HOLDNING

Fra menneske til menneske, ikke fra AI til AI

Hvorfor kvalitetsindhold forbliver menneskeligt.

FAMILIAR FORSKNINGALLE ARTIKLER
LÆS ARTIKLEN PÅEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

RESUMÉ

Man kan ikke føle med et AI-menneske. Eller de fleste af os kan ikke, ikke i samme grad. Vi ser en præstation, fordi vi ved, at et rigtigt menneske spiller rå følelser. AI kan blive så realistisk, det vil; i det øjeblik vi ved, at det er AI, falder indlevelsen. Det er hele grunden til, at Familiar ligger i kvalitetssporet.
An Zhu LiuAn Zhu LiuCEO, Familiar LabsTEAM →

Indlevelse

Det handler om følelserne. Vi forstår, at et rigtigt menneske spiller rå følelser, og vi føler med. En del af publikum vil bare høre stemmerne; de fleste kan mærke forskel. Og mærkningen kommer under alle omstændigheder: de store platforme markerer indhold lavet med AI. Afstanden lukkes altså ikke, når pixelene bliver bedre. Den lukkes kun, når mennesket er ægte.

Stjernestatus

Vi kan lide stjerner. Vi ser en serie for et ansigt, vi kender, og en stærk præstation. Når det ikke rigtigt er dem, falmer stjernestatussen, og det samme gør den store produktion, der er bygget op om den.

STEMMEN
STADIG DEMStjernens egen præstation, båret over i et andet sprog med produktionens samtykke.
IKKE DEMEn stemme, der ikke er deres, læser deres replikker.
ANSIGTET
STADIG DEMDet samme ansigt, den samme optagelse, læberne følger de nye ord.
IKKE DEMEn skuespiller, der ikke er dem.
EN AFDØD SKUESPILLER
STADIG DEMDeres egne indspillede præstationer, som rettighedshaveren kan lokalisere.
IKKE DEMEt nyt projekt, de aldrig gav samtykke til, selv hvor et dødsbo har skrevet under. Det gør vi ikke.

Det, en dub bevarer

Fra menneske til menneske, ikke fra AI til AI.

En dub holder alt fast: personen, præstationen, scenen, musikken. Kun sproget skifter. Derfor byggede vi en beslutningsmodel og ikke en videomodel: hvem på skærmen der siger replikken, følelsen fra en hvisken til et råb, hvilket navn eller brand der forbliver, som det er, hvad teksten i billedet siger. Intet bliver fundet på. Det bliver båret over.

AI-lavet indhold, lavet med omhu

Der kommer indhold lavet med hjælp fra AI og indhold lavet af AI, og noget af det bliver lavet med ægte omhu. Det indhold skal stadig dubbes. En generel model kan ikke køre den samme scene igen på et nyt sprog med den rigtige person, der taler, latteren og musikken intakte og teksten på skærmen udskiftet. Og oversættelse er netop dér, hvor selv de bedste generelle modeller kommer til kort på egen hånd: en joke, der ikke lander, et navn, der bliver oversat, et slangord med en grim betydning på det nye sprog, et emne, kulturen undgår. Indhold lavet uden omhu vil ikke være værd at dubbe; det bliver simpelthen lavet på ny til hver kultur. Det er fint. Det er ikke det, vi er til for.

Og noget indhold kan slet ikke laves om:

SPORT
Kampen bliver spillet én gang. Der er intet at køre igen.
STREAMS
Live, med chatten. Et øjeblik, ikke en fil.
REALITY-TV
Folk uden manuskript. Optagelsen er den eneste optagelse.
DOKUMENTARER
Rigtige mennesker, der siger rigtige ting, én gang.

Et liveøjeblik kan kun bæres over. Vores næste version er på vej dertil.

To spor

Det hurtige spor: upload én gang og tag det, der kommer ud, uden kontrol og med en oversættelse, du ikke kan gennemgå. Kvalitetssporet: personen, præstationen og scenen bevaret, hver beslutning registreret og din at tilsidesætte, i én omgang. Vi valgte det andet spor med vilje.

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

Hvorfor kvalitetssporet vokser over tid

Hver titel lægger noget til registreringen: hvad den kultur undgår, hvilket slang der bliver grimt, hvor langt bandeordene må gå, de rigtige termer, hvordan en joke lander. Et valg, der er truffet én gang, følger med til næste afsnit. Generelle videomodeller kan generere på et sprog længe før, de kan lokalisere til det; vi arbejder på 30 sprog, og nuancerne hober sig op.

++
Fra menneske til menneske, og ud til langt flere.
FRA MENNESKE TIL MENNESKEKVALITETSSPORET

Multimodal oversættelse

Familiar Labs laver en ny generation af dubbing med en multimodal beslutningsmodel til lokalisering (MLDM), den første grundmodel til multimodal oversættelse: én model beslutter, hvad der skal lokaliseres på tværs af tekst, lyd og billede, og viser dig valgene. Din stemme og dine læber, båret over i nye sprog. De er et team på 8 med ph.d.er, støttet af Samsung, RedBird og Gold House. Vores mission

Se hele benchmarken →Tal med teamet