2026 年配音要多少錢？

FAMILIAR 研究2026-08-05更新於 2026-10-30全部文章

摘要

完整人工配音，翻譯加聲音，每分鐘成片要 $70 至 $150（收費於 2026 年 8 月 5 日核實），所以世界上大部分地方都用不上：即使頂級製作，礙於成本、人手和時間，也只配幾種語言；規模較小的製作、節目和微短劇更是完全不配音。ElevenLabs 結帳頁報價 $3，只有音訊。一次 Familiar 渲染以 Studio 合約提供，包含翻譯、說話者自己的聲音、場景聲音和唇形同步，交付最高 4K，真正的 5.1 或立體聲混音。單看文字，翻譯與資深專業譯者的初稿旗鼓相當：達到他們質素的 100.3%。

配音每分鐘成片要多少錢？

每分鐘成片由 $2 到 $150 不等，視乎「配音」一詞包含甚麼。

$70–150

完整人工配音每分鐘成片的價錢，翻譯加聲音。

ElevenLabs Dubbing，每種目標語言每分鐘配音。只有音訊。

結帳頁報價 · 2026 年 8 月 5 日

圖 01 · 每種語言每分鐘成片價格 · 2026 年 8 月 5 日 · 價格範圍取中位數

ElevenLabs$3.00 音訊

只有文字稿$10

配音套餐$39–94

完整人工配音$70–150

錄音室$128+

每個價錢包含甚麼 · 公開收費，2026 年 8 月 5 日查閱
選項	每分鐘成片	價錢包含甚麼
Familiar	以 Studio 合約提供	一次渲染：翻譯、說話者自己的聲音、場景聲音和唇形同步，交付最高 4K，真正的 5.1 或立體聲混音
ElevenLabs Dubbing	$3.00（結帳頁報價，2026 年 8 月 5 日）	只有音訊
HeyGen	$2.00–3.33（每小時內容約 $120–200）	以虛擬人像為主的影片方案
完整人工配音	$70–150	譯者按字數收費，加上配音套餐
人工配音套餐	$39–94（中位數約 $60）	配音員、配音導演和完成混音
高端錄音室配音	$128 起	逐格精準、供廣播交付的錄音室配音
只有專業翻譯、時間碼和質檢	中位數 $10 / 平均 $11.95	文字稿級別的文字，沒有聲音

翻譯質素，與專業譯者對比量度

100.3%

達到資深專業譯者初稿的質素，四種語言平均，以專家修訂稿為標準盲測評分（2026 年 8 月）。

法語、中文、印地語、印尼語（資深專業譯者初稿）

以公開的專業收費計，這份初稿要 每字 $0.15–0.30，只有文字。

按字收費的翻譯價格是公開的市場範圍。

一條 60 分鐘影片實際要多少錢

圖 02 · 一條 60 分鐘影片 · 一種目標語言 · 價格範圍取中位數

只有文字稿$600–717

配音套餐$2,340–5,640

完整人工配音$4,200–9,000

錄音室$7,680+

每種語言每小時 $4,200 至 $9,000，規模較小的製作、節目和微短劇根本不會配音。

Familiar 以 Studio 合約出售，按發行規格交付：最高 4K 畫面、真正的 5.1 混音、每位演員自己的聲音、唇形同步（價格）：

合約

按你的內容庫規模定制

已簽署的年度合約享 30 日退款保證。

混音

真正的 5.1 環繞聲或立體聲

由你揀選，24-bit PCM。串流平台要求配音跟原版混音一致：5.1 進，5.1 出。

影片

包含唇形同步

影片渲染包含唇形同步；Podcast 和聲軌可選只有音訊的配音，按語言計。

字幕

.srt 和 .vtt

每條配音都附上，依 Netflix Timed Text Style Guide 規範切分：兩行，每行 42 個字元，每秒最多 17 個。

內容庫規模的做法：串流平台如何補上本地語言配音的缺口。

價錢包含的其中一環：每條配音都在 Familiar 位於加拿大多倫多、價值八位數美元的自家 NVIDIA B300 GPU 集群上處理，絕不經公有雲或第三方推理供應商。

私有推理 · 加拿大多倫多

為甚麼每分鐘價格不能直接比較

每項成本包含甚麼

翻譯

包含甚麼文字稿級別的文字：專業翻譯、時間碼和質檢，沒有聲音。

聲音

包含甚麼配音員、配音導演和完成混音。

唇形同步

包含甚麼只有音訊：沒有唇形同步；鏡頭上的說話者嘴形依然是原來的語言。全包：AI 唇形同步以及更進一步的一切；整張臉都以新語言演出，場景聲音亦得以保留。

交付

包含甚麼逐格精準、供廣播交付的錄音室配音。

實際計算：ElevenLabs 音訊 $3，加上業界最好的獨立唇形同步工具 Sync.so 每分鐘 $8，拼接起來就是 每分鐘 $11。

逐種格式細看：影片翻譯：完整指南（2026）。

圖 03 · 觀察所得的工作流程限制 · ELEVENLABS DUBBING · 2026 年 8 月 5 日

每批項目上限：上載整個內容庫要分幾輪進行。

同時請求上限。

<11 秒

短於 11 秒的片段會被拒絕。

工作流程限制要花人手：10 條影片的內容庫配成 10 種語言就是 100 個請求，開始配音前至少要人手分四輪批次處理。詳見 ElevenLabs 配音的最佳替代方案（2026）。要同時推出多個市場：多國同步推出：所有市場一次配音。

以相同片段量度的質素

圖 04 · DUBBING V1 研究 · 418 組配對輸出 · 11 種語言 · 2026 年 8 月 5 日

+27.8%

Familiar 的說話者相似度較高（0.461 vs 0.360）；11 種語言全部以 Familiar 較佳。

48.8%

Familiar 經審閱標出的口語輸出錯誤較少（132 vs 258）。

圖 05 · 最新產品研究 · ELEVENLABS DUBBING V2 (ALPHA) · 111 組配對輸出 · 3 種語言 · 2026 年 8 月 5 日

270%

ElevenLabs 的背景聲音錯誤較多（11.92 vs 3.22 dB）：笑聲、音樂、環境聲。

54.7%

Familiar 的重要口語翻譯錯誤較少（29 vs 64）。

兩項研究的完整報告：Familiar vs ElevenLabs Dubbing：兩項配對研究。

兩個樣本組分開報告：418 組配對（DUBBING V1）和 111 組配對（DUBBING V2 ALPHA）。

ElevenLabsTHEIR 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

與傳譯員比較，以及為何根本不能比較

$69.92

傳譯員時薪的中位數；每次都要重新購買這一小時。

美國翻譯協會薪酬調查

沒有可重用的文字稿沒有配音聲軌沒有完成混音沒有唇形同步影片

參考資料

多模態翻譯

Familiar Labs 以多模態本地化決策模型（MLDM），打造高出一個世代的配音。這是首個多模態翻譯基礎模型：一個模型橫跨文字、聲音和畫面，決定本地化甚麼，並把選擇交給你過目。你的聲音和唇形，帶進新的語言。團隊 8 人，當中有博士，獲 Samsung、RedBird、Gold House 支持。我們的使命

查看完整基準測試 →聯絡團隊

2026 年配音要多少錢？

01. 配音每分鐘成片要多少錢？

02. 翻譯質素，與專業譯者對比量度

03. 一條 60 分鐘影片實際要多少錢

04. 為甚麼每分鐘價格不能直接比較

05. 以相同片段量度的質素

06. 與傳譯員比較，以及為何根本不能比較