हमारा मिशन
हम समझ के आड़े आने वाली हर दीवार तोड़ने के लिए हैं।
यह सब कहां से शुरू हुआ।
हमारे CEO, Andrew Liu, एक ऐसे स्कूल में पहुंचे जहां वे अपने क्लासमेट्स से अंग्रेज़ी में बात नहीं कर पाते थे। पूरे स्कूल में वे इकलौते एशियाई थे। उनका कोई दोस्त नहीं था। भाषा उन्होंने टीवी देखकर सीखी; स्क्रीन ही वह जगह थी जहां अंग्रेज़ी आखिरकार उन तक पहुंची। यह बात उनके मन से कभी नहीं गई।
इसीलिए Familiar Labs है: ताकि स्क्रीन पर जो चले, वह हर किसी तक उस भाषा में पहुंचे जो वह समझता है।
हम आर्टिस्ट की जगह नहीं लेते। हम उन्हें ट्रांसलेट करते हैं।
इंसान को बचाए रखना।
2030 तक एंटरटेनमेंट $4.2 ट्रिलियन की इंडस्ट्री होगी।
PwC, Global Entertainment & Media Outlook 2026–2030.
इसका भविष्य मास प्रोडक्शन और कला के बीच की एक बारीक लकीर पर चलता है, और Familiar Labs कला की तरफ़ खड़ा है: इंसानी परफ़ॉर्मेंस और उसमें बसी हमदर्दी को बचाए रखना।
कलाकला क्या है
AI अपने रास्ते पर कला बना सकता है, उस रास्ते पर जो एनिमेशन के पास पहले से है: स्क्रीन पर उतरे नॉवेल, मांगा और मनह्वा, जिनमें किसी असली एक्टर की पहचान नहीं होती। जब AI फ़ोटोरियलिज़्म के सहारे उस एक्टर की जगह लेना चाहता है जो यह रोल निभाता, तो नतीजा खोखला लगता है, क्योंकि ऑडियंस इंसान को देखने आई थी।
हम चाहते हैं कि इंसान गाएं और रैप करें।
सबसे युवा ऑडियंस असली चीज़ चाहती है।
जेन-ज़ी की पसंद अब तक की किसी भी ऑडियंस से ज़्यादा निखरी हुई है। वे क्रिएटर्स को उनकी असली पर्सनैलिटी के लिए फ़ॉलो करते हैं, और असली लोगों को देखते हैं।
हमें इंसानी जुड़ाव चाहिए: किसी की पर्सनैलिटी, उसमें वो 'कुछ तो बात'। इंसान इंसान से हमदर्दी रखता है, और पता चलते ही कि यह AI है, हमदर्दी घट जाती है।
एक्टर और गायक इंसान ही रहेंगे। काफ़ी हद तक।
दशकों बाद भी, ऐसी फ़िल्में, टीवी और म्यूज़िक जिनमें कोई इंसानी कलाकार न हो, गिनती के ही होंगे। जो आर्टिस्ट अपने रोल को जीते हैं, AI उनकी जगह क्यों लेगा?
“अगर मुझे पता हो कि ये AI है, तो मैं वैसा महसूस नहीं कर पाता।”
मान लीजिए किसी दिन AI इस क्वालिटी तक पहुँच जाए। तब भी हमदर्दी की कमी रहेगी: इंसानी जुड़ाव की, और उन लोगों को सपोर्ट करने की चाह की जिन्होंने इसे बनाया।
हम जिसे सपोर्ट करना चुनते हैं, उसमें से ज़्यादातर अब भी इंसानी ही होगा। किसी इंसान के लिए हमारी हमदर्दी कोई पूर्वाग्रह नहीं जो वक्त के साथ मिट जाए; यही हमारे जीने, प्यार करने और भाषा बरतने का तरीका है।
भाषा हमेशा से लोगों के बीच की दीवार रही है।
माँ-बाप, जो बच्चे के टीचर से बात नहीं कर पाते।
एक मरीज़, जो अपनी तकलीफ़ बयान नहीं कर पाता।
एक गवाह, जिसकी बात कोर्ट की भाषा में समझी ही नहीं जाती।
थकाऊ काम के लिए MLFM।
मल्टीमोडल ट्रांसलेशन का पहला फ़ाउंडेशन मॉडल- आपकी फ़ुटेज, आपकी आवाज़, आपका चेहरा। कुछ भी नया गढ़ा नहीं जाता।
- कोई प्रॉम्प्ट नहीं। बेतरतीब ढंग से कुछ नया नहीं बनाना।
- जिस डेटा पर हमने ट्रेनिंग की, वह सारा असल में Familiar Labs टीम ने ही बनाया है।
एक ही मॉडल, जो टेक्स्ट, ऑडियो और विज़ुअल में तय करता है कि क्या लोकलाइज़ करना है और कैसे, और ज़रूरी फ़ैसले आपके सामने रखता है। पहले ट्रांसलेशन, फिर एक ही बार में पूरा डब: आवाज़, होंठ और सीन एक साथ। फ़ैसले आपस में मेल खाते हैं, क्योंकि उन्हें एक ही मॉडल लेता है। इंसान कभी नहीं बदलता।
