ΟΔΗΓΟΣ

Τι σημαίνει ένα θεμελιώδες μοντέλο για πολυτροπική μετάφραση για τα στούντιο και τις πλατφόρμες

FAMILIAR ΕΡΕΥΝΑΕΝΗΜΕΡΩΣΗ ΟΛΑ ΤΑ ΑΡΘΡΑ
ΔΙΑΒΑΣΤΕ ΤΟ ΣΕEnglishEspañolPortuguês中文日本語한국어FrançaisDeutschالعربيةBahasa IndonesiaРусскийItalianoTiếng ViệtไทยNederlandsΕλληνικάУкраїнська粵語NorskCatalàHrvatskiLietuviųSlovenčinaSvenskaБългарскиСрпскиБеларускаяDanskҚазақшаLatviešu

ΠΕΡΙΛΗΨΗ

Για ένα στούντιο, μια υπηρεσία streaming, μια πλατφόρμα, ένα τηλεοπτικό δίκτυο ή ένα στούντιο micro-dramas, ένα θεμελιώδες μοντέλο για πολυτροπική μετάφραση σημαίνει κάθε γλώσσα από ένα ανέβασμα, με τη φωνή και τα χείλη του ίδιου του ηθοποιού και τη σκηνή όπως ήταν. Το Familiar είναι το πρώτο θεμελιώδες μοντέλο για πολυτροπική μετάφραση: ένα μοντέλο που μεταφέρει τα λόγια, τη φωνή, τα χείλη και τη σκηνή σε νέα γλώσσα, όλα μαζί. Οι creative directors σας ελέγχουν πρώτα τη μετάφραση, κάθε απόφαση καταγράφεται μαζί με την εργασία, και η μεταγλώττιση επιστρέφει έως 4K με πραγματική μίξη 5.1, με επεξεργασία στις δικές GPU του Familiar στο Τορόντο.
ΤΟ ΠΡΩΤΟ ΘΕΜΕΛΙΩΔΕΣ ΜΟΝΤΕΛΟ ΓΙΑ ΠΟΛΥΤΡΟΠΙΚΗ ΜΕΤΑΦΡΑΣΗ

Τι αλλάζει ένα θεμελιώδες μοντέλο στη μεταγλώττιση;

Η μηχανική μεταγλώττιση ήταν παλιότερα μια αλυσίδα από χωριστά εργαλεία: μεταγραφή, μετά μετάφραση, μετά φωνή, μετά lip sync. Κάθε στάδιο μάντευε χωρίς τα άλλα, και τα λάθη περνούσαν από στάδιο σε στάδιο. Ό,τι συναντά σήμερα ένας αγοραστής ανταλλάσσει ποιότητα με χρόνο. Τα υποβοηθητικά εργαλεία φτάνουν την ποιότητα με μια ομάδα καλλιτεχνών VFX: εβδομάδες για κάθε έργο, και κάθε γλώσσα είναι ένα καινούργιο έργο. Τα εργαλεία που κάνουν τη δουλειά με τη μία είναι γρήγορα και θυσιάζουν τα υπόλοιπα: η μετάφραση δεν επεξεργάζεται, η φωνή ξεφεύγει, η μουσική και ο ήχος του χώρου χάνονται, και τα χείλη αποτυγχάνουν σε ένα χέρι μπροστά στο πρόσωπο, ένα μικρόφωνο, θόλωμα, bokeh, μια πλάγια λήψη ή πολλά άτομα στο κάδρο. Καμία αντίληψη του χώρου, καμία κατανόηση του κόσμου, κανένας έλεγχος. Το Familiar αντικαθιστά την αλυσίδα με ένα πολυτροπικό μοντέλο αποφάσεων τοπικοποίησης (MLDM): με τη μία και με την ποιότητα.

Η ΕΠΟΧΗ ΤΗΣ ΑΛΥΣΙΔΑΣ

  • Τέσσερα εργαλεία, ρυθμισμένα το καθένα χωριστά.
  • Μια μετάφραση γραμμένη χωρίς το στόμα στο οποίο πρέπει να ταιριάξει.
  • Η φωνή ενός ξένου πάνω στο πρωτότυπο πρόσωπο.

ΕΝΑ ΘΕΜΕΛΙΩΔΕΣ ΜΟΝΤΕΛΟ

  • Ένα μοντέλο παίρνει τις αποφάσεις μαζί, οπότε συμφωνούν.
  • Η μετάφραση ξέρει το στόμα· η φωνή ξέρει τη σκηνή.
  • Ο άνθρωπος στην οθόνη δεν αλλάζει ποτέ.
++
Πρώτα η μετάφραση, και μετά η μεταγλώττιση με τη μία: η φωνή, τα χείλη και η σκηνή μαζί.

