RESUMEN
¿Qué cambia un modelo fundacional en el doblaje?
El doblaje automático era una cascada de herramientas separadas: transcripción, después traducción, después una voz, después sincronización labial. Cada etapa adivinaba sin las demás, y los errores pasaban de una etapa a la siguiente. Lo que encuentra hoy un comprador cambia calidad por tiempo. Las herramientas asistidas alcanzan la calidad con un equipo de artistas de VFX: semanas por proyecto, y cada idioma es un proyecto nuevo. Las herramientas de una sola pasada son rápidas y renuncian a lo demás: la traducción no se puede editar, la voz pierde el parecido, la música y el ambiente de la sala desaparecen, y los labios fallan con una mano sobre la cara, un micrófono, desenfoque, bokeh, un perfil o varias personas en el encuadre. Sin razonamiento espacial, sin comprensión del mundo, sin control. Familiar sustituye la cadena por un solo modelo multimodal de decisiones de localización (MLDM): una sola pasada y además la calidad.
LA ERA DE LA CASCADA
- Cuatro herramientas, cada una ajustada por su cuenta.
- Una traducción escrita sin conocer la boca a la que tiene que ajustarse.
- La voz de un extraño sobre el rostro original.
UN SOLO MODELO FUNDACIONAL
- Un solo modelo toma las decisiones en conjunto, así que encajan.
- La traducción conoce la boca; la voz conoce la escena.
- La persona en pantalla nunca cambia.
Traducción audiovisual de una vez, no en cascada: la primera de su tipo. La definición está en El primer modelo fundacional de traducción multimodal; el contraste con la cascada, paso a paso, en Traducción audiovisual de una vez, no en cascada.
HeyGen
ElevenLabsHeyGen + ElevenLabsONE-SHOT TOOLS · NO CONTROLOne shot today means giving up the rest.
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
¿Puede una sola carga cubrir todos los mercados en los que vendemos?
Sí. El metraje en cualquiera de 99 idiomas de origen entra una vez, y los doblajes salen en cualquiera de los 30 idiomas de salida que pidas: todos los idiomas desde una sola carga, cada uno con la misma interpretación. Una temporada, un catálogo o una serie de episodios verticales siguen el mismo camino, y los términos que fijas una vez se aplican también al siguiente episodio.
El doblaje humano completo, traducción más voz, cuesta entre $70 y $150 por minuto terminado. A ese precio queda fuera del alcance de la mayor parte del mundo. Incluso las grandes producciones doblan a pocos idiomas por el costo, las personas y el tiempo que exige.
Las producciones más pequeñas, los programas y los microdramas verticales casi no se doblan.
Ese es el vacío que cubre Familiar. No es «IA generativa», sino traducción al servicio de los creativos. MLDM para la parte tediosa. De persona a persona, llegando más lejos.
¿Quién decide cómo llega una línea a otro idioma?
El MLDM decide qué localizar y cómo en texto, audio e imagen. Tu equipo sigue a cargo de las decisiones que importan. La traducción va primero y, cuando una línea admite más de una lectura, tus directores creativos ven las opciones y el porqué de cada una antes de que se doble nada.
LO QUE SE DECIDE Y LO QUE SE ELIGE
Cada decisión queda registrada con el trabajo y puedes cambiar cualquiera de ellas. La historia completa está en El registro de decisiones. Solo en las palabras, la traducción iguala a los traductores humanos expertos: el 100.3% de su calidad, medido en el benchmark.
¿Qué se recibe con un doblaje terminado?
Una entrega que tu equipo de posproducción puede incorporar al estreno, con la especificación que pide un servicio de streaming. El audio de la escena se queda tal como estaba: la música, el ambiente y las risas se conservan, y solo cambia de idioma el habla.
VIDEO
Hasta 4K
Sincronización labial incluida en cada renderizado de video.
MEZCLA
Sonido envolvente 5.1 real o estéreo
Tú eliges, en PCM de 24 bits. Los servicios de streaming exigen que el doblaje respete la mezcla original: entra en 5.1, sale en 5.1.
AUDIO DE LA ESCENA
Se conserva
La música, el ambiente, las risas y el público se quedan.
SUBTÍTULOS
.srt y .vtt
Dos líneas como máximo, 42 caracteres por línea, hasta 17 caracteres por segundo.
