UNSERE MISSION
Wir existieren, um jede Verständigungsbarriere zu durchbrechen.
Woher das kommt.
Unser CEO Andrew Liu kam an eine Schule, an der er mit seinen Mitschülern kein Englisch sprechen konnte. Er war der einzige asiatische Schüler an der ganzen Schule. Er hatte keine Freunde. Die Sprache lernte er vor dem Fernseher; über den Bildschirm erreichte ihn das Englisch endlich. Das hat ihn nie wieder losgelassen.
Deshalb gibt es Familiar Labs: damit alles, was auf einem Bildschirm läuft, alle erreicht, in der Sprache, die sie verstehen.
Wir ersetzen keine Künstler. Wir übersetzen sie.
Den Menschen bewahren.
Unterhaltung wird bis 2030 eine Branche von 4,2 Billionen US-Dollar sein.
PwC, Global Entertainment & Media Outlook 2026–2030.
Ihre Zukunft verläuft auf einem schmalen Grat zwischen Massenproduktion und Kunst, und Familiar Labs steht auf der Seite der Kunst: Wir bewahren die menschliche Performance und das Mitgefühl, das sie trägt.
KunstWAS KUNST IST
KI kann Kunst machen, in ihrem eigenen Feld, das die Animation längst besetzt: Romane, Manga und Manhwa, auf den Bildschirm gebracht, ohne die Identität eines echten Schauspielers darin. Greift KI nach Fotorealismus, um an die Stelle des Schauspielers zu treten, der die Rolle gespielt hätte, wirkt das Ergebnis leer, denn das Publikum kam wegen des Menschen.
Wir wollen, dass Menschen singen und rappen.
Das jüngste Publikum will das Echte.
Die Gen Z ist das geschmackssicherste Publikum, das es je gab. Sie folgt Creators wegen ihrer echten Persönlichkeit, und sie schaut echten Menschen zu.
Wir sehnen uns nach menschlicher Nähe: nach der Persönlichkeit eines Menschen, nach seinem gewissen Etwas. Menschen fühlen mit Menschen mit, und das Mitgefühl schwindet, sobald man weiß, dass es KI ist.
Schauspieler und Sänger bleiben Menschen. Größtenteils.
Selbst in Jahrzehnten werden Filme, Fernsehen und Musik ohne menschliche Performer eine Minderheit sein. Warum sollte KI die Künstler ersetzen, die ihre Rollen leben?
“Wenn ich weiß, dass es KI ist, kann ich nicht dasselbe fühlen.”
Selbst wenn KI eines Tages diese Qualität erreicht, fehlt das Mitgefühl: die Verbindung von Mensch zu Mensch und der Wunsch, die Menschen zu unterstützen, die das geschaffen haben.
Das meiste, was wir unterstützen, wird weiterhin menschlich sein. Das Mitgefühl, das wir für einen Menschen empfinden, ist keine Voreingenommenheit, die vergeht; es gehört dazu, wie wir leben, lieben und Sprache gebrauchen.
Sprache war schon immer die Mauer zwischen Menschen.
Ein Elternteil, das mit der Lehrerin seines Kindes nicht sprechen kann.
Ein Patient, der seine Symptome nicht beschreiben kann.
Ein Zeuge, der sich in der Sprache des Gerichts nicht verständlich machen kann.
MLFM für die Fleißarbeit.
DAS ERSTE FOUNDATION MODEL FÜR MULTIMODALE ÜBERSETZUNG- Dein Material, deine Stimme, dein Gesicht. Nichts wird neu erfunden.
- Keine Prompts. Nichts wird zufällig neu erzeugt.
- Alle Daten, mit denen wir trainiert haben, hat das Team von Familiar Labs selbst erstellt.
Ein Modell, das entscheidet, was lokalisiert wird und wie, über Text, Ton und Bild hinweg, und dir die Optionen vorlegt, auf die es ankommt. Erst die Übersetzung, dann die Synchronisation in einem Durchgang: Stimme, Lippen und Szene zusammen. Die Entscheidungen passen zusammen, weil ein einziges Modell sie trifft. Der Mensch bleibt, wer er ist.