Οπτικοακουστική μετάφραση με τη μία, όχι σε αλυσίδα: η πρώτη του είδους της. Ο ορισμός βρίσκεται στο Το πρώτο θεμελιώδες μοντέλο για πολυτροπική μετάφραση· η αντιπαράθεση με την αλυσίδα, βήμα προς βήμα, στο Οπτικοακουστική μετάφραση με τη μία, όχι σε αλυσίδα.

HeyGenHeyGenElevenLabsElevenLabsHeyGen + 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

Μπορεί ένα ανέβασμα να καλύψει κάθε αγορά στην οποία πουλάμε;

Ναι. Υλικό σε οποιαδήποτε από 99 γλώσσες-πηγές μπαίνει μία φορά, και οι μεταγλωττίσεις βγαίνουν σε όποιες από τις 30 γλώσσες εξόδου παραγγείλετε: κάθε γλώσσα από ένα ανέβασμα, με την ίδια ερμηνεία σε όλες. Μια σεζόν, μια βιβλιοθήκη ή μια ροή από κάθετα επεισόδια ακολουθεί τον ίδιο δρόμο, και οι όροι που ορίζετε μία φορά περνούν και στο επόμενο επεισόδιο.

Η πλήρης ανθρώπινη μεταγλώττιση, μετάφραση συν φωνή, κοστίζει από $70 έως $150 ανά τελικό λεπτό. Με αυτή την τιμή είναι απρόσιτη για το μεγαλύτερο μέρος του κόσμου. Ακόμα και οι μεγαλύτερες παραγωγές μεταγλωττίζονται σε λίγες μόνο γλώσσες, λόγω του κόστους, των ανθρώπων και του χρόνου που χρειάζεται.

Οι μικρότερες παραγωγές, οι σειρές και τα κάθετα δράματα ουσιαστικά δεν μεταγλωττίζονται καθόλου.

Αυτό είναι το κενό που κλείνει το Familiar. Όχι «παραγωγική τεχνητή νοημοσύνη», αλλά μετάφραση στην υπηρεσία των δημιουργών. MLDM για την κουραστική δουλειά. Από άνθρωπο σε άνθρωπο, σε όλο και περισσότερο κόσμο.

Ποιος αποφασίζει πώς πέφτει μια ατάκα σε άλλη γλώσσα;

Το MLDM αποφασίζει τι θα τοπικοποιηθεί και πώς, σε κείμενο, ήχο και εικόνα. Η ομάδα σας κρατά τον έλεγχο στις επιλογές που μετράνε. Πρώτα έρχεται η μετάφραση, και όπου μια ατάκα μπορεί να βγει με περισσότερους από έναν τρόπους, οι creative directors σας βλέπουν τις επιλογές και το σκεπτικό της καθεμίας πριν μεταγλωττιστεί οτιδήποτε.

ΤΙ ΑΠΟΦΑΣΙΖΕΤΑΙ ΚΑΙ ΤΙ ΔΙΑΛΕΓΕΤΑΙ

ΚΕΙΜΕΝΟ
ΤΟ MLDM ΑΠΟΦΑΣΙΖΕΙΠοια απόδοση μεταφέρει κάθε ατάκα: τους όρους, την αργκό όπως ειπώθηκε, τα ονόματα και τις μάρκες, μια αναφορά που ξέρει το κοινό.
Η ΟΜΑΔΑ ΣΑΣ ΔΙΑΛΕΓΕΙΣήμερα: την απόδοση, από τις επιλογές και το σκεπτικό· μια λίστα «Χωρίς μετάφραση» και ένα πλαίσιο μίας πρότασης.
ΗΧΟΣ
ΤΟ MLDM ΑΠΟΦΑΣΙΖΕΙΤι πρέπει να μεταφραστεί καθόλου: η κύρια φωνή περνά με τη φωνή του ίδιου του ομιλητή, τα γέλια και το πλήθος μένουν.
Η ΟΜΑΔΑ ΣΑΣ ΔΙΑΛΕΓΕΙΣτα σκαριά: τι μένει στην πρωτότυπη γλώσσα.
ΕΙΚΟΝΑ
ΤΟ MLDM ΑΠΟΦΑΣΙΖΕΙΠοιος στην οθόνη το λέει, και πώς ακολουθούν τα χείλη και οι εκφράσεις.
Η ΟΜΑΔΑ ΣΑΣ ΔΙΑΛΕΓΕΙΣτα σκαριά: άλλο πρόσωπο όταν το μοντέλο διάλεξε λάθος ομιλητή, και ποιο κείμενο μέσα στο κάδρο θα μεταφραστεί.

