實測評測

ElevenLabs Dubbing 評測：我們量度了甚麼

FAMILIAR 研究更新於 全部文章
語言版本EnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

摘要

ElevenLabs Dubbing 只有音訊；以相同片段量度，ElevenLabs Dubbing v2 (Alpha) 的背景聲音錯誤比 Familiar 多 270%（笑聲、音樂、環境聲），而 Familiar 的重要口語翻譯錯誤少 54.7%（29 次 vs 64 次；普通話、西班牙語、日語共 111 組配對輸出，2026 年 8 月 5 日）。在 ElevenLabs Dubbing v1 上，Familiar 的聲音像真人說話者的程度高 27.8%，測試的 11 種語言全部更接近（418 組配對輸出）。完整數據和試聽範例：完整的 ElevenLabs 基準測試。

ElevenLabs Dubbing 是甚麼

DUBBING V1

  • 穩定的程式化途徑，大部分整合都用它。

DUBBING V2 (ALPHA)

  • 較新的產品，經網站提供。

兩者都接收影片或音訊檔案，先轉寫，再翻譯劇本，然後用一把力求貼近原說話者的聲音讀出譯文。

以下的量度都是音訊對音訊。

只有音訊沒有唇形同步臉孔仍在說原來的語言

它做得好的地方

成熟、文件齊全的 API
端點穩定，整合簡單直接。
非常廣泛的語言清單
目標語言遠離主流時特別有用。
強大的獨立文字轉語音
按劇本做旁白和配音，它依然是領先的工具。
業界最大的品牌
大多數人搜尋聲音複製、AI 配音或 AI 唇形同步時，最先找到的就是它。

我們量度了甚麼

兩項配對黑盒研究，同樣在 2026 年 8 月 5 日進行。

  1. 01

    相同的來源片段和目標語言送到每套系統。

  2. 02

    只評估最終交給用戶的音訊。

  3. 03

    兩項研究分開報告。

研究 A · 對比 DUBBING V1
圖 01 · 說話者相似度 · DUBBING V1 · FAMILIAR +27.8% · 11 種語言全部較佳
FAMILIAR0.4605
ELEVENLABS0.3604
+95.5%

ElevenLabs 經審閱標出的口語輸出錯誤多 95.5%。

258 vs 132
+261%

ElevenLabs 的背景頻譜錯誤多 261%。

12.27 vs 3.40 dB
+10.2%

Familiar 的預測自然度。

2.51 vs 2.28 · 探索性
笑聲和反應形態相關度：Familiar 高 +243.7%，0.759 vs 0.221。音效和節拍時間點 F1：Familiar 高 +24.3%，0.947 vs 0.762。
研究 A | 418 組配對輸出 | 38 段片段 | 11 種語言 | 2026 年 8 月 5 日進行
研究 B · 對比 DUBBING V2 (ALPHA)
圖 02 · 重要翻譯錯誤 · DUBBING V2 (ALPHA) · FAMILIAR 少 54.7% · 111 組配對配音
ELEVENLABS64
FAMILIAR29
圖 03 · 出現重要語意問題的配音 · DUBBING V2 (ALPHA) 36/111 vs FAMILIAR 23/111（+56.5%）
  • 至少有一個重要語意問題的配音32%
  • 沒有重要語意問題的配音68%
270%

