ما هو النموذج متعدد الوسائط لقرارات توطين المحتوى (MLDM)؟

أبحاث FAMILIAR2026-10-27آخر تحديث 2026-11-01كل المقالات

الملخّص

أول نموذج تأسيسي للترجمة متعددة الوسائط، وهو نهج جديد، الأول من نوعه. MLDM نموذج واحد يقرّر ما الذي يُوطَّن وكيف، في النص والصوت والصورة، ويعرض عليك الخيارات المهمّة. الترجمة أولًا، ثم الدبلجة دفعة واحدة: الصوت والشفاه والمشهد معًا. القرارات متّسقة لأن نموذجًا واحدًا يتخذها. والشخص لا يتغيّر أبدًا.

أول نموذج تأسيسي للترجمة متعددة الوسائطترجمة سمعية بصرية في آن واحد، لا على مراحل متتالية

ماذا يقرّر MLDM؟

النص

أيّ صياغة تنقل الجملة إلى اللغة الجديدة. يوازن الـMLDM بين عدة صياغات ويختار أفضلها: في نكتة أو قصة أو ردّ في حوار، كلمة واحدة تغيّر القصد والعاطفة. والقرارات نفسها تشمل المصطلحات، وما لا يُترجَم، والعبارة العامية كما قيلت، والاسم والعلامة التجارية كما هما، والإشارة المستبدلة بأخرى يعرفها الجمهور، وما تتجنّبه تلك الثقافة، والألفاظ النابية مخفّفة لنسخة موجّهة إلى جمهور أصغر سنًا.

الصوت

ما الذي يُترجَم أصلًا. يسمع الـMLDM كل ما في المسار الصوتي: الضحك، وأصوات الجمهور، وصيحة، ومتحدثًا في الخلفية لا يتبيّن أحد كلامه. يحدّد الصوت الرئيسي، وينقله إلى اللغة الجديدة بصوت المتحدث نفسه، ويُبقي الباقي كما كان.

الصورة

من يقول الجملة فعلًا. الصوت والصورة يُقرَّران معًا، فيعرف الـMLDM من يروي، ومن يتكلم من خارج الشاشة، وشفاه من يجب أن تتحرك. تتبع الشفاه الكلمات الجديدة في كل جملة؛ وتتبعها تعابير الوجه والإيماءات حين يستدعي التشديد أو الثقافة ذلك.

الخيارات التي تراها

النص

اليومحيث يمكن أن تُفهم الجملة بأكثر من وجه، يحصل مديروك الإبداعيون على الصياغات مع تعليل كلٍّ منها ويختارون واحدة. وقد يحمل بودكاست أو حلقة أو فيلم مقاطع كثيرة من هذا النوع.

قيد التطوير

الصوت

اليوم

قيد التطويراختيار ما يبقى بلغته الأصلية. هتاف أو صرخة أو عبارة يمكن أن تبقى كما قيلت حين تريد ذلك.

الصورة

اليوم

قيد التطويراختيار وجه آخر حين يخطئ النموذج في تحديد المتحدث، واختيار أيّ نص في اللقطة يُترجَم. ذلك النص، شاشة هاتف أو غلاف كتاب أو لافتة شارع أو واجهة متجر، سيُكتب بالمصطلحات التي اخترتها من قبل؛ ويقرّر النموذج في حينه ما يبقى كما صُوِّر: علامة تجارية، أو اسم، أو عبارة عامية؛ فكيس Tostitos يبقى Tostitos.

لماذا نموذج واحد؟

سلسلة من الأدوات

تحويل الكلام إلى نص، ثم الترجمة، ثم الصوت، ثم مزامنة الشفاه، وكل مرحلة تُضبط وحدها.
تلك السلسلة هي التي جعلت الدبلجة الآلية ممكنة.
لكن كل مرحلة تخمّن من دون أن ترى البقية، فتتراكم الأخطاء من مرحلة إلى التي تليها.

نموذج تأسيسي واحد، الأول من نوعه

MLDM يتخذ القرارات معًا.
الترجمة تعرف الفم الذي عليها أن تطابقه.
الصوت يعرف المشهد الذي يُسمع فيه.
والشخص لا يتغيّر أبدًا.

الترجمة أولًا، ثم الدبلجة دفعة واحدة: الصوت والشفاه والمشهد تخرج معًا، من القرارات نفسها.

ترجمة سمعية بصرية في آن واحد، لا على مراحل متتالية: الأولى من نوعها. وهذا ما يجعل MLDM أول نموذج تأسيسي للترجمة متعددة الوسائط: نموذج واحد ينقل الكلمات والصوت والشفاه والمشهد إلى لغة جديدة، كلها في آن واحد. الطريق إلى الجودة العالية اليوم أدوات مساعِدة: فريق من فناني المؤثرات البصرية وأسابيع لكل مشروع، وكل لغة مشروع جديد. وأدوات الدفعة الواحدة المتاحة اليوم سريعة وتتخلّى عن الباقي. أما Familiar فدفعة واحدة بالجودة كاملة.

HeyGen + 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

ما الفرق بين التوطين والترجمة؟

الترجمة هي الكلمات. والتوطين هو ما تحتاجه ثقافة ما من تلك الكلمات.

المصطلحات الصحيحة، والعبارات العامية، والأسماء كما قيلت، والإشارة المستبدلة بأخرى يعرفها الجمهور، وما تتجنّبه تلك الثقافة، ومستوى الألفاظ النابية الذي يناسبها. MLDM يقرّر ذلك كله، ومع الوقت الصورة أيضًا، حين يلزم أن تتغيّر.