'जनरेटिव AI' नहीं, बल्कि ट्रांसलेशन, जो क्रिएटर्स के हाथ मज़बूत करे।
हम क्रिएटिव प्रोसेस का एक और टूल हैं।
किसी लाइन का कौन-सा वर्ज़न।
- कई वर्ज़न तौले जाते हैं; आपके क्रिएटिव डायरेक्टर उन्हें वजह के साथ देखते हैं और चुनते हैं।
- क्या ट्रांसलेट न करें: स्लैंग जैसा बोला गया वैसा, नाम और ब्रांड वैसे के वैसे।
- कोई रेफ़रेंस ऐसे रेफ़रेंस से बदला जाता है जिसे ऑडियंस जानती हो, जिन बातों से कल्चर बचता है उनका ध्यान, और कम उम्र वालों के कट के लिए गालियां हल्की।
ट्रांसलेट करना भी है या नहीं।
- मुख्य आवाज़ पहचानी जाती है और बोलने वाले की अपनी ही आवाज़ में आगे ले जाई जाती है।
- हंसी, भीड़, कोई चीख, कोई ऐसा बोलने वाला जिसकी बात समझ न आए: सब वैसे के वैसे।
- कोई नारा, कोई चीख, कोई फ़्रेज़ ओरिजिनल भाषा में ही रखना।
स्क्रीन पर क्या लोकलाइज़ करना है।
- असल में कौन बोल रहा है: कौन नैरेट कर रहा है, कौन स्क्रीन के बाहर से बोल रहा है।
- होंठ, चेहरे की आड़ और स्पेशियल रीज़निंग समेत।
- हाव-भाव और जेस्चर, जब ज़ोर या कल्चर इसकी मांग करे।
- फ़्रेम में लिखा टेक्स्ट, फ़ोन स्क्रीन, किताब का कवर, सड़क का साइनबोर्ड, दुकान का बोर्ड, उन्हीं शब्दों में जो आप पहले चुन चुके हैं।
- क्या जैसा शूट हुआ वैसा ही रहे, यह मौके पर ही तय होता है: Tostitos का पैकेट Tostitos ही रहता है।
- कोई लाइन किस चेहरे की है, और कौन-सा टेक्स्ट ट्रांसलेट हो।
हम वहीं से शुरू कर रहे हैं, जहाँ यह दीवार सबसे महंगी पड़ती है: वीडियो।
इंसानों वाली डबिंग दुनिया के ज़्यादातर हिस्से के बस की बात नहीं: बड़ी से बड़ी प्रोडक्शंस भी गिनी-चुनी भाषाओं में ही डब करती हैं, क्योंकि इसमें पैसा, लोग और वक्त, तीनों लगते हैं। छोटी प्रोडक्शंस, शोज़ और वर्टिकल ड्रामा तो डब ही नहीं करते।
जिस कंपनी को हमारे CTO लीड करते थे, वहां सालों तक Veritasium, 3Blue1Brown और Welch Labs के इंटरनेशनल चैनल चलाकर यह साबित हो चुका है।
▚ एक ही बार में, हफ़्तों में नहीं ▞
Flawless
Flawlessइंडस्ट्री आज जिन असिस्टिव टूल्स से काम लेती है, उनमें हर प्रोजेक्ट पर VFX आर्टिस्ट्स की एक टीम और कई हफ़्ते लगते हैं, और हर भाषा एक नया प्रोजेक्ट होती है।
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।
Familiar Labs बनाम Flawless TrueSync →किसी इंसान ने जो परफ़ॉर्मेंस दी, हम उसे हर भाषा तक ले जाते हैं: उसकी आवाज़, उसका चेहरा, उसकी चीख़ें और फुसफुसाहटें, सब बरकरार।
हम कभी कोई इंसान जनरेट नहीं करते। हम कभी किसी एक्टर की जगह नहीं लेते।
- आज
13 भाषाओं में डबिंग।
- तैयारी में
लाइव प्रसारण: स्पोर्ट्स, न्यूज़, स्ट्रीम्स।
- आगे चलकर
दोतरफ़ा बातचीत: मीटिंग्स में भी, आमने-सामने भी।
जो रिसर्चर नए इंसान जनरेट कर सकते थे, उन्होंने असली इंसानों को आगे ले जाना चुना।
डबिंग, जनरेशन नहीं।
हम AI म्यूज़िक जनरेशन के ठीक उलट हैं। हम इंसानों की जगह लेने के ख़िलाफ़ हैं। AI का इस्तेमाल इसी के लिए होना चाहिए: अलग-अलग संस्कृतियों के लोग, एक ही गाने को समझते हुए।
