PERSO DUBBING · 2026

聽出差異,對照證據。

相同電影,四項配音服務。透過實際輸出與評估依據,比較翻譯、聲音相似度、自然度及情感。

Sintel — Blender Foundation
Sintel · Perso Linnet4
英語原音・不評估嘴型同步
3 部原版電影
4 項服務
11 個輸出・1 次失敗
4 個評估面向
評估日期:2026 年 11 月 18 日・Perso 自行試驗

在本次試驗中,Linnet4 的強項是均衡。

Sintel 與 Cosmos 在聲音相似度、自然度及情感保留方面獲得正面的 AI 判定。請一併查看各場景差異。

01編輯暫定順序

Perso Linnet4

兩個場景在聲音、自然度及情感方面均獲正面判定。

已生成: 3/3 · 待定判斷: 0
02編輯暫定順序

ElevenLabs Dubbing v2

Sintel 表現良好;Tears of Steel 的情感保留是強項。

已生成: 3/3 · 待定判斷: 2
03編輯暫定順序

HeyGen Speed · Audio Only

Sintel 表現良好;Tears of Steel 觀察到語氣及情感差異。

已生成: 3/3 · 待定判斷: 2
04編輯暫定順序

Synthesia AI Dubbing

兩個完成場景觀察到語氣及情感差異。另一次生成失敗。

已生成: 2/3 · 待定判斷: 1
這是 Perso 自行進行的三部電影試驗。順序是評估後的編輯解讀,並非依分數或統計確認的排名。所有名次的優劣均未確定。待定判斷可能改變順序;失敗不計為零分。 個別樣本的解讀限制 ↗

先聆聽,再決定。

將原音與各服務的首次輸出比較。播放一段時,其他音訊會暫停。展開電影即可查看音訊與測量值。

Sintel
Sintel — Blender Foundation

Sintel

英語原音・不評估嘴型同步
ElevenLabs Dubbing v2首次輸出・無人工編輯
HeyGen Speed · Audio Only首次輸出・無人工編輯
Synthesia AI Dubbing首次輸出・無人工編輯
各場景自動測量值角色 1 / 角色 2 cosineUTMOSv2 預測平均
Perso Linnet 40.408 / 0.3022.61
ElevenLabs Dubbing v20.470 / 0.2702.23
HeyGen Speed · Audio Only0.495 / 0.2012.76
Synthesia AI Dubbing0.322 / 0.2482.50
Tears of Steel
Tears of Steel — Blender Foundation

Tears of Steel

英語原音・不評估嘴型同步
ElevenLabs Dubbing v2首次輸出・無人工編輯
HeyGen Speed · Audio Only首次輸出・無人工編輯
Synthesia AI Dubbing生成失敗・HTTP 500・品質 N/A
各場景自動測量值角色 1 / 角色 2 cosineUTMOSv2 預測平均
Perso Linnet 40.432 / 0.4252.14
ElevenLabs Dubbing v20.492 / 0.3652.18
HeyGen Speed · Audio Only0.279 / 0.364 †2.80
Synthesia AI DubbingN/AN/A
Cosmos Laundromat
Cosmos Laundromat — Blender Foundation

Cosmos Laundromat

英語原音・不評估嘴型同步
ElevenLabs Dubbing v2首次輸出・無人工編輯
HeyGen Speed · Audio Only首次輸出・無人工編輯
Synthesia AI Dubbing首次輸出・無人工編輯
各場景自動測量值角色 1 / 角色 2 cosineUTMOSv2 預測平均
Perso Linnet 40.589 / 0.255 †2.54
ElevenLabs Dubbing v20.563 / 0.4492.34
HeyGen Speed · Audio Only0.385 / 0.1873.06
Synthesia AI Dubbing待定判斷2.92

cosine 不是機率,UTMOSv2 不是人工 MOS。背景音與短片段會影響診斷,不合併為排名分數。說話者片段邊界也可能不確定。

公開方法、測量值與限制。

我們區分公認評估架構、可重算的自動測量及 AI 解讀。這些結果並非獨立機構認證。

MQM 錯誤分類

以誤譯、遺漏、增譯類別輔助檢查逐字稿。AI 對語意保留的觀察僅針對引用例句,不代表翻譯正確率 100% 或正式人工 MQM 分數。

方法論來源 ↗

說話者 cosine・UTMOSv2

以 ECAPA 嵌入向量比較選定的對應語音片段。UTMOSv2 以五次固定 seed 執行預測完整混音的品質。兩者都不能確立配音的整體優勢。

方法論來源 ↗

ITU-T P.808・人工評估

此國際建議規範主觀語音品質評估。本次 AI 試驗並非 P.808 人工研究或認證。雙語聆聽審查仍待後續進行。

方法論來源 ↗

SpeechBrain ECAPA ↗

個別樣本的解讀限制

Perso · Cosmos:角色2與原角色的餘弦值為0.255,與另一角色為0.244。因此保留解讀,不能據此確認聲音保留或說話者互換。

HeyGen · Tears of Steel:角色1片段於13.3秒結束,但兩份轉錄分別將下一位說話者的起點估為13.0秒和13.68秒。片段可能混合兩位說話者。

Perso · Sintel:AI說明對說話者的指稱含糊。聲音相似度的正面判定與此警示一併保留,不視為已驗證說話者身分。

比較條件一致嗎?

使用相同三部英語原片、首次輸出,無人工翻譯修改、詞彙表或嘴型同步。Perso、ElevenLabs、HeyGen 使用墨西哥西班牙語;Synthesia 使用不指定地區的西班牙語。並未比較各供應商所有最高階模型。

如何處理品牌偏見?

Gemini 僅收到原音與配音,沒有品牌名稱、影片或逐字稿。相同音訊、靜音、內容不符的對照用於檢查輸入處理,不代表評估能力的一般有效性驗證。我們揭露 Perso 的角色、五項待定判斷及一次生成失敗。

為何是暫定順序?

實驗本身未計算整體排名。編輯順序於 2026 年 11 月 18 日為本頁新增。所有完成輸出都在例句中觀察到翻譯語意保留,因此無法據此決定勝者。需要更多原片與雙語盲聽審查。

服務詳細比較

ElevenLabs ↗HeyGen ↗Synthesia ↗Rask ↗

現在,換您的影片試試。

聽完範例,再探索 Perso 配音。

探索 Perso Dubbing ↗

評估日期:2026 年 11 月 18 日・Perso 自行試驗
Tears of Steel / Sintel: Blender Foundation, CC BY 3.0. Cosmos Laundromat: Blender Foundation, CC BY 4.0.
Sintel · Tears of Steel · Cosmos Laundromat