EXPLICACIÓN

Traducir no es generar

FAMILIAR INVESTIGACIÓNACTUALIZADO TODOS LOS ARTÍCULOS

RESUMEN

No es «IA generativa», sino traducción al servicio de los creativos. Generar y traducir son verbos distintos. Generar parte de un prompt y crea algo que no existía. Traducir parte de algo que ya existe, una interpretación, y lo lleva a otro idioma. Familiar es un nuevo paradigma, el primero de su tipo: un modelo multimodal de decisiones de localización (MLDM), el primer modelo fundacional de traducción multimodal. El actor, el ritmo y la escena se quedan; las palabras, la boca y la pista de voz cambian para ajustarse al nuevo idioma.
EL PRIMER MODELO FUNDACIONAL DE TRADUCCIÓN MULTIMODAL

Dos verbos

La IA generativa es una buena herramienta para crear cosas nuevas: entra un prompt, sale contenido nuevo, y lo que importa es que el resultado sea nuevo. La traducción persigue lo contrario.

TraducciónEL OTRO VERBO

Entra una interpretación y sale la misma interpretación en otro idioma.

GENERAR

  • Entra: un prompt
  • Sale: contenido nuevo
  • Se mide por: lo nuevo y lo bueno que es el resultado

TRADUCIR

  • Entra: una interpretación terminada
  • Sale: la misma interpretación en otro idioma
  • Se mide por: lo fiel que se mantiene al original

A cualquier traductor, humano o máquina, se le juzga por lo poco que inventa.

Lo que se queda y lo que cambia

El actor
CAMBIALas palabras
El rostro
CAMBIALos movimientos de la boca
El ritmo
CAMBIALa pista de voz, en el nuevo idioma
El audio de la escena: las risas, la música, el ambiente
CAMBIA

La voz en el nuevo idioma es la del propio actor, tomada del mismo clip. Los nombres y las frases características se quedan tal como se dijeron gracias a una lista de no traducir; los chistes se reescriben para que funcionen en el idioma de destino.

Por qué la sincronización labial es parte de la traducción

No oímos el habla solo con los oídos. En el efecto McGurk, una voz que dice [b] doblada sobre un rostro que dice [g] suele oírse como [d], un sonido que no traía ninguno de los dos canales (Tiippana, 2014, que describe el trabajo de McGurk y MacDonald, 1976). El cerebro funde lo que ve con lo que oye.
VOZ [b] + ROSTRO [g] = SE OYE [d]

Un doblaje solo de voz deja ese desajuste en cada fotograma: la boca dice un idioma y la banda sonora otro, así que cuesta más comprender. Eso convierte a la boca en parte del mensaje. Traducir una interpretación significa traducir los labios junto con las palabras, y por eso en un doblaje de Familiar los labios se mueven con las nuevas palabras (las preguntas frecuentes, "¿Por qué importa la sincronización labial?").

Los directores creativos revisan antes de publicar

Algunas líneas admiten más de una lectura: un chiste, una pulla, una frase que puede sonar sincera o seca. Esas vuelven como tres traducciones con distinta intención y emoción; lo mismo pasa con la jerga que se deja tal como se dijo y con las groserías suavizadas para un corte destinado a un público más joven. El equipo elige una, edita cualquier línea frente al original y solo entonces lanza el renderizado.

MLDM para la parte tediosa.

La parte tediosa del doblaje es decidir qué voz y cómo siguen los labios, en cada línea y en cada idioma. El MLDM lo decide y registra cada decisión con el trabajo, para que tu equipo pueda cambiar cualquiera de ellas. En desarrollo: elegir qué sonidos se quedan en el idioma original, un cántico o un grito, y qué rostro o qué texto en pantalla se traduce. Las decisiones que hacen bueno un doblaje, qué chiste funciona, qué tono encaja, qué nombre se queda, siguen en manos de quienes hicieron la obra.

++
Todos los datos con los que entrenamos los generó el propio equipo de Familiar.

Somos una herramienta más del proceso creativo.

PREGUNTAS

¿Es Familiar IA generativa?

No. Familiar es un modelo multimodal de decisiones de localización (MLDM): decide cómo localizar lo que ya está ahí, sin prompt. Entra tu video y sale la misma interpretación en otro idioma. Todos los datos con los que entrenamos los generó el propio equipo de Familiar. Somos una herramienta más del proceso creativo.

¿Qué pasa con mi música y mis efectos de sonido?

Se quedan. Las risas, la música y los graves, los efectos de sonido y el ambiente sobreviven debajo del nuevo diálogo.

¿Puedo corregir la traducción?

Sí. Cada video se detiene en una pantalla de revisión donde editas cualquier línea frente al original antes del renderizado.

REFERENCIAS

  1. [1]Tiippana, K. (2014). What is the McGurk effect? Frontiers in Psychology 5:725, consultado el 24 de octubre de 2026
  2. [2]Preguntas frecuentes de Familiar: ¿Por qué importa la sincronización labial?
  3. [3]Sincronización labial con IA: qué es, qué se le escapa y qué la supera
  4. [4]Por qué Familiar no es IA generativa en el sentido tradicional
  5. [5]Una herramienta más del proceso creativo

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