ElevenLabs 的背景聲音錯誤多 270%：笑聲、音樂、環境聲。

11.92 vs 3.22 dB MAE
+221%

ElevenLabs 的笑聲和反應音量錯誤多 221%。

3.32 vs 1.04 dB · 18 段片段 / 54 次比較
+28.2%

Familiar 的笑聲和反應形態相關度：0.960 vs 0.749。配對 95% 區間不包括零。

說話者相似度：以這個樣本量未有定論（Familiar 的點估計為 +3.5%；區間跨越零）；預測自然度亦然。覆蓋率：Familiar 完成了全部 38/38 段來源片段；Dubbing v2 (Alpha) 拒絕了那段 10.94 秒的片段，因為短於它 11 秒的下限（37/38）。
研究 B | 111 組配對輸出 | 普通話、西班牙語、日語 | 2026 年 8 月 5 日進行
圖 04 · 相同片段的定性審核 · ELEVENLABS 各類錯誤 · 2026 年 8 月 5 日
字詞45
笑聲／音效8
失去原聲6
重疊6
語氣4
環境聲4
字詞
次數45
聽起來是怎樣被刪掉或憑空加插。
笑聲／音效
次數8
聽起來是怎樣笑聲和音效被破壞。
失去原聲
次數6
聽起來是怎樣說話者的聲音不見了。
重疊
次數6
聽起來是怎樣幾位說話者混成同一把聲音。
語氣
次數4
聽起來是怎樣語氣變得平板。
環境聲
次數4
聽起來是怎樣背景聲底被剝走。

置信區間、各語言分項和試聽範例：/benchmark/elevenlabs。完整的正面對比：Familiar vs ElevenLabs Dubbing：兩項配對研究。

內容庫規模下的工作流程限制

2026 年 8 月 5 日觀察所得：

11 秒

片段長度下限。短片、冷開場和反應剪輯短於這個長度就無法配音；我們那段 10.94 秒的片段被拒絕了。

20

每批項目上限。四條影片配成六種語言就是 24 個輸出，超過一批的容量。

30

同時請求上限。十條影片配成十種語言就是 100 個請求：至少要分四輪。

v1

修改譯文。在現行的 Dubbing v2 上，經 API 修改文字稿和重新生成音訊只限 Enterprise 方案；完整的編輯器 Dubbing Studio 運行於 v1 模型，處於維護模式（他們的官方文件，2026 年 10 月 30 日）。

如果只是一條影片配成一種語言，這些都不重要。若是一整個舊片庫，或一批多語言頻道，ElevenLabs 配音的最佳替代方案（2026）比較了各個選項。內容庫和發行指南：串流平台如何補上本地語言配音的缺口和多國同步推出：所有市場一次配音。

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

價格

全包

每種目標語言每分鐘成片，一次 Familiar 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。

以 STUDIO 合約提供
$3

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

再經業界最好的獨立工具 Sync.so 拼接唇形同步，每分鐘要多付 $8：合共 $11，而且依然沒有 5.1 混音。ElevenLabs 自己的官方文件這樣描述其配音的音訊：

……最多只有立體聲……5.1 及其他多聲道音訊不會保留。
ElevenLabs Help Center, which file formats are supported by Dubbing

作為參照，完整的人工配音，翻譯加聲音，每分鐘成片要 $70 至 $150；以這個價錢，世界上大部分地方都用不上。畫面方面的高端方案屬輔助式：像 Flawless TrueSync 這類工具，每個項目都要一隊 VFX 特效師花上幾個星期，而每多一種語言，就是一個新項目。ElevenLabs 一次過完成配音，代價是上面量度到的其餘一切；Familiar 一次過完成，同時保住質素。

更全面的價格概況，包括人工配音收費：2026 年配音要多少錢？

結論

影片配音

量度結果指向別處。

獨立的語音生成
結論ElevenLabs 依然是領先的工具；如果要把音訊配成冷門語言，它可能是唯一實際可行的選擇。
影片配音
結論兩項研究中翻譯錯誤都較少，場景聲音錯誤都較低；在 Dubbing v1 上，聲音與真人說話者的相似度高 27.8%。
畫面上
結論一張說新語言的臉：唇形同步，以及超越唇形的完整面部演出。
翻譯文字
結論另行與資深專業譯者對比測試，與他們的初稿旗鼓相當（AI 翻譯 vs 人工翻譯：與專業譯者對比測試）。
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
30 種語言，任意互譯翻譯 + 聲音 + 場景聲音 + 唇形同步，一次渲染最高 4K 畫面 · 真正的 5.1 混音以 STUDIO 合約提供，按你的內容庫規模定制

參考資料

  1. [1]Familiar vs ElevenLabs 基準測試：完整結果、置信區間與試聽範例
  2. [2]AI 翻譯 vs 人工翻譯：與專業譯者對比測試（完整翻譯研究）
  3. [3]ElevenLabs Dubbing 官方文件
  4. [4]ElevenLabs 說明中心：Dubbing 支援哪些檔案格式（音訊最多立體聲；不保留 5.1）

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