Keine „generative KI“, sondern Übersetzung im Dienst der Kreativen.
Wir sind ein weiteres Werkzeug im kreativen Prozess.
Welche Fassung eines Satzes.
- Mehrere Fassungen abgewogen; deine Creative Directors sehen sie samt Begründung und entscheiden.
- Was unübersetzt bleibt: der Slang, wie er gesagt wurde, der Name und die Marke.
- Eine Anspielung, die das Publikum kennt; was die Kultur meidet, bleibt draußen; entschärfte Kraftausdrücke für eine jüngere Fassung.
Was überhaupt übersetzt wird.
- Die Hauptstimme gefunden und getragen, in der eigenen Stimme des Sprechers.
- Das Lachen, die Menge, ein Ruf, jemand, den niemand versteht: Alles bleibt, wie es war.
- Ein Sprechchor, ein Schrei, eine Redewendung, in der Originalsprache belassen.
Was im Bild lokalisiert wird.
- Wer es tatsächlich sagt: wer erzählt, wer aus dem Off spricht.
- Die Lippen, samt Verdeckungen und räumlichem Denken.
- Mimik und Gesten, wenn die Betonung oder die Kultur es verlangt.
- Der Text im Bild (ein Handydisplay, ein Buchcover, ein Straßenschild, ein Schaufenster), mit den Begriffen, die du schon festgelegt hast.
- Was so bleibt, wie es gedreht wurde, von selbst entschieden: Eine Tüte Tostitos bleibt Tostitos.
- Zu welchem Gesicht ein Satz gehört und welcher Text übersetzt wird.
Wir fangen dort an, wo die Mauer am meisten kostet: beim Video.
Synchronisation von Menschenhand ist für den Großteil der Welt nicht nutzbar: Selbst Top-Produktionen synchronisieren nur in wenige Sprachen, wegen der Kosten, des Personals und der Zeit. Kleinere Produktionen, Shows und Mikrodramen werden gar nicht synchronisiert.
Über Jahre bewiesen: Die internationalen Kanäle von Veritasium, 3Blue1Brown und Welch Labs betrieb das Unternehmen, das unser CTO führte.
▚ EIN DURCHGANG, NICHT WOCHEN ▞
Flawless
FlawlessDie assistiven Tools, mit denen die Branche heute arbeitet, brauchen ein Team aus VFX-Artists und Wochen pro Projekt, und jede Sprache ist ein neues Projekt.
Die Tools, die heute in einem Durchgang arbeiten, opfern den Rest: Die Übersetzung lässt sich nicht bearbeiten, Musik und Raumklang fallen weg, die Stimme driftet ab, und die Lippen versagen bei einer Hand vorm Gesicht, einem Mikrofon, Unschärfe, Bokeh, einer Seitenansicht oder mehreren Personen im Bild. Kein räumliches Denken, kein Weltverständnis, keine Kontrolle.
Familiar Labs vs. Flawless TrueSync →Wir tragen die Performance, die ein Mensch gegeben hat, in jede Sprache, mit seiner Stimme, seinem Gesicht, den Ausbrüchen und dem Flüstern, alles unversehrt.
Wir erzeugen nie einen Menschen. Wir ersetzen nie einen Schauspieler.
- HEUTE
Synchronisation in 13 Sprachen.
- IN ARBEIT
Live-Übertragungen: Sport, Nachrichten, Streams.
- SPÄTER
In beide Richtungen: in Meetings und vor Ort.
Die Forschenden, die neue Menschen erzeugen könnten, haben sich entschieden, echte zu übertragen.
Synchronisieren statt generieren.
Wir sind das Gegenteil von KI-Musikgenerierung. Wir sind dagegen, Menschen zu ersetzen. Dafür sollte KI da sein: damit Menschen über Kulturen hinweg denselben Song verstehen.
