Какво означава фундаменталният модел за мултимодален превод за студиата и платформите

01. Какво променя фундаменталният модел в дублажа?

Машинният дублаж беше верига от отделни инструменти: транскрипция, после превод, после глас, после липсинк. Всеки етап гадаеше без останалите, а грешките се пренасяха от етап на етап. Онова, с което купувачът се сблъсква днес, разменя качество срещу време. Помощните инструменти стигат до качеството с екип от VFX артисти: седмици за всеки проект, а всеки език е нов проект. Инструментите, които дублират с един замах, са бързи и жертват всичко останало: преводът не може да се редактира, гласът се отдалечава, музиката и звукът на помещението изчезват, а устните се провалят при ръка пред лицето, микрофон, размазване, боке, кадър в профил или няколко души в кадър. Без пространствено мислене, без разбиране на света, без контрол. Familiar заменя веригата с един мултимодален модел за вземане на решения при локализация (MLDM): и с един замах, и с качеството.

++

Първо преводът, после дублажът с един замах: гласът, устните и сцената заедно.

Аудиовизуален превод наведнъж, а не поетапно: първият по рода си. Определението е в Първият фундаментален модел за мултимодален превод; сравнението с веригата, стъпка по стъпка, е в Аудиовизуален превод наведнъж, а не поетапно.

HeyGenElevenLabsHeyGen + 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 →

02. Може ли едно качване да покрие всеки пазар, на който продаваме?

Да. Материал на всеки от 99 изходни езика влиза веднъж, а дублажите излизат на всеки от 30-те езика на изхода, които поръчате: всеки език от едно качване, всеки със същото изпълнение. Сезон, библиотека или поток от вертикални епизоди минават по същия път, а термините, зададени веднъж, важат и за следващия епизод.

Пълният човешки дублаж, превод плюс глас, струва от $70 до $150 за готова минута. При тази цена той е недостъпен за по-голямата част от света. Дори най-големите продукции дублират само на няколко езика заради цената, хората и времето, което отнема.

Именно тази празнина запълва Familiar. Не е „генеративен изкуствен интелект“, а превод в помощ на творците. MLDM за досадната част. От човек към човек, до още повече хора.

03. Кой решава как една реплика ще прозвучи на друг език?

MLDM решава какво да се локализира и как в текста, звука и картината. Екипът ви остава начело на изборите, които имат значение. Преводът идва първи и където една реплика може да прозвучи по повече от един начин, творческите ви директори виждат вариантите и обосновката зад всеки, преди нещо да бъде дублирано.

Всяко решение се записва към задачата и можете да промените всяко от тях. Цялата история е в Записът на решенията: как творческите директори насочват MLDM. Само по думите преводът се равнява на експертните човешки преводачи: 100.3% от тяхното качество, измерено в бенчмарка.

04. Какво получавате с готовия дублаж?

Доставка, която постпродукционният ви екип може да постави направо в изданието, по спецификацията, която изисква една стрийминг платформа. Звукът на сцената остава, какъвто е бил: музиката, атмосферата и смехът се запазват, а езика си сменя само речта.

Субтитрите се изграждат от прегледания превод и се нарязват по правилата на Timed Text Style Guide на Netflix, стандарта за шаблони на субтитри, по който работи индустрията. Всеки файл и формат е описан в документацията за изходните файлове.

05. Къде се обработва нашият материал?

Неиздаденият материал е активът, който едно студио пази най-много. Всеки дублаж се обработва на собствения клъстер на Familiar за осемцифрена сума от графични процесори NVIDIA B300 в Торонто, Канада, на изчислителни ресурси, които Familiar притежава.

Пътят на един дублаж и отговорите за вашата проверка на сигурността са в документацията за частната обработка.

06. Какво е налично днес и какво е в разработка?

1. ДНЕС

   Всеки език от едно качване, със собствения глас и устните на актьора.

   30 езика на изхода, 99 изходни езика на входа; до 4K, истински 5.1 или стерео микс, субтитри.
2. ДНЕС

   Творческите ви директори преглеждат решенията за превода.

   Вариантите с обосновката зад всеки, записани към задачата.
3. В РАЗРАБОТКА

   Решенията за звука и картината, в същия преглед.

   Какво да остане на оригиналния език, друго лице, кой текст в кадъра да се преведе.
4. В РАЗРАБОТКА

   Дублаж на живо.

Достъпът е с договор Studio, съобразен с каталога ви: говорете с екипа за вашите заглавия, езици и спецификация за доставка. Екипът са доктори на науките, които поставиха началото на областта на съвместните аудиовизуални модели на човека: 22 публикации, над 10,000 цитирания, с проф. Xu Zheng и проф. Youngjung Uh като съветници, с подкрепата на Samsung, RedBird и Gold House. Изследванията са в нашите публикации и в Пионери в мултимодалния превод; историята на основателя е на страницата за нашата мисия.

ВЪПРОСИ