सार
दो शब्द, सीधे-सीधे
मशीन लर्निंग एक बड़ा दायरा है। IBM के शब्दों में, ये ऐसे एल्गोरिदम हैं जो ट्रेनिंग डेटा के पैटर्न सीखते हैं और फिर नए डेटा के बारे में सटीक अनुमान लगाते हैं।
जनरेटिव AI
- मशीन लर्निंग का एक इस्तेमाल: IBM के शब्दों में, ऐसी आर्टिफ़िशियल इंटेलिजेंस जो यूज़र के प्रॉम्प्ट या अनुरोध पर ओरिजिनल कंटेंट बना सकती है।
- नई चीज़ें बनाने के लिए बढ़िया टूल: कोई कॉन्सेप्ट फ़्रेम, पहला ड्राफ्ट, किसी गाने का खाका।
FAMILIAR LABS के साथ ट्रांसलेशन
- काम पहले से मौजूद है; वह बिना कुछ बिगाड़े दूसरी भाषा में जाता है।
- मॉडल एक मल्टीमोडल लोकलाइज़ेशन फ़ाउंडेशन मॉडल (MLFM) है, मल्टीमोडल ट्रांसलेशन का पहला फ़ाउंडेशन मॉडल।
किसी भी वेंडर से पूछने लायक छह सवाल
आज के वन-शॉट टूल्स बाकी सब छोड़ देते हैं
थकाऊ काम के लिए MLFM।
थकाऊ हिस्सा है हर भाषा की हर लाइन: कौन-सा वर्ज़न, कौन-सी आवाज़, होंठ कैसे साथ चलें। हाई-क्वालिटी रास्ता यह काम कई हफ़्तों तक हाथ से करता है; वन-शॉट टूल्स इसे छोड़ देते हैं, और ट्रांसलेशन एडिट नहीं हो सकता।
Familiar Labs एक ही बार में भी है और क्वालिटी भी देता है।
MLFM हर फ़ैसला जॉब के साथ रिकॉर्ड करता है, और आपकी टीम उसे बदल सकती है: ट्रांसलेशन के विकल्प आज, ऑडियो और विज़ुअल वाले तैयारी में। कास्टिंग, परफ़ॉर्मेंस और हर क्रिएटिव फ़ैसला उन्हीं लोगों के हाथ में रहता है जिन्होंने काम बनाया।
सवाल
क्या Familiar Labs जनरेटिव AI है?
नहीं। Familiar Labs एक मल्टीमोडल लोकलाइज़ेशन फ़ाउंडेशन मॉडल (MLFM) है: यह तय करता है कि जो पहले से मौजूद है उसे कैसे लोकलाइज़ किया जाए, किसी प्रॉम्प्ट के बिना।
क्या हमारी क्रिएटिव टीम रेंडर से पहले कोई लाइन बदल सकती है?
हां। ट्रांसलेट की गई हर लाइन आपके क्रिएटिव डायरेक्टर्स का इंतज़ार करती है, जो उसे एडिट करते हैं या तीन ट्रांसलेशन में से एक चुनते हैं। डब उसके बाद ही रेंडर होता है।
Familiar Labs किन भाषाओं में काम करता है?
13 भाषाएं, इनपुट और आउटपुट दोनों, किसी से भी किसी में भी।
संदर्भ
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
Stanford
Yonsei


