Von Mensch zu Mensch, nicht von KI zu KI

01. Mitgefühl

Auf das Gefühl kommt es an. Wir wissen, dass ein echter Mensch rohe Emotionen spielt, und wir fühlen mit. Ein Teil des Publikums will nur die Stimmen hören; die meisten merken den Unterschied. Und die Kennzeichnung kommt so oder so: Die großen Plattformen markieren KI-erzeugte Inhalte. Die Lücke schließt sich also nicht, wenn die Pixel besser werden. Sie schließt sich erst, wenn der Mensch echt ist.

02. Starpower

Wir mögen Stars. Wir schauen eine Serie wegen eines bekannten Gesichts und einer großartigen Performance. Sind sie es nicht wirklich, schwindet die Starpower, und mit ihr die große Produktion, die um sie herum gebaut ist.

03. Was eine Synchro bewahrt

Eine Synchro hält alles fest: den Menschen, die Performance, die Szene, die Musik. Nur die Sprache ändert sich. Deshalb haben wir ein Entscheidungsmodell gebaut und kein Videomodell: wer im Bild die Zeile spricht, die Emotion vom Flüstern bis zum Schreien, welcher Name oder welche Marke bleibt, wie sie ist, was der Text im Bild sagt. Nichts wird erfunden. Es wird übertragen.

04. KI-Inhalte, mit Aufwand gemacht

Es wird KI-gestützte und KI-erzeugte Inhalte geben, und manche davon entstehen mit echtem Aufwand. Auch diese Inhalte brauchen eine Synchro. Ein allgemeines Modell kann nicht dieselbe Szene in einer neuen Sprache noch einmal laufen lassen, mit der richtigen Person am Wort, mit Lachen und Musik unversehrt und ersetztem Text im Bild. Und gerade bei der Übersetzung scheitern selbst die besten allgemeinen Modelle von allein: ein Witz, der nicht trägt, ein Name, der übersetzt wird, ein Slangwort mit schlechter Bedeutung in der neuen Sprache, ein Thema, das diese Kultur meidet. Inhalte ohne Aufwand lohnen keine Synchro; sie werden einfach für jede Kultur neu gemacht. Das ist in Ordnung. Dafür sind wir nicht da.

Und manches lässt sich gar nicht neu machen:

Einen Live-Moment kann man nur übertragen. Dorthin geht unsere nächste Version.

05. Zwei Wege

Der schnelle Weg: einmal hochladen und nehmen, was herauskommt, ohne Kontrolle, mit einer Übersetzung, die sich nicht prüfen lässt. Der Weg der Qualität: Mensch, Performance und Szene bleiben, jede Entscheidung wird festgehalten und lässt sich überschreiben, in einem Durchgang. Wir haben uns bewusst für den zweiten Weg entschieden.

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 →

06. Warum sich Qualität aufaddiert

Jeder Titel ergänzt das Protokoll: was diese Kultur meidet, welcher Slang kippt, wie weit die Kraftausdrücke gehen, die richtigen Begriffe, wie ein Witz ankommt. Eine einmal getroffene Wahl gilt auch für die nächste Folge. Allgemeine Videomodelle können lange in einer Sprache erzeugen, bevor sie in sie lokalisieren können; wir arbeiten in 30 Sprachen, und die Feinheiten sammeln sich an.

++

Von Mensch zu Mensch, mit größerer Reichweite.