Κάθε απόφαση καταγράφεται μαζί με την εργασία και μπορείτε να αλλάξετε οποιαδήποτε από αυτές. Όλη η ιστορία βρίσκεται στο Το αρχείο αποφάσεων: πώς οι creative directors κατευθύνουν το MLDM. Μόνο στα λόγια, η μετάφραση ισοφαρίζει τους έμπειρους ανθρώπινους μεταφραστές: 100.3% της ποιότητάς τους, μετρημένο στο benchmark.

Τι επιστρέφει μαζί με μια τελική μεταγλώττιση;

Ένα παραδοτέο που η ομάδα post-production σας βάζει κατευθείαν στην κυκλοφορία, στις προδιαγραφές που ζητά μια υπηρεσία streaming. Ο ήχος της σκηνής μένει όπως ήταν: η μουσική, η ατμόσφαιρα και τα γέλια διατηρούνται, και αλλάζει γλώσσα μόνο η ομιλία.

ΒΙΝΤΕΟ

Έως 4K

Το lip sync περιλαμβάνεται σε κάθε render βίντεο.

ΜΙΞΗ

Πραγματικό surround 5.1 ή στερεοφωνική

Η επιλογή είναι δική σας, σε PCM 24-bit. Οι πλατφόρμες streaming ζητούν η μεταγλώττιση να ταιριάζει με την πρωτότυπη μίξη: 5.1 μέσα, 5.1 έξω.

ΗΧΟΣ ΣΚΗΝΗΣ

Διατηρείται

Η μουσική, η ατμόσφαιρα, τα γέλια και το πλήθος μένουν.

ΥΠΟΤΙΤΛΟΙ

.srt και .vtt

Το πολύ δύο γραμμές, 42 χαρακτήρες ανά γραμμή, έως 17 χαρακτήρες το δευτερόλεπτο.

Οι υπότιτλοι φτιάχνονται από τη μετάφραση που ελέγξατε και κόβονται κατά τις συμβάσεις του Timed Text Style Guide του Netflix, του προτύπου υποτίτλων με το οποίο δουλεύει ο κλάδος. Κάθε αρχείο και μορφή αναφέρεται στην τεκμηρίωση για τα παραδοτέα.

Πού γίνεται η επεξεργασία του υλικού μας;

Το ακυκλοφόρητο υλικό είναι αυτό που ένα στούντιο προστατεύει περισσότερο από όλα. Κάθε μεταγλώττιση επεξεργάζεται στο δικό του cluster από NVIDIA B300 GPU αξίας οκτώ ψηφίων που έχει το Familiar στο Τορόντο του Καναδά, σε υπολογιστική ισχύ που ανήκει στο Familiar.

Ποτέ σε δημόσιο cloud όπως το Google Cloud ή το AWS, και ποτέ από τρίτο πάροχο inference.
ΙΔΙΩΤΙΚΟ INFERENCE · ΤΟΡΟΝΤΟ, ΚΑΝΑΔΑΣ

Η διαδρομή μιας μεταγλώττισης και οι απαντήσεις για τον έλεγχο ασφαλείας σας βρίσκονται στην τεκμηρίωση για το ιδιωτικό inference.

Τι είναι διαθέσιμο σήμερα και τι είναι στα σκαριά;

  1. ΣΗΜΕΡΑ

    Κάθε γλώσσα από ένα ανέβασμα, με τη φωνή και τα χείλη του ίδιου του ηθοποιού.

    30 γλώσσες εξόδου, 99 γλώσσες-πηγές στην είσοδο· έως 4K, πραγματική μίξη 5.1 ή στερεοφωνική, υπότιτλοι.
  2. ΣΗΜΕΡΑ

    Οι creative directors σας ελέγχουν τις αποφάσεις της μετάφρασης.

    Οι επιλογές μαζί με το σκεπτικό της καθεμίας, καταγεγραμμένες με την εργασία.
  3. ΣΤΑ ΣΚΑΡΙΑ

    Οι αποφάσεις για τον ήχο και την εικόνα, στον ίδιο έλεγχο.

    Τι μένει στην πρωτότυπη γλώσσα, άλλο πρόσωπο, ποιο κείμενο μέσα στο κάδρο θα μεταφραστεί.
  4. ΣΤΑ ΣΚΑΡΙΑ

    Live μεταγλώττιση.

Η πρόσβαση γίνεται με συμβόλαιο Studio, στα μέτρα του καταλόγου σας: μιλήστε με την ομάδα για τους τίτλους σας, τις γλώσσες σας και τις προδιαγραφές παράδοσης. Η ομάδα είναι διδάκτορες που ξεκίνησαν το πεδίο των κοινών οπτικοακουστικών μοντέλων για ανθρώπους: 22 δημοσιεύσεις, πάνω από 10.000 αναφορές, με τον Prof. Xu Zheng και τον Prof. Youngjung Uh ως συμβούλους, και με τη στήριξη των Samsung, RedBird και Gold House. Η έρευνα βρίσκεται στις δημοσιεύσεις μας και στο Πρωτοπορία στην πολυτροπική μετάφραση: από την κοινή οπτικοακουστική έρευνα στο πρώτο θεμελιώδες μοντέλο· η ιστορία του ιδρυτή στη σελίδα της αποστολής μας.

