POSITION

Warum der Großteil der Welt nie synchronisiert wurde

FAMILIAR FORSCHUNGAKTUALISIERT ALLE ARTIKEL
LESEN AUFEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

ZUSAMMENFASSUNG

Keine „generative KI“, sondern Übersetzung im Dienst der Kreativen. Synchronisation war für den Großteil der Welt unerreichbar. Eine komplette Synchronisation von Menschenhand kostet $70 bis $150 pro fertiger Minute, jede Sprache braucht ihre eigene Besetzung und ihr eigenes Team, und jede Sprache läuft nach ihrem eigenen Zeitplan. Selbst Top-Produktionen synchronisieren deshalb nur in wenige Sprachen, und kleinere Produktionen, Shows und Mikrodramen werden gar nicht synchronisiert. Ein neues Paradigma, das erste seiner Art, ändert das: Ein multimodales Entscheidungsmodell für die Lokalisierung (MLDM), das erste Foundation Model für multimodale Übersetzung, übernimmt die Fleißarbeit, damit eine Performance jedes Publikum erreicht.
DAS ERSTE FOUNDATION MODEL FÜR MULTIMODALE ÜBERSETZUNG

Was eine Sprache kostet

SYNCHRONISATION VON MENSCHENHAND

$70 bis $150

Übersetzung plus Stimme, pro fertiger Minute.

EIN 60-MINÜTIGES VIDEO

$4,200 bis $9,000

Für eine Zielsprache. Zehn Sprachen verzehnfachen den Betrag.

Ein Blockbuster kann das für seine größten Märkte stemmen. Eine Doku, eine Talkshow oder eine Staffel Mikrodrama kann es meist nicht einmal für eine einzige Sprache.

Die Menschen hinter jeder Sprache

Eine Synchro ist eine Produktion. Jede Sprache braucht ihren eigenen Übersetzer und Dialogbuchautor, ein Casting, Sprecher für jede Rolle, eine Regie, ein Studio und einen Mischtonmeister. Catherine Retat, bei Netflix Senior Director für globale Content-Lokalisierung, beschrieb die Größenordnung auf einem Lokalisierungs-Roundtable in Seoul ohne Umschweife: Für eine einzige Synchronfassung braucht es in der Regel 50 bis 60 Menschen, eine Synchronisation in zehn Sprachen bedeutet also rund 500 Menschen, wie Digital Today berichtet.
QUELLE [Digital Today](https://www.digitaltoday.co.kr/en/view/115229/netflix-up-to-60-people-per-language-for-dubbing-work-with-122-partners-worldwide), 15. Oktober 2026

Dieses Handwerk ist echt, und es ist der Grund, warum die besten Synchros so klingen, wie sie klingen. Es bedeutet aber auch: Jede neue Sprache ist ein neues Team, das man finden, buchen und führen muss.

Die Zeit

Jede Sprache folgt ihrem eigenen Zeitplan:

  1. 01

    Das Dialogbuch an die Lippenbewegungen anpassen.

  2. 02

    Besetzen.

  3. 03

    Zeile für Zeile aufnehmen.

  4. 04

    Die Takes inszenieren.

  5. 05

    Gegen das Original mischen.

Starttermine warten selten auf die langsamste Sprache, also schrumpft die Liste auf die Sprachen, die rechtzeitig fertig werden.

Wer außen vor bleibt

Kosten, Personal und Zeit zusammengenommen ergeben die Landkarte, die wir heute haben:

TOP-PRODUKTIONEN
WAS SIE HEUTE TUTSynchronisieren für eine Handvoll ihrer größten Märkte.
KLEINERE PRODUKTIONEN, SHOWS UND MIKRODRAMEN
WAS SIE HEUTE TUTSynchronisieren meist gar nicht; bestenfalls gibt es Untertitel.

Das Publikum wartet nicht auf Englisch. Englisch macht nach der Schätzung von Internet World Stats mit Stand 31. März 2020 25.9% der Internetnutzer aus, zitiert auf Wikipedia: Rund 74% der Internetnutzer sprechen es nicht.

