RESUMÉ
Det, det oprindelige publikum fik
Alle andre publikummer har som regel fået mindre: undertekster at læse hen over billedet eller en fremmed stemme med en mund, der ikke passer. Værket var det samme. Oplevelsen var det ikke.
Hvad »den samme« betyder
I EN DUB FRA FAMILIAR
Replikker, der kan forstås på flere måder, en joke eller en stikpille, kommer tilbage som tre oversættelser med hver sin hensigt og følelse. Kreative direktører vælger én, bevarer slangen ordret eller skruer ned for bandeordene i en version til et yngre publikum og retter enhver linje med originalen ved siden af, før dubben renderes. Hvert valg registreres på jobbet, så næste afsnit følger det.
Hvert sprog leveres som en færdig video i op til 4K, med det fulde mix som ægte 5.1-surround eller stereo i 24-bit PCM WAV. Underteksterne kommer som .srt og .vtt ud fra den gennemgåede transskription, klippet efter konventionerne i Netflix' Timed Text Style Guide, sammen med den oversatte titel og beskrivelse og stemmesporet alene til jeres eget mix (FAQ'en).
Tredive sprog ud, 99 ind
Optagelser kan komme ind på 99 kildesprog. Dubs kommer ud på 30, fra alle til alle, i tre kvalitetsniveauer, bedste først og alfabetisk inden for hvert niveau.
| Niveau | Sprog |
|---|---|
| Niveau 1 | Engelsk, fransk (Frankrig), indonesisk, italiensk, japansk, kantonesisk, koreansk, mandarin, portugisisk (Brasilien), russisk, spansk (Latinamerika), thai, tysk, vietnamesisk |
| Niveau 2 | Bulgarsk, catalansk, græsk, kroatisk, litauisk, nederlandsk, norsk, slovakisk, svensk |
| Niveau 3 | Arabisk, belarusisk, dansk, kasakhisk, lettisk, serbisk, ukrainsk |
Hele tabellen med koder står i sprogdokumentationen.
Hvorfor det meste af verden aldrig fik en dub
En stor præstation på ét sprog blev på ét sprog.
MLDM til det møjsommelige arbejde.
Det møjsommelige arbejde i dubbing er at beslutte, hvilken stemme og hvordan læberne følger, for hver replik på hvert sprog. Et nyt paradigme, det første af sin slags, beslutter det: en multimodal beslutningsmodel til lokalisering (MLDM), den første grundmodel til multimodal oversættelse. I dag er dens valg i oversættelsen åbne for jeres team; at vælge, hvilke lyde der forbliver på originalsproget, hvilket ansigt der taler, og hvilken tekst i billedet der skal oversættes, er under udvikling. De valg, der gør en dub god, hvilken joke der lander, hvilken tone der passer, hvilket navn der bliver, bliver hos dem, der skabte værket.
Alle data, vi har trænet med, er lavet af Familiar-teamet selv.
Ethvert publikum
Når den samme præstation kan nå ethvert publikum, ændrer spørgsmålet sig fra, hvilke sprog en produktion har råd til, til hvilke publikummer den vil møde.
Et vertikalt drama, en forelæsning eller en spillefilm kan få premiere på 30 sprog, og skuespilleren er stadig skuespilleren.
Vi er endnu et værktøj i den kreative proces.
SPØRGSMÅL
Får alle sprog den samme kvalitet?
Alle 30 outputsprog får stemme, lipsync og scenens lyd. De er inddelt i tre kvalitetsniveauer, bedste først.
Er det stadig skuespillerens stemme på hvert sprog?
Ja. Stemmen på hvert sprog er skuespillerens egen, hentet fra selve klippet, med den samme timing og levering.
Hvem beslutter, hvordan en replik oversættes?
Jeres team. Replikker, der kan læses på flere måder, kommer tilbage som tre muligheder; kreative direktører vælger én og kan rette enhver linje, før dubben renderes.
REFERENCER
- [1]Netflix, Timed Text Style Guide: Subtitle Templates, læst 30. oktober 2026
- [2]Familiar FAQ: sprog, hvad en dub bevarer, de filer, der kommer tilbage
- [3]Familiar-dokumentation: understøttede sprog og kvalitetsniveauer
- [4]Hvorfor Familiar ikke er traditionel generativ AI
- [5]Oversættelse er ikke generering
- [6]Endnu et værktøj i den kreative proces
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