Los subtítulos se crean a partir de la traducción revisada, cortados según las convenciones de la Timed Text Style Guide de Netflix, el estándar de plantillas de subtítulos con el que trabaja la industria. Cada archivo y formato aparece en la documentación de archivos de salida.
¿Dónde se procesa nuestro metraje?
El metraje sin estrenar es lo que un estudio más protege. Cada doblaje se procesa en el propio clúster de ocho cifras de Familiar, con GPU NVIDIA B300, en Toronto, Canadá, con capacidad de cómputo propia de Familiar.
El recorrido de un doblaje y las respuestas para tu revisión de seguridad están en la documentación de inferencia privada.
¿Qué está disponible hoy y qué está en desarrollo?
- HOY
Todos los idiomas desde una sola carga, con la voz y los labios del propio actor.
30 idiomas de salida, 99 idiomas de origen de entrada; hasta 4K, una mezcla 5.1 real o estéreo, subtítulos. - HOY
Tus directores creativos revisan las decisiones de traducción.
Las opciones con el porqué de cada una, registradas con el trabajo. - EN DESARROLLO
Las decisiones de audio e imagen, en la misma revisión.
Qué se queda en el idioma original, otro rostro, qué texto del encuadre se traduce. - EN DESARROLLO
Doblaje en vivo.
El acceso es por acuerdo de Studio, a la medida de tu catálogo: habla con el equipo sobre tus títulos, tus idiomas y tu especificación de entrega. El equipo son doctores que iniciaron el campo de los modelos audiovisuales conjuntos de personas: 22 artículos, más de 10,000 citas, con el Prof. Xu Zheng y el Prof. Youngjung Uh como asesores, y con el respaldo de Samsung, RedBird y Gold House. La investigación está en nuestros artículos y en Pioneros de la traducción multimodal; la historia del fundador, en nuestra página de misión.
PREGUNTAS
¿Qué cambia para un estudio un modelo fundacional de traducción multimodal?
Una sola carga lleva las palabras, la voz, los labios y la escena a todos los idiomas que pidas, todo a la vez. El actor conserva su propia voz y su rostro, el audio de la escena se queda y cada decisión queda registrada con el trabajo.
¿Nuestro equipo puede revisar la traducción antes de hacer el doblaje?
Sí. La traducción va primero. Cuando una línea admite más de una lectura, tus directores creativos ven las versiones con el porqué de cada una y eligen. Una lista de términos que no se traducen y una frase de contexto acompañan al trabajo.
¿Qué archivos recibimos?
El video doblado en hasta 4K, una mezcla de sonido envolvente 5.1 real o estéreo en PCM de 24 bits, y subtítulos .srt y .vtt cortados según las convenciones de la Timed Text Style Guide de Netflix. También hay doblaje solo de audio para pódcasts y pistas de voz.
¿Dónde se procesa nuestro metraje?
Cada doblaje se procesa en el propio clúster de ocho cifras de Familiar, con GPU NVIDIA B300, en Toronto, Canadá, con capacidad de cómputo propia de Familiar. Nunca se procesa en una nube pública como Google Cloud o AWS, ni con un proveedor de inferencia externo.
¿Esto es IA generativa?
No. No hay prompt y no se inventa nada nuevo. Familiar es un modelo multimodal de decisiones de localización (MLDM) que decide cómo localizar metraje que ya existe: el actor, el ritmo y la escena se quedan; cambian las palabras, la pista de voz y los labios.
¿Cómo obtenemos acceso?
Por acuerdo de Studio, a la medida de tu catálogo. Habla con el equipo sobre tus títulos, tus idiomas y tu especificación de entrega, y empieza con un piloto con tu propio metraje. No hay una lista de precios pública.
REFERENCIAS
Traducción multimodal
Familiar Labs hace un doblaje de otra generación con un modelo multimodal de decisiones de localización (MLDM), el primer modelo fundacional de traducción multimodal: un solo modelo decide qué localizar en texto, audio e imagen, y muestra las opciones. La voz y los labios de cada persona, llevados a nuevos idiomas. Un equipo de 8 con doctorados, con el respaldo de Samsung, RedBird y Gold House. Nuestra misión