Für die meisten von ihnen wurde der Großteil der Videos auf der Welt nie synchronisiert.

MLDM für die Fleißarbeit.

Der Großteil der Arbeit an einer Synchro wiederholt sich: jede Zeile in die neue Sprache tragen, in der Stimme des Sprechers, mit Lippen, die sich zu den neuen Worten bewegen. Genau diesen Teil übernimmt das MLDM. Für 30 Sprachen entscheidet es, welche Fassung jeder Zeile, welche Stimme übersetzt wird, wer im Bild spricht und wie die Lippen folgen. Schauspieler, Performance, Timing und der Ton der Szene bleiben, wie sie waren.

Das Team behält die Führung.

Jede Entscheidung wird mit dem Auftrag festgehalten und lässt sich überschreiben. Heute lesen Ihre Creative Directors die Übersetzung vor dem Rendern neben dem Original und wählen zwischen den Optionen für eine Zeile, die auf mehr als eine Art ankommen kann. Die Wahl, welche Töne in der Originalsprache bleiben, welches Gesicht spricht und welcher Text im Bild übersetzt wird, ist in Arbeit.

Woher die Daten kommen

Alle Daten, mit denen wir trainiert haben, hat das Familiar-Team selbst erstellt.

Nichts Neues wird erfunden, und es gibt keinen Prompt: Ihr Video geht hinein, und dieselbe Performance kommt in einer anderen Sprache heraus. Das ist keine „generative KI“ im klassischen Sinn. Es ist Übersetzung, damit eine Serie, die für ein Land gemacht wurde, auch das nächste erreicht.

Wir sind ein weiteres Werkzeug im kreativen Prozess.

FRAGEN

Warum werden nicht mehr Serien synchronisiert?

Kosten, Personal und Zeit. Eine komplette Synchronisation von Menschenhand kostet $70 bis $150 pro fertiger Minute, jede Sprache braucht ihre eigene Besetzung, Regie und ihr eigenes Studio, und jede folgt ihrem eigenen Zeitplan. Top-Produktionen synchronisieren in wenige Sprachen; kleinere Produktionen, Shows und Mikrodramen meist gar nicht.

Wer prüft eine Familiar-Synchro vor der Veröffentlichung?

Ihr Team. Jedes Video pausiert an einem Prüfbildschirm, an dem Sie jede Zeile bearbeiten, bevor es gerendert wird, und eine Zeile, die auf mehr als eine Art ankommen kann, kommt mit Optionen zur Auswahl zurück.

Ist Familiar generative KI?

Nein. Familiar ist ein multimodales Entscheidungsmodell für die Lokalisierung (MLDM): Es entscheidet ohne Prompt, wie das lokalisiert wird, was schon da ist. Ihr Video geht hinein, dieselbe Performance kommt in einer anderen Sprache heraus. Alle Daten, mit denen wir trainiert haben, hat das Familiar-Team selbst erstellt. Wir sind ein weiteres Werkzeug im kreativen Prozess.

QUELLEN

  1. [1]Digital Today, Netflix says it deploys up to 60 people per dubbed language, works with 122 partners worldwide, 15. Oktober 2026
  2. [2]Wikipedia, Languages used on the Internet (Internet World Stats, 31. März 2020), gelesen am 24. Oktober 2026
  3. [3]Was kostet Synchronisation 2026?
  4. [4]Warum Familiar keine generative KI im klassischen Sinn ist

Multimodale Übersetzung

Familiar Labs entwickelt Synchronisation einer neuen Generation, mit einem multimodalen Entscheidungsmodell für die Lokalisierung (MLDM), dem ersten Foundation Model für multimodale Übersetzung: Ein Modell entscheidet, was über Text, Ton und Bild hinweg lokalisiert wird, und zeigt Ihnen die Optionen. Ihre Stimme und Ihre Lippen, übertragen in neue Sprachen. Ein Team von 8 mit PhDs, unterstützt von Samsung, RedBird und Gold House. Unsere Mission

Zum vollständigen Benchmark →Mit dem Team sprechen