BENCHMARK ĐỐI ĐẦU

Familiar và lồng tiếng tự động của YouTube: nghiên cứu trên nhóm mẫu cố định

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 một nhóm mẫu cố định gồm 50 cặp (tiếng Ả Rập, Tây Ban Nha, Pháp, Hindi, Hàn; thu thập ngày 8/8/2026), Familiar đo được độ giống với người nói thật cao hơn 182.9% so với lồng tiếng tự động của YouTube (0.399 so với 0.141), và có ít hơn 70.3% ý quan trọng bị dịch sai hoặc bỏ sót (43 so với 145 trên 528). YouTube mắc lỗi âm thanh nền nhiều hơn 232.6% (11.21 so với 3.37 dB). Familiar cũng dẫn trước về sự kiện giọng. Chỉ 25 trên 43 clip nguồn có bản lồng tiếng tự động dùng được; Familiar lồng tiếng cả 43 clip. Dữ liệu đầy đủ và sáu mẫu nghe thử đồng bộ: benchmark YouTube đầy đủ.

Phương pháp

SỐ CẶP

50

Nhóm mẫu cố định; một clip nguồn × một ngôn ngữ đích.

NGÔN NGỮ

5

Tiếng Ả Rập, Tây Ban Nha, Pháp, Hindi, Hàn.

THU THẬP

8/8/2026

KHẢ DỤNG

25 trên 43

Số clip nguồn có bản lồng tiếng tự động của YouTube dùng được; Familiar lồng tiếng cả 43.

THEO CẶP, HỘP ĐEN
CÁCH CHẤM ĐIỂMMột clip nguồn × một ngôn ngữ đích; toàn bộ âm thanh cuối cùng từ cả hai hệ thống.
CHỈ SỐ NHẠY VỚI THỜI GIAN
CÁCH CHẤM ĐIỂMChỉ tính 31 cặp đã được xác minh độc lập là khớp dòng thời gian của nguồn (ngưỡng 40 ms; cặp nào không chắc chắn đều bị loại).
CHỈ SỐ SỰ KIỆN
CÁCH CHẤM ĐIỂM14 cặp có vùng tiếng cười hoặc phản ứng đã được con người xác minh.
CẶP YOUTUBE KHÔNG KHẢ DỤNG
CÁCH CHẤM ĐIỂMĐược ghi rõ, không bao giờ chấm là 0 điểm.
ĐÁNH GIÁ Ý NGHĨA
CÁCH CHẤM ĐIỂMChấm phần lời được bàn giao; cách diễn đạt lại hợp lệ và những phản ứng nền rất nhỏ không tính là lỗi; không dùng CER/WER.

Giọng nói: của họ là giọng người lạ

Bản lồng tiếng tự động của YouTube nói bằng giọng của một người lạ; Familiar giữ giọng của chính người nói gốc.

Trên 31 cặp khớp chính xác, độ giống với người nói thật:

HÌNH. 01 · ĐỘ GIỐNG NGƯỜI NÓI THẬT (SIM-O) · 31 BẢN LỒNG TIẾNG ĐÃ KHỚP · FAMILIAR +182.9%
FAMILIAR0.399
YOUTUBE0.141

Ý nghĩa

Trong 528 ý quan trọng của nguồn trên 50 bản lồng tiếng được đánh giá, YouTube dịch sai hoặc bỏ sót 145; Familiar 43.

HÌNH. 02 · Ý QUAN TRỌNG CỦA NGUỒN BỊ DỊCH SAI HOẶC BỎ SÓT · TRÊN 528 · FAMILIAR ÍT HƠN 70.3%
YOUTUBE145
FAMILIAR43
34/50

Bản lồng tiếng của YouTube có lỗi quan trọng về ý nghĩa lời nói

18/50

Bản lồng tiếng của Familiar có lỗi quan trọng về ý nghĩa lời nói

12 so với 0

lỗi nghiêm trọng về ý nghĩa, YouTube so với Familiar

Khung cảnh và các phản ứng

HÌNH. 03 · LỖI PHỔ ÂM NỀN · VÙNG KHÔNG CÓ LỜI NÓI · YOUTUBE +232.6%
YOUTUBE11.21 dB
FAMILIAR3.37 dB
0.998 so với 0.236

tương quan hình dạng tiếng cười/phản ứng · 14 cặp có sự kiện

0.11 so với 3.36 dB

lỗi độ lớn tiếng cười/phản ứng · 14 cặp có sự kiện

25/43

clip nguồn có bản lồng tiếng tự động của YouTube dùng được; Familiar lồng tiếng cả 43

Familiar bàn giao bản lồng tiếng thành phẩm lên đến 4K cùng bản phối vòm 5.1 thực thụ hoặc stereo.

Giới hạn

Một nghiên cứu hộp đen trên nhóm mẫu cố định đã thu thập, không phải nhận định về mọi bản lồng tiếng, mọi ngôn ngữ hay mọi phiên bản tương lai của YouTube.
CHỈ TRONG NHÓM MẪU
Một chỉ số chẩn đoán bằng mô hình, không phải nghiên cứu nghe thử với người thật; độ bất định còn rộng.
ĐỘ TỰ NHIÊN DỰ ĐOÁN · UTMOS 2.12 SO VỚI 1.85
Chỉ mang tính mô tả; khoảng tin cậy chạm số 0.
NHỊP ÂM CHUYỂN TIẾP · F1 1.000 SO VỚI 0.789

TÀI LIỆU THAM KHẢO

  1. [1]Familiar vs lồng tiếng tự động của YouTube: kết quả đầy đủ, phương pháp và các mẫu nghe thử
  2. [2]Tất cả benchmark của Familiar: ElevenLabs, YouTube, dịch giả chuyên nghiệp
  3. [3]Trợ giúp YouTube: Sử dụng tính năng lồng tiếng tự động
  4. [4]Đánh giá lồng tiếng tự động của YouTube: những gì chúng tôi đã đo

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