ΕΡΩΤΗΣΕΙΣ

Τι αλλάζει για ένα στούντιο ένα θεμελιώδες μοντέλο για πολυτροπική μετάφραση;

Ένα ανέβασμα μεταφέρει τα λόγια, τη φωνή, τα χείλη και τη σκηνή σε κάθε γλώσσα που παραγγέλνετε, όλα μαζί. Ο ηθοποιός κρατά τη δική του φωνή και το πρόσωπό του, ο ήχος της σκηνής μένει, και κάθε απόφαση καταγράφεται μαζί με την εργασία.

Μπορεί η ομάδα μας να ελέγξει τη μετάφραση πριν γίνει η μεταγλώττιση;

Ναι. Πρώτα έρχεται η μετάφραση. Όπου μια ατάκα μπορεί να βγει με περισσότερους από έναν τρόπους, οι creative directors σας βλέπουν τις αποδόσεις μαζί με το σκεπτικό της καθεμίας και διαλέγουν μία. Μια λίστα «Χωρίς μετάφραση» και ένα πλαίσιο μίας πρότασης ταξιδεύουν μαζί με την εργασία.

Ποια αρχεία παίρνουμε πίσω;

Το μεταγλωττισμένο βίντεο έως 4K, πραγματική μίξη surround 5.1 ή στερεοφωνική σε PCM 24-bit, και υπότιτλους .srt και .vtt κομμένους κατά τις συμβάσεις του Timed Text Style Guide του Netflix. Για podcasts και κανάλια φωνής υπάρχει και μεταγλώττιση μόνο ήχου.

Πού γίνεται η επεξεργασία του υλικού μας;

Κάθε μεταγλώττιση επεξεργάζεται στο δικό του cluster από NVIDIA B300 GPU αξίας οκτώ ψηφίων που έχει το Familiar στο Τορόντο του Καναδά, σε υπολογιστική ισχύ που ανήκει στο Familiar. Ποτέ σε δημόσιο cloud όπως το Google Cloud ή το AWS, ούτε από τρίτο πάροχο inference.

Είναι αυτό παραγωγική τεχνητή νοημοσύνη;

Όχι. Δεν υπάρχει prompt και τίποτα καινούργιο δεν επινοείται. Το Familiar είναι ένα πολυτροπικό μοντέλο αποφάσεων τοπικοποίησης (MLDM) που αποφασίζει πώς θα τοπικοποιηθεί υλικό που υπάρχει ήδη: ο ηθοποιός, ο χρονισμός και η σκηνή μένουν· τα λόγια, το κανάλι της φωνής και τα χείλη αλλάζουν.

Πώς αποκτούμε πρόσβαση;

Με συμβόλαιο Studio, στα μέτρα του καταλόγου σας. Μιλήστε με την ομάδα για τους τίτλους σας, τις γλώσσες σας και τις προδιαγραφές παράδοσης, και ξεκινήστε με ένα πιλοτικό στο δικό σας υλικό. Δεν υπάρχει δημόσιος τιμοκατάλογος.

ΠΑΡΑΠΟΜΠΕΣ

  1. [1]Netflix, Timed Text Style Guide: Subtitle Templates, ανάγνωση στις 30 Οκτωβρίου 2026
  2. [2]Το benchmark του Familiar
  3. [3]Τι είναι ένα πολυτροπικό μοντέλο αποφάσεων τοπικοποίησης (MLDM);
  4. [4]Τεκμηρίωση για το ιδιωτικό inference
  5. [5]Τεκμηρίωση για τα παραδοτέα

ΠΟΛΥΤΡΟΠΙΚΗ ΜΕΤΑΦΡΑΣΗ

Η Familiar Labs φτιάχνει μεταγλώττιση νέας γενιάς με ένα πολυτροπικό μοντέλο αποφάσεων τοπικοποίησης (MLDM), το πρώτο θεμελιώδες μοντέλο για πολυτροπική μετάφραση: ένα μοντέλο αποφασίζει τι θα τοπικοποιηθεί σε κείμενο, ήχο και εικόνα και σου δείχνει τις επιλογές. Η φωνή και τα χείλη σου, μεταφερμένα σε νέες γλώσσες. Μια ομάδα 8 ατόμων με διδάκτορες, με την υποστήριξη των Samsung, RedBird και Gold House. Η αποστολή μας

Δες το πλήρες benchmark →Μίλα με την ομάδα