượt đầu của họ.

HÌNH. 05 · CHẤT LƯỢNG BẢN DỊCH SO VỚI BẢN DỊCH LƯỢT ĐẦU CỦA DỊCH GIẢ CHUYÊN NGHIỆP · CHẤM ĐIỂM ẨN DANH · THÁNG 8/2026
TIẾNG PHÁP100.0%
TIẾNG TRUNG98.2%
TIẾNG HINDI103.3%
TIẾNG INDONESIA99.6%
ĐƯỜNG NÉT ĐỨT = BẢN DỊCH LƯỢT ĐẦU CỦA DỊCH GIẢ CHUYÊN NGHIỆP (100%)
100.3%

Trung bình so với chất lượng bản dịch lượt đầu của dịch giả chuyên nghiệp.

TIẾNG PHÁP, TRUNG, HINDI, INDONESIA (BẢN DỊCH LƯỢT ĐẦU CỦA DỊCH GIẢ CHUYÊN NGHIỆP)

Hạn chế

Phần đánh giá ý nghĩa có mô hình hỗ trợ và chỉ chấm một lượt; vòng đánh giá kép độc lập bởi người bản ngữ vẫn đang chờ. Độ giống người nói thật và độ tự nhiên trên Dubbing v2 (Alpha): chưa đủ kết luận ở cỡ mẫu này; không bao giờ gộp chung với kết quả v1. Các clip thực tế được tuyển chọn, không phải một mẫu xác suất của mọi loại video.

TÀI LIỆU THAM KHẢO

  1. [1]Benchmark Familiar vs ElevenLabs: kết quả đầy đủ, khoảng tin cậy và các mẫu nghe thử
  2. [2]AI vs dịch giả: thử nghiệm so với chuyên gia (nghiên cứu bản dịch đầy đủ)
  3. [3]Tài liệu ElevenLabs Dubbing (giá theo thời lượng nguồn và số ngôn ngữ)
  4. [4]Trung tâm trợ giúp ElevenLabs: các định dạng file Dubbing hỗ trợ (âm thanh tối đa stereo; không giữ 5.1)

Dịch đa phương thức

Familiar Labs xây dựng công nghệ lồng tiếng vượt thế hệ với mô hình ra quyết định bản địa hóa đa phương thức (MLDM), mô hình nền tảng đầu tiên cho dịch đa phương thức: một mô hình quyết định bản địa hóa điều gì trên cả văn bản, âm thanh và hình ảnh, và cho bạn thấy các lựa chọn. Giọng nói và khẩu hình của bạn, mang sang những ngôn ngữ mới. Đội ngũ 8 người với các tiến sĩ, được Samsung, RedBird, Gold House hậu thuẫn. Sứ mệnh của chúng tôi

Xem benchmark đầy đủ →Trò chuyện với đội ngũ