Unser CEO Andrew Liu ist Audiophiler und Musiker: Klavier, Cello, E-Bass. Seine Mutter teilt ihre Lieder mit ihm und singt sie ihm vor. Er versteht etwas Mandarin, aber gesungen rauschen die Worte an ihm vorbei. Unsere Eltern und Familien lieben Lieder, denen wir nicht folgen können, und wir lieben englische Songs, denen sie nicht folgen können. Song Dubbing schlägt die Brücke in beide Richtungen: ihre Lieder zu uns und unsere auf Koreanisch und Chinesisch zu ihnen, damit sie verstehen und auch zuhören. Das ganze Team singt gern, Karaoke inklusive. Wir alle wollen die Songtexte verstehen, die wir hören.
Die übersetzten Songs will ich in meine Playlist packen.
Song DubbingDIE ERSTE ECHTE SONG-SYNCHRONISATION
Für Plattenlabels und ihre Künstler, Album für Album, als persönlich betreuter Full-Service. Jede Zeile wird zum Singen übersetzt, mit ihren Silben, ihren Reimen, ihrem Flow und ihrer Bedeutung, und der Künstler gibt den Songtext in jeder Sprache frei, bevor irgendetwas erscheint.
Kanadisch und global.
Familiar Labs sitzt in Toronto und arbeitet mit Freunden in der ganzen EU und rund um die Welt. Unsere Wurzeln treiben uns an, Sprachbarrieren überall abzubauen, bis hinein in die Nischensprachen.
13 Sprachen, jede in jede.
- Arabisch
- Chinesisch
- Deutsch
- Englisch
- Französisch (Frankreich)
- Hindi
- Italienisch
- Japanisch
- Koreanisch
- Portugiesisch (Brasilien)
- Russisch
- Spanisch (Lateinamerika)
- Thailändisch
Timmins, im Norden Ontarios.
Unsere Vision: Eine Welt, in der jeder Mensch verstanden wird.
Wir stellen uns gegen KI-Slop & Deepfakes.
Pro Mensch, nicht synthetisch.
Deine eigene Stimme, dein eigenes Gesicht.
Gegen KI-Slop, mit Zustimmung.
Übersetzen, nicht ersetzen. Zustimmung eingeholt und Herkunft belegt, bei allem.
Bewiesen, nicht theoretisch.
Veröffentlichte Benchmarks gegen ElevenLabs, YouTube und menschliche Übersetzer, auf denselben Clips.
Kontrolle, eingebaut.
Standardmäßig gilt: erst freigeben, dann rendern; Markennamen und Begriffe bleiben genau so, wie sie geschrieben sind.
Erforscht und entwickelt mit

Viele von uns im Team haben Englisch vor dem Fernseher gelernt. Unser CEO Andrew Liu konnte mit seinen Mitschülern kein Englisch sprechen, hatte keine Freunde und war der einzige asiatische Schüler an seiner ganzen Schule; die Sprache lernte er vor dem Fernseher, und das hat ihn nie wieder losgelassen.
Deshalb gibt es Familiar Labs: damit alles, was auf einem Bildschirm läuft, alle erreicht, in der Sprache, die sie verstehen.








Stimme und Gesicht kommen aus einem einzigen Modell, die Identität kann also nie auseinanderdriften: das Forschungsfeld, das wir mit JAM-Flow begründet haben.
Die derzeit realistischste Echtzeit-Animation von Menschen: SoulX-LiveAct animiert eine Person mit 20 Bildern pro Sekunde, eine Stunde lang stabil.
Destillation, Guidance und Sampling: die Forschung, die Diffusionsmodelle schnell genug für Echtzeit macht.
Editieren in eingefrorenen Diffusionsmodellen: von der Entdeckung des h-space über die Steuerung des Stils bis zum Entfernen von eingeblendetem Text.
Die Szene lesen, bevor sie editiert wird: wer gerade spricht, aus Bild und Ton gemeinsam, in jeder Umgebung.
UNTERSTÜTZT VON
Stanford
Yonsei