हमारे CEO, Andrew Liu, ऑडियोफ़ाइल हैं और ख़ुद संगीतकार भी: पियानो, चेलो, बेस गिटार। उनकी मां अपने गाने उनके साथ बांटती हैं और उन्हें गाकर सुनाती हैं। थोड़ी-बहुत मंडारिन वे समझते हैं, पर गाने में शब्द हाथ से फिसल जाते हैं। हमारे माता-पिता और परिवार वालों को ऐसे गाने पसंद हैं जिन्हें हम समझ नहीं पाते, और हमें ऐसे अंग्रेज़ी गाने पसंद हैं जिन्हें वे नहीं समझ पाते। Song Dubbing दोनों तरफ़ काम करता है: उनके गाने हम तक, और हमारे गाने कोरियाई और चीनी में उन तक, ताकि वे भी समझें और सुनें। पूरी टीम को गाना और कराओके बेहद पसंद है। हम सब जो बोल सुनते हैं, उन्हें समझना चाहते हैं।
मैं ये ट्रांसलेट किए हुए गाने अपनी प्लेलिस्ट में डालना चाहता हूं।
Song Dubbingगानों की पहली सच्ची डबिंग
रिकॉर्ड लेबल्स और उनके आर्टिस्ट्स के लिए, एक-एक एल्बम करके, पूरी तरह पर्सनल सर्विस के रूप में। हर लाइन गाए जाने के लिए ट्रांसलेट होती है, उसकी मात्राएं, तुक, फ़्लो और मतलब बनाए रखते हुए, और कुछ भी रिलीज़ होने से पहले आर्टिस्ट हर भाषा के बोल को मंज़ूरी देते हैं।
कनाडाई भी, ग्लोबल भी।
Familiar Labs टोरंटो में है और EU समेत दुनिया भर के दोस्तों के साथ काम करता है। हमारी जड़ें हमें हर जगह भाषा की दीवारें तोड़ने की ओर ले जाती हैं, उन भाषाओं तक भी जिन्हें कम ही लोग बोलते हैं।
13 भाषाएं, किसी से भी किसी में भी।
- अंग्रेज़ी
- अरबी
- इतालवी
- कोरियाई
- चीनी
- जर्मन
- जापानी
- थाई
- पुर्तगाली (ब्राज़ील)
- फ़्रेंच (फ़्रांस)
- रूसी
- स्पेनिश (लैटिन अमेरिका)
- हिन्दी
टिमिंस, उत्तरी ओंटारियो।
हमारा विज़न: एक ऐसी दुनिया जहाँ हर इंसान को समझा जाए।
हम AI स्लॉप और डीपफेक्स के खिलाफ खड़े हैं।
इंसान की तरफ़, सिंथेटिक की नहीं।
आपकी अपनी आवाज़ और चेहरा।
AI स्लॉप के खिलाफ़, सहमति के साथ।
रिप्लेस नहीं, बस ट्रांसलेशन। हर आउटपुट पर सहमति और सोर्स का रिकॉर्ड।
थ्योरी नहीं, सबूत।
ElevenLabs, YouTube और इंसानी ट्रांसलेटर्स के मुकाबले पब्लिश्ड बेंचमार्क, एक ही क्लिप्स पर।
कंट्रोल, इन-बिल्ट।
रिलीज़ से पहले रिव्यू, बाय डिफ़ॉल्ट; ब्रांड नाम और टर्म्स बिल्कुल वैसे ही रहते हैं जैसे आपने लिखे।
इसे बनाने में लगी रिसर्च, मेहनत और

हमारी टीम के कई लोगों ने अंग्रेज़ी टीवी से सीखी। हमारे CEO, Andrew Liu, अपने क्लासमेट्स से अंग्रेज़ी में बात नहीं कर पाते थे, उनका कोई दोस्त नहीं था, और पूरे स्कूल में वे इकलौते एशियाई थे; भाषा उन्होंने टीवी देखकर सीखी, और यह बात उनके मन से कभी नहीं गई।
इसीलिए Familiar Labs है: ताकि स्क्रीन पर जो चले, वह हर किसी तक उस भाषा में पहुंचे जो वह समझता है।








आवाज़ और चेहरा एक ही मॉडल से, ताकि पहचान कभी न बंटे: यह फील्ड हमने JAM-Flow से शुरू की।
आज के सबसे हूबहू रीयल-टाइम इंसान: SoulX-LiveAct किसी इंसान को 20 फ्रेम प्रति सेकंड पर एनिमेट करता है, और वह घंटे भर स्टेबल रहता है।
डिस्टिलेशन, गाइडेंस और सैंपलिंग: वह रिसर्च जो डिफ्यूज़न मॉडल्स को इतना तेज़ बना देती है कि वे रीयल-टाइम में चल सकें।
फ्रोज़न डिफ्यूज़न मॉडल्स के अंदर एडिटिंग: h-space खोज निकालने से लेकर स्टाइल कंट्रोल और स्क्रीन पर लिखा टेक्स्ट हटाने तक।
एडिट करने से पहले सीन को पढ़ना: विज़ुअल और ऑडियो दोनों मिलाकर यह पहचानना कि बोल कौन रहा है, चाहे माहौल कोई भी हो।
हमारे निवेशक
Stanford
Yonsei


