राय

इंसान से इंसान तक, AI से AI तक नहीं

क्वालिटी वाला कंटेंट इंसानी ही क्यों रहेगा।

FAMILIAR LABS रिसर्चसारे लेख

सार

AI इंसान से हमदर्दी नहीं हो सकती, कम से कम उतनी नहीं। हम इसलिए देखते हैं क्योंकि एक असली इंसान कच्ची भावनाओं को जी रहा है; जैसे ही पता चलता है कि यह AI है, हमदर्दी घट जाती है। इसलिए Familiar Labs कभी किसी एक्टर की जगह नहीं लेता और कभी कोई इंसान जनरेट नहीं करता। 'जनरेटिव AI' नहीं, बल्कि ट्रांसलेशन, जो क्रिएटर्स के हाथ मज़बूत करे: किसी इंसान ने जो परफ़ॉर्मेंस दी, वह हर भाषा तक पहुंचती है।

हमदर्दी

असली चीज़ भावना है।

हम उसे तब महसूस करते हैं जब कोई असली इंसान उसे जी रहा हो, और ज़्यादातर ऑडियंस फ़र्क पहचान लेती है। बड़े प्लेटफ़ॉर्म्स AI से बने कंटेंट पर निशान लगाते हैं, इसलिए पिक्सल बेहतर होने से यह फ़ासला नहीं मिटता।

स्टार पावर

आवाज़
अब भी वही
स्टार की अपनी परफ़ॉर्मेंस, प्रोडक्शन की सहमति से।
वे नहीं
कोई ऐसी आवाज़ जो उनकी नहीं, उनकी लाइनें पढ़ती हुई।
चेहरा
अब भी वही
वही टेक, होंठ नए शब्दों के साथ चलते हुए।
वे नहीं
कोई ऐसा एक्टर जो वे नहीं हैं।
ऐसा कलाकार जो अब नहीं रहा
अब भी वही
उनकी रिकॉर्ड की हुई परफ़ॉर्मेंस, अधिकार रखने वाले के ज़रिए लोकलाइज़।
वे नहीं
कोई नया प्रोजेक्ट जिसके लिए उन्होंने कभी सहमति नहीं दी। हम वहां नहीं जाते।

जब वह सच में वे नहीं होते, तो स्टार पावर घट जाती है, और उसके इर्द-गिर्द खड़ा प्रोडक्शन भी। CGI, VFX और शायद एक्स्ट्रा कलाकार ज़्यादातर AI से होंगे; सामने जो है, वह इंसानी रहेगा। मेरा मानना है कि बिना इंसानी परफ़ॉर्मर वाला काम गिनती का ही रहेगा (क्या AI एक्टर्स और गायकों की जगह ले लेगा?)।

डब क्या बचाए रखता है

इंसान से इंसान तक, AI से AI तक नहीं।

डब इंसान, परफ़ॉर्मेंस, सीन और म्यूज़िक वैसा ही रखता है; बदलती है सिर्फ़ भाषा। इसीलिए हमने वीडियो मॉडल नहीं, डिसीज़न मॉडल बनाया: लाइन कौन बोल रहा है, फुसफुसाहट से चीख तक की भावना, कौन-सा नाम वैसे का वैसा रहे, फ़्रेम में लिखा टेक्स्ट क्या कहता है। कुछ भी गढ़ा नहीं जाता।

जो दोबारा नहीं बन सकता

स्पोर्ट्स
मैच एक ही बार होता है। दोबारा चलाने को कुछ नहीं।
स्ट्रीम्स
लाइव, चैट के साथ। एक पल, कोई फ़ाइल नहीं।
रियलिटी TV
बिना स्क्रिप्ट के लोग। जो टेक हुआ, वही इकलौता टेक है।
डॉक्यूमेंट्रीज़
असली लोग, असली बातें, एक ही बार।

लाइव पल को सिर्फ़ आगे ले जाया जा सकता है; हमारा अगला वर्ज़न उसी दिशा में है। मेहनत से बने AI कंटेंट को भी डब की ज़रूरत है: कोई जनरल मॉडल उसी सीन को सही इंसान की आवाज़ में दोबारा नहीं चला सकता, और ट्रांसलेशन वह जगह है जहां सबसे अच्छे मॉडल भी लड़खड़ाते हैं (कोई मज़ाक, कोई नाम, कोई स्लैंग)। कम मेहनत वाला कंटेंट हर कल्चर के लिए नए सिरे से बन जाएगा; हम उसके लिए नहीं हैं।

दो रास्ते

तेज़ रास्ता

  • एक बार अपलोड, कोई कंट्रोल नहीं, ऐसा ट्रांसलेशन जिसका आप रिव्यू नहीं कर सकते।

क्वालिटी का रास्ता

  • हर फ़ैसला दर्ज और आपके बदलने के लिए खुला, एक ही बार में।
HeyGenHeyGenElevenLabsElevenLabsHeyGen + ElevenLabsवन-शॉट टूल्स · कोई कंट्रोल नहीं

आज के वन-शॉट टूल्स बाकी सब छोड़ देते हैं

ट्रांसलेशन एडिट नहीं हो सकता, म्यूज़िक और माहौल गायब हो जाते हैं, आवाज़ भटक जाती है, और चेहरे पर हाथ, माइक, ब्लर, बोकेह, साइड व्यू या फ़्रेम में कई लोग हों, तो होंठ साथ छोड़ देते हैं। न स्पेशियल रीज़निंग, न दुनिया की समझ, न कोई कंट्रोल।

हमने क्वालिटी का रास्ता इसलिए चुना क्योंकि यह बढ़ता ही जाता है: हर टाइटल रिकॉर्ड में जोड़ता है कि कोई कल्चर किन बातों से बचता है और कोई मज़ाक कैसे पार उतरता है। एक बार लिया गया फ़ैसला अगले एपिसोड में भी साथ चलता है।

++

इंसान से इंसान तक, पहुंच बढ़ाते हुए।

मल्टीमोडल ट्रांसलेशन

Familiar Labs एक पीढ़ी आगे की डबिंग बनाता है, मल्टीमोडल लोकलाइज़ेशन फ़ाउंडेशन मॉडल (MLFM) से, जो मल्टीमोडल ट्रांसलेशन का पहला फ़ाउंडेशन मॉडल है: एक ही मॉडल तय करता है कि टेक्स्ट, ऑडियो और विज़ुअल में क्या लोकलाइज़ करना है, और फ़ैसले आपके सामने रखता है। आपकी आवाज़ और होंठ, अब नई भाषाओं में। PhD वाली 7 लोगों की टीम, जिसके पीछे Samsung, RedBird और Gold House हैं। हमारा मिशन

हमारे निवेशक

  • Wheelhouse
  • Maximum Effort
  • Stanford
  • Yonsei
  • University of Waterloo