هل MLDM ذكاء اصطناعي توليدي؟

لا. هكذا تعرّفه IBM:

الذكاء الاصطناعي التوليدي، ويُسمّى أحيانًا gen AI، هو ذكاء اصطناعي (AI) قادر على إنشاء محتوى أصلي، مثل النصوص أو الصور أو الفيديو أو الصوت أو الشيفرات البرمجية، استجابةً لأمر المستخدم أو طلبه.

IBM، What is generative AI?

إنها أداة قوية لصنع أشياء جديدة. أما MLDM فلا أوامر نصية فيه، ولا يُختلَق شيء جديد: يقرّر كيف يُوطَّن ما هو موجود أصلًا. الموقف الكامل في لماذا لا يُعدّ Familiar ذكاءً اصطناعيًا توليديًا بالمعنى التقليدي والترجمة ليست توليدًا.

قرارات من هذه؟

قراراتك أنت. كل قرار يتخذه الـMLDM يُسجَّل مع الدبلجة، في سجلّ القرارات.

اليوم
مديروك الإبداعيون يراجعون قرارات الترجمة.
الصياغات مع تعليل كلٍّ منها؛ يختارون واحدة قبل أن يُنشر أي شيء.
اليوم
قائمة «لا تُترجَم» وسياق من جملة واحدة يرافقان مهمة الدبلجة.
قيد التطوير
قرارات الصوت والصورة، في المراجعة نفسها.
قيد التطوير
ذاكرة القرارات.
التغيير الذي يُحفَظ لصانع محتوى يُطبَّق أولًا في الدبلجة التالية، فالخيار الذي تتخذه مرة ينتقل معك إلى الحلقة التالية.

القصة الكاملة في سجلّ القرارات؛ وواجهة API المخطّط لها في وثائق القرارات.

الأسئلة

إلامَ يرمز MLDM؟

يرمز MLDM إلى Multimodal Localization Decision Model، أي النموذج متعدد الوسائط لقرارات توطين المحتوى، وهو نهج جديد، الأول من نوعه: نموذج واحد يقرّر ما الذي يُوطَّن وكيف، في النص والصوت والصورة. يختار صياغة الجملة، وما يُترجَم في الصوت، ومن يتكلم على الشاشة، وكيف تتبع الشفاه وتعابير الوجه والإيماءات.

هل MLDM نموذج فيديو؟

ليس بالمعنى المعتاد. يعمل MLDM على مواد مصوَّرة موجودة أصلًا ويقرّر كيف تُوطَّن: الكلمات والصوت والشفاه وتعابير الوجه. ويبقى الشخص على الشاشة كما هو تمامًا، في كل لغة.

هل يصنع MLDM لقطات جديدة؟

لا. لا أوامر نصية، ولا يُختلَق شيء جديد. يقرّر MLDM كيف يُوطَّن ما هو موجود أصلًا: الممثل والتوقيت والمشهد تبقى، بينما تتغيّر الكلمات والمسار الصوتي والشفاه لتناسب اللغة الجديدة.

ماذا يقرّر MLDM في الصوت؟

ما الذي يُترجَم أصلًا. يحدّد الصوت الرئيسي وينقله إلى اللغة الجديدة بصوت المتحدث نفسه. أما الضحك وأصوات الجمهور والصيحة والمتحدث في الخلفية الذي لا يتبيّن أحد كلامه، فتبقى كما كانت.

هل يغيّر MLDM تعابير الوجه؟

حين يستدعي التشديد أو الثقافة ذلك. تتبع الشفاه الكلمات الجديدة في كل جملة؛ وتتبعها تعابير الوجه والإيماءات حين تقع الجملة وقعًا مختلفًا في اللغة الجديدة. ويبقى الشخص كما هو تمامًا.

هل يترجم MLDM النص الظاهر على الشاشة؟

ليس بعد. النص داخل اللقطة، كشاشة هاتف أو غلاف كتاب أو لافتة شارع أو واجهة متجر، يجري دمجه الآن، ويُكتب بالمصطلحات التي اخترتها من قبل؛ ويقرّر النموذج في حينه ما يبقى كما صُوِّر: علامة تجارية، أو اسم، أو عبارة عامية؛ فكيس Tostitos يبقى Tostitos. واليوم تُوطَّن الكلمات والصوت والشفاه وتعابير الوجه والإيماءات.

هل يمكنني تغيير قرار اتخذه النموذج؟

نعم. كل قرار يُسجَّل مع مهمة الدبلجة، ويمكنك تغييره. واليوم يختار مديروك الإبداعيون بين صياغات الترجمة، ولكلٍّ منها تعليلها، والخيار الذي تتخذه مرة ينتقل معك إلى الحلقة التالية.

هل يعرض النموذج خياراته في الصوت والفيديو؟

خيارات الترجمة معروضة اليوم. أما خيارات الصوت، كاختيار ما يبقى بلغته الأصلية، وخيارات الصورة، كاختيار وجه آخر أو أيّ نص في اللقطة يُترجَم، فقيد التطوير.

المراجع

الترجمة متعددة الوسائط

تبني Familiar Labs دبلجة أفضل بجيل كامل عبر نموذج متعدد الوسائط لقرارات توطين المحتوى (MLDM)، وهو أول نموذج تأسيسي للترجمة متعددة الوسائط: نموذج واحد يقرّر ما الذي يُوطَّن في النص والصوت والصورة، ويعرض عليك الخيارات. صوتك وشفاهك، إلى لغات جديدة. فريق من 8 أشخاص من حملة الدكتوراه، بدعم من Samsung وRedBird وGold House. مهمتنا

شاهد الاختبار المقارن كاملًا →تحدث مع الفريق