Maskinlæring mod generativ AI: en guide i klart sprog til produktionsselskaber

FAMILIAR FORSKNING2026-10-24OPDATERET 2026-10-30ALLE ARTIKLER

RESUMÉ

Ikke »generativ AI«, men oversættelse til gavn for de kreative. Denne guide stiller maskinlæring og generativ AI op side om side i klart sprog og giver derefter seks spørgsmål, et produktionsselskab, en distributør eller en platform kan stille enhver AI-leverandør, med Familiars svar på hvert af dem.

To begreber, enkelt forklaret

MaskinlæringDET BREDE FELT

Maskinlæring er det brede felt. IBM beskriver det som algoritmer, der lærer mønstrene i træningsdata og derefter drager præcise slutninger om nye data.

GENERATIV AI

Generativ AI er én anvendelse af maskinlæring. IBM definerer det som kunstig intelligens, der kan skabe originalt indhold som tekst, billeder, video, lyd eller softwarekode som svar på en brugers prompt eller forespørgsel.
Det er et godt værktøj til at skabe nye ting: et konceptbillede, et første udkast, en skitse til en sang.

OVERSÆTTELSE MED FAMILIAR

Oversættelse kræver noget andet.
Værket findes allerede, og Familiar bærer det uændret over i et andet sprog med et nyt paradigme, det første af sin slags: en multimodal beslutningsmodel til lokalisering (MLDM), den første grundmodel til multimodal oversættelse.

DEN FØRSTE GRUNDMODEL TIL MULTIMODAL OVERSÆTTELSE

GENERATIV AI MOD OVERSÆTTELSE
	Generativ AI	Oversættelse med Familiar
Input	En prompt	Jeres færdige video
Hvad der er nyt	Selve indholdet	Ordene på et andet sprog, og stemmen og munden, der bærer dem
Hvis lighed	Den, prompten beskriver	Skuespilleren på skærmen, med samtykke
Gennemgang	Varierer fra værktøj til værktøj	Jeres kreative direktører, linje for linje, før renderingen
Output	Ny tekst, nye billeder, ny video, ny lyd eller ny kode	Den samme præstation, i op til 4K, i ægte 5.1 eller stereo

Seks spørgsmål til enhver leverandør

ER DER EN PROMPT?

FAMILIARS SVARNej. Jeres video går ind, og den samme video kommer ud på et andet sprog.

BLIVER NOGET OPDIGTET?

FAMILIARS SVARNej. Ordene er en oversættelse af det, der blev sagt, og intet nyt bliver fundet på. Scenen bliver, som den var: latteren, musikken, atmosfæren.

HVIS STEMME OG ANSIGT ER I RESULTATET, OG MED HVIS SAMTYKKE?

FAMILIARS SVARSkuespillerens egen. Stemmen kommer fra selve klippet, og ansigtet på skærmen er skuespillerens, der spiller på det nye sprog. Familiar oversætter kun personer med deres samtykke.

HVILKE DATA ER MODELLEN TRÆNET PÅ?

FAMILIARS SVARAlle data, vi har trænet med, er lavet af Familiar-teamet selv.

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

Hvem gennemgår før udgivelsen?

Jeres kreative direktører. En replik, der kan forstås på flere måder, en joke eller en stikpille, kommer tilbage som tre oversættelser med hver sin hensigt og følelse; de vælger én, retter enhver linje med originalen ved siden af og starter først derefter dubben. En Oversæt ikke-liste holder navne og faste vendinger præcis, som de blev sagt.

Hvilke filer kommer tilbage?

Hvert sprog leveres som en færdig video i op til 4K, med det fulde mix i ægte 5.1-surround eller stereo efter eget valg, i 24-bit PCM WAV. Ved siden af: undertekster i .srt og .vtt ud fra den gennemgåede transskription, klippet efter konventionerne i Netflix' Timed Text Style Guide, den oversatte titel og beskrivelse og stemmesporet alene til jeres eget mix.

MLDM til det møjsommelige arbejde.

Det møjsommelige arbejde i dubbing er hver replik på hvert sprog: hvilken gengivelse, hvilken stemme, hvordan læberne følger. Vejen til høj kvalitet i dag klarer den del i hånden: et assisterende værktøj, et hold af VFX-artister og uger pr. projekt, og hvert sprog er et nyt projekt. De værktøjer, der i dag arbejder i én omgang, springer den over og ofrer resten: oversættelsen kan ikke redigeres, musikken og rummet forsvinder, og læberne svigter ved en hånd foran ansigtet, en mikrofon eller en sidevinkel. Familiar er én omgang og kvaliteten. MLDM beslutter den del og registrerer hver beslutning på jobbet, hvor jeres team kan tilsidesætte den. I dag dækker det valgene i oversættelsen: jokens gengivelse, slangen bevaret ordret, færre bandeord i en version til et yngre publikum. At vælge, hvilke lyde der forbliver på originalsproget, hvilket ansigt der taler, og hvilken tekst i billedet der skal oversættes, er under udvikling. Casting, præstation og alle kreative beslutninger bliver hos dem, der skabte værket.

Vi er endnu et værktøj i den kreative proces.

SPØRGSMÅL

Er Familiar generativ AI?

Nej. Familiar er en multimodal beslutningsmodel til lokalisering (MLDM): den beslutter, hvordan det, der allerede findes, skal lokaliseres, uden nogen prompt. Jeres video går ind, og den samme præstation kommer ud på et andet sprog.

Kan vores kreative team ændre en replik, før den renderes?

Ja. Hver oversat replik venter på jeres kreative direktører, som kan rette den med originalen ved siden af eller vælge mellem tre oversættelser, hvor en replik kan læses på flere måder. Først derefter renderes dubben.

Hvilke sprog dækker Familiar?

Dubs kommer ud på 30 sprog, fra alle til alle. Optagelser kan komme ind på 99 kildesprog.

REFERENCER

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